李帅 · 主持人简介
李帅，香港大学副教授、上海创智学院全时导师，研究可自主决策适应动态环境的强化学习理论与方法、扩散模型与大模型的分析，迄今共发表学术论文100+篇，包含上海交通大学首篇机器学习理论顶会COLT论文等，其中第一/通讯作者发表CCF-A类论文50+篇，10余项理论提升成果仍保持理论最优。担任TMLR的执行编委（Action Editor），NeurIPS、ICML、AAMAS的高级领域主席（Senior Area Chair），机器学习顶会ICLR、ACL、WWW、UAI等的领域主席（Area Chair），受邀于群体智能顶级会议AAMAS上给出多智能体在线学习（2024）与马尔可夫博弈理论基础（2025）的教程、IJCAI上给出多智能体在线学习（2025）的教程和DAI上给出多智能体在线学习的教程（2025），主持国自然重大培育项目、面上基金、青年基金，参与国自然重大研究计划、科技部2030新一代人工智能重大项目。曾获得Best Paper Runner-up Award of KDD AI4Science Track (2026)、AAAI-IAAI Deployed Application Award（2025）、上海市东方英才拔尖项目（2025）、上海市扬帆人才计划、上海徐汇光启人才、华为火花奖、香港政府外展合作奖、谷歌博士奖学金、国际SAT竞赛并行求解赛道铜牌、腾讯优秀导师奖等。首位博士生已入职南方科大担任助理教授（2024），指导学生获得CCF-多智能体优博（2025）、百度奖学金（全球仅10位）、腾讯混元博士奖学金（2026）、商汤奖学金、腾讯犀牛鸟优秀学生奖、上海市优秀毕业生、国家奖学金、美团北斗计划、腾讯青云计划等。
魏轲，复旦大学大数据学院教授，主要研究数据科学与人工智能的数学理论与算法创新，具体包括高维结构化数据处理、强化学习理论与算法、大模型驱动的算法设计与优化等，研究成果已发表在国际重要的应用数学和工程期刊上，包括 SIAM系列、IEEE系列、Applied and Computational Harmonic Analysis、Mathematical Programming、Journal of Machine Learning Research、Nature Communications等。主持国家重点研发计划课题、国自然面上项目等，现为国际期刊Information and Inference: A Journal of the IMA的Associate Editor。
Reinforcement learning (RL) is a sequential decision problem and has achieved great success in many applications. Policy gradient methods refer to a family of approaches which seek to solve the parameterized RL problem directly. While policy gradient methods can be analysed within the typical optimization framework, exploiting the MDP structure of RL can often yield improved results. We will showcase this via two examples. Firstly, it is established that the classical projected policy gradient and softmax policy gradient methods enjoy the sublinear convergence for any constant step size. Secondly, we will show that the general policy mirror descent methods enjoy convergence in the policy domain for decomposable mirror maps even RL is a non-concave problem.
个人简介待更新
Safety is a fundamental requirement for real-world dynamic systems, yet ensuring it remains challenging when rewards, costs, and transition dynamics are unknown. This talk presents three approaches for learning high-utility policies while explicitly controlling constraint violations: Neural-PD for stochastic contextual combinatorial bandits, APMPO for episodic constrained Markov decision processes, and RePO for safe large language model fine-tuning. Together, these works establish a coherent progression from constrained bandit learning to safe reinforcement learning and LLM alignment, highlighting the role of violation-aware optimization in enabling safe and efficient decision-making under uncertainty.
钟梓昕博士现任香港科技大学（广州）数据科学与分析学域任助理教授。她本科就读于中山大学数学学院，博士就读于新加坡国立大学数学系，师从 Vincent Y. F. Tan 教授和 Wang Chi Cheung 教授，并获 Louis Chen Hsiao Yun Best Dissertation Prize。在加入港科广前，她曾任加拿大阿尔伯塔大学计算机科学系的博士后，合作导师为强化学习领域知名学者Csaba Szepesvári 教授。
钟博士的研究兴趣包括强化学习、在线学习模型中的最优算法设计、理论分析及应用。相关研究成果已发表在 JMLR、ICML、NeurIPS、IEEE TIT、IEEE TWC 等机器学习相关领域的顶级期刊/会议。她还多次受邀 ICML、NeurIPS、ICLR、IEEE TSP 等期刊和会议的领域主席/审稿人。
Misspecification is known to degrade the performance of contextual bandit algorithms, yet its impact has received little attention in the multi-agent setting. Motivated by this gap, we formulate the setting of arm-heterogeneous multi-agent linear contextual bandits under misspecification—a practically motivated model where each agent has access to only a subset of the global arm catalogue. To minimize the joint regret of all agents without prior knowledge of the misspecification level, we propose HM-UCB, a collaborative algorithm that updates its parameter estimates via size-weighted pooling of agent observations. We first establish a high-probability regret upper bound for HM-UCB. Next, by using geometric packing and information-theoretic techniques, we derive a generic regret lower bound in our model, which along with the upper bound of HM-UCB, establishing the near-optimality of HM-UCB in some practical regimes. To demonstrate the scalability of our framework, we instantiate HM-UCB under two practical protocols—Naive and N-Selection. For each, we design customized algorithms and establish corresponding theoretical guarantees. Empirical evaluations corroborate our theoretical findings, underscoring the strong practical performance of HM-UCB and substantiating the tightness of our regret bounds.
