论坛主题：大模型智能体与知识增强
论坛时间：2025年9月19日 9:00–17:00
论坛简介：当前大语言模型（LLM）驱动的智能体正展现出巨大的应用潜力，但其在复杂现实场景中的可靠性、可解释性和知识可控性仍是亟待突破的核心挑战。本次前沿技术讲习班特别关注知识增强、逻辑规则理解与学习、知识机理分析编辑、以及社会模拟应用等关键问题，聚焦于提升大模型智能体核心能力的前沿研究与关键技术，以期推动人工智能领域的创新发展。
论坛主席
钱铁云（武汉大学 教授）
主席简介：钱铁云，博士，武汉大学计算机学院教授，博士生导师。主要研究领域为自然语言处理、Web数据挖掘，中国计算机学会数据库专委会和自然语言处理专委会执委、中文信息学会语言与知识计算专委会专委。主持和承担过十余项国家和省部级科研项目。在顶级和权威国际学术会议和期刊上（如ACL、EMNLP、TKDE、TOIS）发表论文100余篇。担任TKDE、TKDD、TOIS、《计算机学报》等国内外顶级学术期刊审稿人，ACL、IJCAI 、WWW等人工智能领域顶级国际学术会议领域主席，以及国内数据库、知识图谱、信息检索、社会媒体处理大会等重要学术会议的海报、出版、论坛主席。
杨洋（浙江大学 教授）
主席简介：杨洋，浙江大学计算机科学与技术学院教授、博导、人工智能系主任，国家优青项目获得者。长期从事面向大规模图数据、时间序列数据、大语言模型推理的人工智能领域前沿问题，已发表领域权威期刊和会议论文90余篇。获得人工智能国际顶级会议AAAI’23杰出论文奖、中国教育部科技进步一等奖、吴文俊人工智能科学技术奖科技进步一等奖等荣誉。担任国际期刊IEEE Transactions on Big Data编委、KDD、WWW、AAAI等国际学术会议程序委员会委员以及中国中文信息学会社会媒体处理专委会常委等职务。
报告一：知识增强大模型智能体
报告嘉宾：张宁豫（浙江大学 副教授）
报告摘要：当前，大模型智能体研究正迎来推理规划技术落地的黄金时期。然而，在大多数实际应用场景中，推理规划常因缺乏领域知识而表现出不稳定、不可靠的问题，导致盲目试错、规划幻觉等一系列错误，严重影响用户体验。本次报告将重点探讨知识增强大模型智能体技术，介绍基于知识增强的大模型智能体轨迹合成、可靠规划以及记忆更新等方法。
嘉宾简介：张宁豫，浙江大学副教授，特聘研究员，智能科学与工业软件所副所长，入选斯坦福全球前2%顶尖科学家榜单、副省级市高层次人才引进计划、启真优秀青年学者，主要研究方向为自然语言处理、知识图谱、知识编辑等，担任ACM Transactions on Asian and Low-Resource Language Information Processing Associate Editor，ACL、EMMLP、NeurIPS、ICLR、KDD领域主席，ARR Action Editor，IJCAI 高级程序委员，研发了海洋大模型OceanGPT·沧渊、知识获取系统DeepKE及大模型知识编辑系统EasyEdit。
报告二：语言模型的逻辑规则学习能力与挑战
报告嘉宾：张小旺（天津大学 教授）
报告摘要：逻辑规则学习是从数据中自动发现并形式化因果知识。语言模型的规则学习能力直接反映了语言模型的规则逻辑表达能力，也体现了语言模型的逻辑符号可解释性和组合泛化性程度。本报告介绍逻辑规则学习能力与挑战，从结构化、半结构化、非结构化以及异构化数据源，对规则学习技术现状、发展趋势以及挑战进行讨论。
