报告1: 大模型Harness体系构建与工程实践 – 桂韬
报告摘要：
本次报告围绕“大模型 Harness 体系构建与工程实践”展开，重点聚焦长上下文场景下的上下文压缩、上下文管理与上下文学习能力建设，介绍如何通过 Harness 体系将数据构造、提示组织、上下文选择、压缩策略、任务执行、自动评测与结果分析串联成可复用的自动化流程。演讲将结合工程实践，讨论如何在有限上下文窗口内保留关键信息、提升多轮任务的一致性与可控性，并通过 Harness 自动化支持不同策略的快速实验、对比评测和持续迭代，从而推动大模型在复杂任务和真实业务场景中的稳定落地。
专家简介：
桂韬，复旦大学副教授，国家级青年人才。研究领域为预训练模型、类人对齐和智能体交互。在高水平国际学术期刊和会议上发表了50余篇论文，曾获钱伟长中文信息处理科学技术奖一等奖、NeurIPS2023大模型对齐 Track最佳论文奖、第七届“中国科协青年人才托举工程”、上海市启明星计划。
报告2: 大模型智能体可信推理 – 陈科海
报告摘要：
本次报告聚焦可信推理驱动的大模型智能体构建，揭示当前智能体在多模态感知、强化学习优化与自主任务执行中普遍存在证据理解不充分、推理过程不稳定、奖励反馈不可靠和工具执行易出错等问题。首先从多模态结构理解与证据校验出发，介绍如何提升模型对图结构、表格、文档和图文信息的可靠感知能力。然后从强化学习与对齐视角，介绍偏好学习、奖励建模和策略优化如何增强模型推理行为的稳定性与可控性。最后，以自主智能体任务为例，介绍状态感知推理、工具调用、动态回退和多智能体协作等方法，探讨如何构建能够可信感知、稳定推理、可靠执行并持续进化的大模型智能体。
专家简介：
陈科海，哈尔滨工业大学（深圳）信息学部计算机学院/计算与智能研究院教授，博导，国家级青年人才。获2025年度“吴文俊人工智能科学技术奖”科技进步特等奖、2024年度“钱伟长中文信息处理”科技进步一等奖、2022年度北京市科技进步二等奖和2020年度中国中文信息学会“优博”论文奖，主要研究方向为自然语言处理、大模型智能体、多模态可信推理等，在ACL、NeurIPS、ICLR、ICML等国际会议和期刊发表论文百余篇。多次担任自然语言处理国际会议ACL、EMNLP等(高级)领域主席、人工智能国际会议AAAI、IJCAI资深程序委员和IJCNLP-AACL-2023研讨会主席。担任Neural Networks期刊编委。