代忠祥博士现任香港中文大学（深圳）数据科学学院助理教授、博士生导师，入选国家级高层次青年人才、广东省“珠江人才计划”青年拔尖人才，并获评校长青年学者。主持广东省自然科学基金优秀青年项目、国家自然科学基金青年科学基金项目（C类）、深圳市自然科学基金面上项目。于2024年在麻省理工学院担任博士后研究员，并于2021年至2023年在新加坡国立大学从事博士后研究。他于2015年和2021年分别获得新加坡国立大学的电气工程学士学位和计算机科学博士学位。研究兴趣涵盖机器学习的理论与应用。在应用层面，专注于大语言模型，研究方向包括基于大模型的智能体、基于大模型的社会模拟、智能体harness和skill优化等；在理论层面，深入研究多臂老虎机算法。已在顶级AI会议和期刊上发表论文50余篇，其中30篇发表于NeurIPS、ICML和ICLR，并担任NeurIPS、ICML和ICLR的领域主席（Area Chair），以及AAAI高级程序委员会委员（SPC）。
大语言模型智能体的能力不仅取决于基础模型，也取决于如何组织工作流、积累可复用技能，以及根据交互反馈调整决策。面对高昂的执行评估成本与复杂多变的任务需求，如何通过有限反馈实现高效、自适应的智能体优化，成为强化学习的重要研究课题。本报告从强化学习的统一视角出发，围绕自适应工作流选择、技能演化与动态工作流构建，介绍三项研究进展。首先，介绍基于上下文多臂老虎机（contextual bandits）的自适应工作流选择方法，将工作流生成与选择解耦，针对每个用户请求，从候选池中选择一个最优工作流，利用这一简化强化学习框架平衡探索与利用，以较少的执行反馈学习有效的选择策略。其次，将上下文多臂老虎机与技能演化相结合，在动态变化的技能候选空间中分配评估预算，并利用执行轨迹指导技能生成与改进，实现有限样本和预算下的高效技能优化。最后，介绍基于多轮强化学习的动态工作流构建方法：针对每个用户请求，根据中间执行反馈逐步选择并组合操作，在交互过程中逐步构建完整工作流；通过组子序列策略优化（GSsPO），使策略更新的粒度与“思考—行动”决策单元对齐，提升多轮决策的学习效果。报告将结合多类推理与智能体任务的实验，展示上述方法在任务表现和优化效率方面的进展，并讨论反馈预算分配、动态动作空间与结构感知策略优化带来的研究问题。
个人简介待更新
We establish exponential iteration lower bounds in the number of states for Howard’s policy iteration on deterministic discounted and average-reward Markov decision processes (MDPs), with a constant number of actions per state. This rules out strong polynomiality of Howard’s policy iteration in both settings. We further prove that a Dantzig counterpart of Howard’s policy iteration runs in strongly polynomial time on deterministic average-reward MDPs. Together with the known strongly polynomial bound for Dantzig’s rule on deterministic discounted MDPs, these results establish an exponential separation between the two algorithms in both settings. This separation between Howard’s decentralized and simultaneous selfish improvements and Dantzig’s coordinated selection of a single action with the largest improvement across all states reveals a “price” of algorithmic anarchy.
个人简介待更新
Online learning with heavy-tailed feedback faces two intertwined challenges: learning reliably from rare but extreme observations, and adapting to environments that may be either stochastic or adversarial. In this talk, I will present two works on best-of-both-worlds (BOBW) learning when the feedback has bounded ε-th moments for some ε ∈ (1, 2], which allows for infinite variance. I will first introduce a bonus-shifted follow-the-regularized-leader (FTRL) framework, in which carefully designed bonus functions compensate for the bias introduced by truncating heavy-tailed loss estimates. This framework yields optimal BOBW guarantees for heavy-tailed multi-armed bandits without the truncated non-negativity assumption commonly required in existing work. It also provides the first algorithm with a (nearly) optimal regret guarantee for adversarial heavy-tailed linear bandits. By further incorporating adaptive learning rates and a variance-reduced linear loss estimator, we obtain the first BOBW regret guarantee for heavy-tailed linear bandits, which retains adversarial robustness while achieving gap-dependent regret in stochastic environments, without prior knowledge of the regime.