嘉宾简介：张小旺，天津大学智能与计算学部教授，博导，北洋青年学者，天津市认知计算与应用重点实验室副主任。研究方向包括知识图谱，自然语言处理，软件工程等。承担国家自然科学基金、国家重点研发计划子课题等多项。近年来，在AAAI，IJCAI，ACL，WWW，ASE，ICDT，ISWC，EMNLP，COLING，TOSEM，TSE，JAIR，Sci. China Inf. Sci.，TNNLS，《计算机学报》，《软件学报》等国内外学术期刊会议发表论文多篇。获得天津市科技进步一等奖，ACM天津新星奖。
报告三：大语言模型知识机理分析与知识增强
报告嘉宾：陈玉博（中科院自动化所 副研究员）
报告摘要：近年来，大语言模型在知识密集型的自然语言处理任务上取得了令人瞩目的进步。这似乎表明，大语言模型能够自发地从语料中学习大量知识，并隐式地保存在参数之中。然而，这一现象的背后机理仍然萦绕着许多谜团。大语言模型如何存储和运用知识？如何按需修改大语言模型中的知识？如何弥补大语言模型的知识不足？这些问题都亟待进一步探索。该报告将重点介绍大语言模型的知识机理分析、知识编辑与知识增强方面的基础知识和近期研究进展。
嘉宾简介：陈玉博，中国科学院自动化所副研究员，入选第五届中国科协青年人才托举工程、中国科学院青年创新促进会会员、全球华人AI 青年学者、北京市科技新星，连续多次入选美国斯坦福大学发布的全球前2%顶尖科学家榜单。研究方向为自然语言处理、知识图谱和大模型，在ACL、NIPS、ICLR、AAAI 等国际重要会议和期刊发表学术论文80余篇，Google Scholar引用量7300余次，其中一篇论文入选ESI高被引论文，两篇论文入选ACL、EMNLP高影响力论文（Paper Digest评选），获得国际语义网大会ISWC 2023（CCF B类会议）最佳张贴论文奖，并五次获得全国最佳论文奖。出版学术专著两部《知识图谱》、《知识图谱：算法与实践》，入选十三五国家重点图书出版规划教材。主持国家自然科学基金面上项目、青年基金项目，参与国家自然科学基金重点项目、2030新一代人工智能重大项目、重点研发计划课题。任中国中文信息学会青年工作委员会副主任，曾获中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖，北京市科学技术进步奖一等奖。
报告四：基于大模型智能体的社会模拟
报告嘉宾：陈旭（中国人民大学 副教授）
报告摘要：随着大模型技术的迅速发展，人们逐渐发现，与传统技术相比，大模型在越来越多的任务中展现出类人智能。社会科学以个体或群体为研究对象，而大模型的发展正为这一领域带来全新的研究工具与方法。在众多社会科学分支中，社会模拟是一种通用且重要的研究范式。因此，利用大模型构建社会模拟环境，成为大模型时代赋予社会科学的一项独特机遇。本报告将围绕大模型智能体在社会模拟环境构建中的关键问题与核心技术展开探讨，系统梳理当前基于大模型的社会模拟研究进展，并展望该领域未来的发展方向。
嘉宾简介：陈旭，中国人民大学高瓴人工智能学院准聘副教授，博士生导师。博士毕业于清华大学，曾在美国佐治亚理工学院交换学习，在英国伦敦大学学院从事博士后研究。主要研究方向为大语言模型、强化学习、推荐系统和因果推断等，在TheWebConf、SIGIR、KDD、ICML、NeurIPS、ICLR、AIJ等会议/期刊发表论文100余篇，谷歌引用1万余次，荣获著名国际会议的最佳论文奖或提名五项（TheWebConf 2018、CIKM Resource 2022等），荣获CCF自然科学二等奖（2/2）、CIPS钱伟长青年创新奖、ACM-北京新星奖和CAAI社会计算青年学者新星奖等荣誉。是学术期刊ACM Transactions on Recommender Systems（TORS）的编委，主持/参与二十余项国家级和企业合作项目。