I will then show how the bonus-shifted FTRL framework extends to finite-horizon tabular Markov decision processes. By combining a novel importance-weighted estimator of the advantage function with tailored bonus functions, we develop a policy optimization approach with BOBW guarantees under heavy-tailed feedback. Our approach retains the computational advantages of local policy updates, removes the truncated non-negativity assumption required by the existing occupancy-measure-based approach in the unknown-transition setting, and, more importantly, substantially improves upon its regret guarantees.
王志 · 主持人简介
王志，南京大学副教授、博士生导师。主要研究强化学习、大模型微调与具身智能，致力于构建面向真实物理环境的通用智能决策系统。在TPAMI/ICML/NeurIPS/ICLR/EMNLP/AAAI等高水平期刊和会议上发表论文50余篇。担任IEEE Conference on Cybernetics程序委员会主席、IEEE Transactions on Cybernetics客座编辑、NeurIPS/ICML/AAMAS领域主席、IEEE SMC Society-Suzhou Chapter创始主席、IEEE SMC/ICNSC等副主编。
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
沈思淇，厦门大学长聘副教授，博士生导师，博士毕业于国防科技大学及荷兰代尔夫特理工大学。长期从事强化学习相关领域的研究，包括多智能体协同算法，智能体推理与微调、多模态数据建模与感知等方向。近5年在ICML、ICLR、NeurIPS、CVPR、TPAMI等国际知名会议、期刊上发表了40余篇CCF A类论文。CCF AI执行委员，受邀连续担任机器学习国际三大顶级会议ICML/ICLR/NeurIPS领域主席（Area Chair），AAAI资深程序委员会委员（Senior Program Committee）。获福建省科技进步二等奖（2024）及福建省教学成果特等奖（2024）。
报告摘要待更新
王智勇，哈尔滨工业大学（深圳）教授、博士生导师，国家级青年人才。主要从事强化学习、大语言模型、AI4S方面的研究。博士毕业于香港中文大学，师从 John C. S. Lui 教授（ACM/IEEE Fellow），曾在爱丁堡大学、香港中文大学担任博士后研究员，合作导师为汪军教授、成宇教授等。曾于康奈尔大学任访问学者，指导老师为孙文教授。近三年，在 ICML、ICLR、NeurIPS、ACL、AAAI、TKDE 等国际顶级会议/期刊发表论文 20 余篇，论文入选康奈尔大学《强化学习基础》博士课程参考论文。被德国学术交流中心评为 2025 DAAD AInet Fellow。
最大似然强化学习（MaxRL）以逐问题对数成功率为优化目标。与最大化平均成功率的期望奖励目标相比，该目标更侧重低成功率问题的性能提升，其梯度可表示为不同采样预算下Pass@K梯度的加权组合，为提升模型的多样本解题能力提供了理论支撑。但在有限采样条件下，MaxRL实际使用的中心化梯度估计器会导致逐问题似然梯度在期望意义下出现系统性衰减，衰减程度同时取决于问题本身的成功率与采样次数。均匀分配采样预算会更严重地衰减低成功率问题的梯度，改变各问题对整体更新的相对贡献，甚至可能使聚合后的期望梯度偏离目标优化方向。
针对这一问题，我们提出尺度均衡采样分配方法SERA。该方法将固定训练采样预算下的分配问题建模为最大最小优化问题，针对给定问题集推导其连续的最优解，通过自适应分配采样次数近似均衡不同问题的梯度衰减幅度，并引入多重性校正机制，消除非均匀采样在响应均值聚合方式下引入的额外问题权重偏差。
实验覆盖ImageNet梯度验证、迷宫导航及多组数学推理基准。结果表明: SERA在ImageNet受控实验中提升了采样梯度与精确似然梯度的对齐度；在相同训练采样总量下，显著提升了迷宫导航与多项数学推理基准上的多样本解题覆盖率，同时数学推理任务的单次解题准确率整体持平或有所提升。其中，相较于基线MaxRL方法，Qwen3-4B-base在BeyondAIME和Minerva Math上的Pass@512分别提升8.00和4.78个百分点，且在全部四项数学基准测试上均实现了 Pass@1 的提升。
汤宏垚，博士，天津大学智能与计算学部副研究员、博士生导师，曾任Mila研究所/蒙特利尔大学担任博士后研究员。主要研究方向为强化学习、大模型智能体及具身智能，发表NeurIPS、ICML、ICLR、TNNLS、TEVC等国际人工智能领域高水平会议和期刊论文 50 余篇，曾获中国图象图形学学会科技进步奖一等奖。相关研究成果在游戏AI、药物发现、电子设计自动化、机器人等多个领域落地应用。相关成果受科技日报、雷峰网等媒体报道。
报告摘要待更新
个人简介待更新
本报告介绍自进化的人形机器人全身模型技术路线：其核心思想是让机器人不再依赖静态数据，而是在真实场景交互中持续积累经验、自主提升能力。为此，报告构建了类脑三层解耦架构——上层负责价值判断与任务规划，使机器人知道离目标还有多远并能从成败中修正决策；中层负责将稀疏的末端意图补全为结构合理的全身运动序列，实现行走、平衡与灵巧操作的协同；底层负责将全身动作适配到具体机器人本体，以极小代价完成跨本体迁移。在此基础上，报告通过导航、装配、地形适应、语言交互、动态物体操作等一系列模型，系统验证了该架构在感知决策、全身控制与真实部署中的有效性；同时建立了分层数据闭环体系，融合低成本人类视频、仿真合成、遥操作与真实失败数据，让部署中产生的成败反馈持续回流、驱动模型迭代，推动人形机器人从实验室演示走向工厂、能源、运维等真实高价值场景的规模化应用。
蒲志强 · 主持人简介
蒲志强，中国科学院自动化所研究员，复杂系统认知与决策国家级重点实验室副主任，博士生导师，沌序科技创始人&董事长。长期从事群体智能决策与控制研究，研发了面向异构无人平台的AI原生群智大脑、“紫东安睿”智能反无人机系统，所创立的沌序科技公司，致力于打造通用群体智能组织协同引擎。国家优青获得者，获河北省科技进步奖、吴文俊人工智能自然科学奖等，入选北京市“科技新星”、中国科学院青促会人才等，获中国航空学会“青年科技奖”“李明青年英才奖”等。获国家某部“科学试验设计”创新大赛、全国集群智能技术挑战赛等多项赛事一等奖。主持国家“新一代人工智能”重大项目、中科院战略先导专项课题等10余项。发表期刊/会议论文100余篇，授权发明专利80余项。
米祈睿 · 主持人简介
米祈睿，上海财经大学计算机与人工智能学院助理教授，中国计算机学会计算经济学专业委员会委员。2026年于中国科学院自动化研究所获得博士学位，师从汪军教授和张海峰副研究员。2024-2025年期间，于南洋理工大学安波教授团队从事访问研究。主要研究方向包括多智能体系统、群体决策智能、计算经济学、强化学习与大语言模型智能体，致力于构建融合人工智能与经济学理论的经济仿真系统，代表性工作包括通用经济仿真平台EconGym。相关成果已在 ICML (Spotlight)、NeurIPS、AAAI、AAMAS 等国际顶级会议发表论文十余篇；同时担任TPAMI、NeurIPS、ICML、AAAI、AAMAS、DAI 等国际期刊及会议审稿人。多次举办计算经济学挑战赛，吸引全球上百支队伍参与。科研项目方面，作为核心成员参与国家自然科学基金原创探索计划项目、青年科学基金项目等国家级科研项目。
魏忠钰，复旦大学大数据学院教授，上海创智学院全时导师，复旦大学数据智能与社会计算实验室（Fudan DISC）负责人，香港中文大学博士。主要研究领域包括大模型智能体和社会模拟，发表学术论文 100 余篇，谷歌总引用 11000 余次，提出社会模拟世界模型 SocioVerse 和国内首个开源社交媒体仿真框架 HiSim。多次担任国际顶级会议 ACL，EMNLP，NAACL 高级领域主席（SAC）。入选上海市东方英才青年项目，国家一流本科生课程负责人，入选 “AI 100 青年先锋”计划。
大语言模型技术的演进，催生了 Smallville、AgentSociety、SocioVerse、OneSim 等一系列大规模社会模拟平台，为社会治理与政策推演提供了全新工具。然而，宏观模拟是否可信，底层的决定性因素在于个体行为建模的保真度与群体分布的多样性。开箱即用的通用大模型往往因统一的“助手式”安全对齐与后训练损耗，抹平了人类真实性格的差异，难以直接作为高可靠的行为模拟器。本次报告将分享面向“人类行为模拟”专用基座模型的研发路线：从早期 CURP 与 PHF 等紧凑型参数化个性化方案，进阶至端到端的统一行为模型。报告将重点解析 Socio-Foundation——该模型基于独创的 FONTS 五维能力框架，采用分层多任务蒸馏方法训练，突破了复杂社会动态交互中个体模拟的真实性与一致性瓶颈。
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
个人简介待更新
随着大模型智能体的发展，人工智能正在从语言理解与任务执行迈向对复杂社会系统的建模与推演。传统社会科学主要依赖观察、调查和历史数据分析理解社会规律，但面对高度复杂、动态演化且难以重复实验的社会系统，如何构建可控、可复现的实验环境，探索个体行为如何形成群体结构、社会机制如何影响宏观演化，仍是一个核心挑战。本报告将介绍大型社会模拟器 AgentSociety，一个面向复杂社会系统的生成式模拟平台。AgentSociety 以具备类人认知、情感、动机与策略推理能力的大模型智能体为基本单元，将其置于融合社会规则与环境约束的虚拟世界中，支持数万级智能体之间的大规模交互，探索社会结构、市场机制与群体动态如何从微观行为中涌现。基于 AgentSociety，本报告将重点介绍其在复杂社会问题中的应用探索，包括观点极化与金融市场模拟等典型案例。在观点极化研究中，AgentSociety 通过模拟个体自主交流、关系形成与观点更新过程，揭示社会网络结构、信息传播机制与群体互动如何共同推动意见分化，为理解和治理观点极化提供新的实验工具；在金融市场研究中，AgentSociety 构建由异质市场参与者组成的虚拟股票市场，模拟投资者在新闻、政策和经济冲击下的决策、交易与互动过程，探索市场波动、风险传播和群体行为演化机制，为金融分析与决策支持提供可控的实验平台。进一步地，AgentSociety 正从“大规模模拟社会平台”迈向“一体化可执行社会科学研究环境”，通过引入具备研究能力的 AI social scientist，使智能体不仅能够作为社会参与者模拟行为，也能够辅助研究者完成问题提出、实验设计、仿真执行与结果分析，推动计算社会科学研究从观察和解释走向生成、干预与探索。
个人简介待更新
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，系统介绍由中国人民大学高领人工智能学院研发的“玉兰-万象”社会模拟平台，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。
米祈睿，上海财经大学计算机与人工智能学院助理教授，中国计算机学会（CCF）计算经济学专业委员会委员。2026年于中国科学院自动化研究所获得博士学位，师从汪军教授和张海峰副研究员。2024-2025年期间，于南洋理工大学安波教授团队从事访问研究。主要研究方向包括多智能体系统、群体决策智能、计算经济学、强化学习与大语言模型智能体，致力于构建融合人工智能与经济学理论的经济仿真系统，代表性工作包括通用经济仿真平台EconGym。相关成果已在 ICML (Spotlight)、NeurIPS、AAAI、AAMAS 等国际顶级会议发表论文十余篇；同时担任TPAMI、NeurIPS、ICML、AAAI、AAMAS、DAI 等国际期刊及会议审稿人。多次举办计算经济学挑战赛，吸引全球上百支队伍参与。科研项目方面，作为核心成员参与国家自然科学基金原创探索计划项目、青年科学基金项目等国家级科研项目。
经济系统本质上是由多层次异质主体构成、在持续交互与博弈中演化的多智能体系统。本报告提出一套构建经济世界模型（Economic World Model，EWM）的方法框架，将家庭、企业和政府等经济主体表征为智能体，并在“State—Policy—Action—Transition—Next State”闭环基础上，由单智能体决策拓展至多智能体交互，进一步刻画智能体行为对经济环境的反馈及其引致的状态转移，形成跨期衔接的多步推演机制，从而支持长期经济动态预测与反事实实验。
经济世界模型对经济动态的预测准确性，取决于经济环境与智能体行为的仿真精度。在经济环境仿真方面，报告介绍通用经济仿真平台 EconGym。该平台面向不同经济场景，刻画主体交互及其驱动的状态转移，并通过基于真实数据的自动化参数校准，提高经济环境的仿真精度。在智能体策略与群体行为仿真方面，报告介绍动态斯塔克尔伯格平均场博弈（DSMFG）和平均场大语言模型（Mean Field LLM），分别用于大规模群体交互下的决策优化与动态群体行为模拟。
在此基础上，本研究进一步构建覆盖微观个体、群体分布和宏观经济层面的系统评估框架，并通过 LLM Agent 借助经济世界模型开展前瞻推演与智能决策的实验，检验其决策支持能力。该研究旨在推动复杂经济系统研究由静态描述走向动态推演，为经济运行预测、政策情景评估与智能决策提供可计算、可验证的基础工具。
张卫东，浙江大学学士, 硕士和博士学位。上海交通大学讲席教授、海南大学教授、国家杰青、教育部长江学者、享受国务院政府特殊津贴专家、国家重大专项首席、德国洪堡学者、爱思维尔高被引学者，现任上海高校船舶自动化工程研究中心主任，教育部海洋智能系统工程研究中心主任。研究领域包括智能控制理论和人工智能理论，及其在海上无人系统中的应用。出版2本英文专著；发表SCI论文300多篇，Google引用2.3万余次；授权国家发明专利92项。
海上智能无人系统作为现代海洋开发与安全保障的重要技术手段，正在引领海洋工程与技术的革命性变革。近年来，随着人工智能、物联网、5G通信、无人技术等领域的快速发展，智能无人系统在海洋资源勘探、环境监测、海事安全、军事防御及灾害应急等方面展现了巨大潜力。报告将结合海南大学/上海交通大学人工智能与机器人中心近年来面向海洋科技重大需求，围绕海上智能无人系统开展的研究工作，分析当前海上智能无人系统的研究热点与技术发展趋势，介绍团队在科研、水质监测、垃圾清漂、公园娱乐、航运等领域无人船方面的研究开发进展，以及无人艇集群编队、无人机与无人艇空海跨域协同等领域的研究开发进展，探讨智能感知与决策、数据融合与通信、自主导航与避障、多智能体协同控制等关键技术面临的核心挑战与前沿突破，展望未来的技术发展前景，为推动海上智能无人系统的发展提供启示与参考。
2019年获上海交通大学和悉尼科技大学双博士学位，曾任阿里巴巴达摩院算法专家，2022年加入上海交通大学任助理教授，2026至今副教授。长期致力于鲁棒机器学习、大模型预训练相关技术和医疗人工智能应用研究，发表高水平论文100余篇，其中CCF-A类/清华A类论文60余篇，担任ICML、NeurIPS、ICLR领域主席，Transactions on Machine Learning Research和Neural Networks执行主编。主持和参与多项国家级和省部级项目，包括国家自然科学基金青年基金项目，科技部-2030人工智能专项，上海市科委项目等。
Reinforcement learning has become increasingly important for enhancing the reasoning and agentic capabilities of large language models, yet its effectiveness critically depends on how reward signals are constructed and assigned. In long-horizon agentic tasks, sparse outcome rewards provide limited guidance for intermediate decisions, while rubric-based rewards may become imbalanced across multiple evaluation dimensions. This talk presents two approaches to structured reward shaping for LLM reinforcement learning. RewardFlow leverages the topology of state graphs to propagate outcome rewards to intermediate states, enabling finer-grained credit assignment for agentic trajectories. Focal Reward dynamically reweights rubric-based reward dimensions according to their learning status, encouraging optimization to focus on under-improved criteria rather than already saturated ones. Together, these methods illustrate a common principle: effective LLM reinforcement learning requires reward signals that are not only informative, but also structured, localized, and adaptive to the learning process.
于超 · 主持人简介
于超，清华大学深圳国际研究生院助理教授，入选中国电子学会青年托举计划和《麻省理工科技评论》亚太区“35岁以下35人”，连续两年入选全球前2%顶尖科学家榜单(2024、2025)。长期从事强化学习与机器人方向研究。累计以一作、通讯作者身份发表学术论文 60 余篇，谷歌学术引用 8000 余次。在多智能体强化学习领域，以第一作者身份发表的 MAPPO 算法（NeurIPS 2022）谷歌学术引用超4000次，并被国内外名校纳入课程；以通讯作者在ICML 2024 发表的大模型强化学习训练算法的研究 （Oral, top 1.5%），与 OpenAI、Anthropic 等顶尖学术机构同场汇报；近期开发了首个面向具身智能的大规模强化学习框架 RLinf，GitHub开源 获 5000 Star，700 Fork，被英伟达IsaacLab 官方收录为首个具身大模型训练引擎，入选Pytorch Ecosystem，并被多家顶尖企业与研究机构广泛采用。
戴国浩，现任上海交通大学人工智能学院副教授、无问芯穹联合创始人兼首席科学家、上海创智学院学位委员会委员。主要研究方向为稀疏计算电路与系统，在相关领域的国际顶级会议和期刊发表论文80余篇，谷歌学术施引五千余次。发表论文曾4次获最佳论文奖（FPGA’25，ASP-DAC’25，DATE’24，ASP-DAC’19）和3次获最佳论文奖提名。担任领域内多个国际会议TPC成员和期刊审稿人。
个人荣获2024年度MIT TR35、2024算力中国·青年先锋人物（全国年度仅评选10人）、2021 NeurIPS BIGANN竞赛全球总冠军，先后斩获云帆奖2022明日之星、2026璀璨明星奖项，入选2026年全球前2%顶尖科学家榜单。作为联合创始人和首席科学家，在2023年创立了无问芯穹，立足高校科研与产业落地的交叉阵地，推动产学研深度协同，致力于打通从能源到Token、再到生产力价值转化的完整链条，建设大规模、高效率、智能化的AI基础设施。
具身智能从模型能力走向真实应用，仍面临端侧推理延迟高、模型与硬件适配复杂等问题。本报告将介绍开源具身推理引擎 ApxInf，通过智能体驱动的自动优化与软硬件协同，提升模型运行效率，降低端侧部署与适配成本。以 π0.5 为例，相较现有主流具身推理框架最高实现 3.68 倍推理加速，并在 Jetson AGX Thor 上达到 24.3 Hz 的 FP8 推理频率。在此基础上，报告将介绍 ApxInf 与强化学习框架 RLinf 的现有评测集成，说明高效模型推理如何支撑环境交互与策略评测，并进一步探讨连接轨迹反馈、策略学习与模型再部署的路径。项目已开源，未来将持续迭代开源代码与技术文档，拓展主流具身模型及异构硬件支持，推进端云协同，共建开放、可复用的具身智能基础设施。
邱剑涛，清华大学电子工程系学士、博士，现任浦江国家实验室青年科学家。目前主要研究方向为大语言模型数据集、HTML 文档理解与解析、数据质量评估及高效数据选择，围绕 OpenDataLab 开展 AI-Ready 数据建设与开源工具研发，推动高质量数据在模型训练和科研应用中的使用。
本报告将介绍 OpenDataLab 在 AI-Ready 数据建设中的开源开放实践，涵盖开放数据集、数据处理工具、质量评价与数据服务。通过万卷系列等开放语料、MinerU 文档解析工具，以及 Sciverse 科学数据服务，展示从原始内容解析、数据加工与评估，到模型和智能体应用的数据使用流程。报告还将结合科研文献处理与检索案例，介绍开发人员、青年研究者和学生如何利用这些资源开展应用开发与研究，并通过数据贡献、工具扩展和评测共建参与开放生态。
常彦（Yan Chang），NVIDIA 首席工程师（Principal Engineer）兼高级工程经理，现负责 Isaac 机器人移动与操作（loco-manipulation）团队。研究与技术方向涵盖机器人学习、强化学习、世界模型、物理仿真与合成数据，重点探索如何将人类经验转化为可泛化的机器人技能。获美国密歇根大学安娜堡分校博士学位。
强化学习是将人类示范转化为机器人技能的重要途径。推动机器人强化学习规模化，需要贯通数据生成、仿真训练、策略评估与真实部署的开放基础设施，以支持跨任务、跨机器人本体的技能学习与迁移。
本报告将介绍 NVIDIA 在这一方向的开源工具与近期研究成果，包括基于 Isaac Lab的大规模强化学习与仿真到现实迁移流程、通过规模化运动跟踪学习通用人形机器人全身控制的 SONIC，以及结合 CHORD 与 Video to Data、将人类示范转化为物理约束下的训练数据和灵巧操作策略的方法。通过这些实例，报告将探讨如何结合人类经验、物理仿真与强化学习，提升机器人技能学习的可扩展性与实用性。
报告还将讨论共享代码、数据集、评测基准及社区挑战如何促进研究复现与技术应用，并为产学合作和机器人强化学习人才培养提供实践平台。
杜冬冬，博士，上海交通大学副教授。长期从事操作系统、体系结构、智能体系统等方面的研究工作。研究成果发表在SOSP、OSDI、ASPLOS、FAST、ISCA、HPCA、MICRO、TOCS等国际著名会议和期刊，并获得 SOSP 2025最佳论文奖以及FAST 2026最佳论文奖和杰出技术成果奖。其中，一系列成果已经在工业界和开源社区得到广泛应用，包括（1）D-VSync，作为传统VSync渲染技术的，目前已经在鸿蒙操作系统得到大规模部署和应用（千万规模设备），有效提升了终端场景下的用户体验；（2）推动SPMP硬件扩展合入RISC-V指令集标准（国内首个），获人民日报等媒体报道，并基于此构建了蓬莱可信执行环境系统；（3）Serverless低时延沙箱启动技术，首次实现毫秒级Serverless沙箱启动，并且在蚂蚁金服得到了大规模部署和应用；（4）并行化GPU启动gCROP，并且已经合入CRIU主线代码，是CRIU默认开启的应用restore加速技术。
实现高效的强化学习后训练，不仅仅涉及算法，还需要软硬件系统的垂直整合优化，解决Rollout 长尾、Kernel 动态依赖和 Agent 环境反复快照共同造成的系统栈等待等问题。报告将提出一个贯穿系统栈的协同加速框架，以状态与数据复用为核心，从三个维度联合优化：Rollout 侧利用历史相似性减少重复生成并均衡负载；Kernel 侧把粗粒度依赖拆成跨 SM 细粒度流水线，减少同步停顿和 HBM 搬运；Sandbox 侧只保存增量环境状态，实现毫秒级回滚与分叉。该框架让三层复用相互配合，而不是单点优化，从而提升整体训练吞吐并加速有状态 Agent 探索。
刘阳，中山大学计算机学院副教授。主要研究方向为具身智能与机器人、自进化智能体、多模态感知与推理。累计发表论文60余篇，包括TPAMI、TIP、CVPR、ICCV、ICML、NeurIPS等CCF-A/中科院一区期刊和会议，10余篇入选ESI高被引和口头报告/亮点论文，1篇论文入选TMech期刊最受欢迎（Popular）论文榜首。出版中英文专著《多模态大模型：新一代人工智能技术范式》（销量过万，被20余所高等院校选用为参考教材）和《物理智能：世界动作模型的原理、系统与实践》。主持国家自然科学基金面上、青年、重点课题、鹏城“揭榜挂帅”、华为合作等科研项目十余项。担任国际模式识别著名期刊Pattern Recognition编委。牵头制订《具身智能多模态感知与模式识别技术要求》团体标准一项。主导研发自进化物理智能体操作系统PhyAgentOS，累计GitHub Stars 3K。入选斯坦福全球前2%顶尖科学家榜单。
本报告介绍自进化物理智能体操作系统PhyAgentOS。针对具身智能系统接口异构、执行验证不足与经验复用受限等问题，PhyAgentOS作为连接智能模型与异构物理本体的运行底座，采用认知规划与物理执行解耦架构，通过统一能力调度、执行验证与经验管理，降低跨平台集成成本，支撑物理智能体的持续演化与可扩展部署，支持多范式控制与自动化仿真评测，并在游戏、仿真及真实机器人环境中开展验证。
我是蚂蚁超算平台后训练infra高级工程师，深度参与蚂蚁后训练平台系统工程的设计与研发，包括Agentic-RL异步框架和面向超节点的训练引擎TorchTurbo。
随着智谱和Kimi最新一代大模型的发布，让我们看到了Agentic后训练的无限潜力。但是同时，当前大模型的后训练面临着多重挑战：模型结构持续演进，需支持 MoE、多模态、稀疏注意力等创新架构；Agentic训练流程既要灵活适配不断变化的模型结构，又要组合运用 N-d 并行、系统级的调度优化来支撑高性能训练。为满足模型的快速迭代需求，亟需一套专注于模型与训练逻辑本身、简洁通用且高性能的分布式训练引擎。与此同时，AI 基础设施正迈入超节点（SuperNode）时代，其强大的通信能力为超大参数 MoE 模型的训练提供了更优的支撑。基于这样的背景，我们研发了 TorchTurbo ——一套专注于模型与训练逻辑本身的分布式训练引擎， 通过融合算子的深度优化与超节点亲和性来提升模型的适配和训练效率。
牛津大学工程科学博士，应用统计硕士，香港科技大学（广州）兼任助理教授，现任北京微观博易私募基金管理有限公司高级量化研究员。曾在牛津大学Oxford-Man Institute做过博士后，同时间在Man AHL从事量化研究。长期聚焦机器学习，限价订单簿，高频预测与执行策略，深度强化学习交易及投资组合优化研究。
报告摘要待更新
李怡康，香港中文大学 MMLab 博士，师从王晓刚、汤晓鸥教授，获清华大学电子工程学士及经济学第二学位。兼具学术研究、产业研发与投资背景，曾任商汤科技研发副总监、上海人工智能实验室青年科学家、IDG 资本 AI 投资副总裁，以及FFT Investment量化研究员兼首席运营官，拥有从人工智能研究、自动驾驶产品落地到科技投资与量化研究的跨领域经历。目前围绕“AI for Finance”开展研究，探索智能体驱动的另类数据获取、自动化研究与异构数据融合，同时建设 AI 原生人机协同研发平台 Fractelier，研究智能体如何改变研发流程与团队组织方式。
报告摘要待更新
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
陈阳，上海人工智能实验室研究员。于新西兰奥克兰大学获得计算机科学博士学位。研究兴趣包括大语言模型、强化学习、模仿学习、多智能体系统及博弈论等方向。他的研究成果发表在 NeurIPS、AAAI、IJCAI、AAMAS、ACL 等人工智能知名国际会议。他担任多智能体系统顶级国际会议AAMAS 2024的本地主席和AAAI Track主席，并长期担任 JMLR, ICML, NeurIPS, ICLR, AAAI, ACL, IJCAI 等人工智能领域顶级期刊和会议审稿人，并担任多个会议领域主席。曾获得AAMAS 2024最佳展示奖。
强化学习中的奖励函数是决定智能体行为的核心因素，而奖励设计始终是制约其规模化应用的关键瓶颈。随着大模型的发展，这一问题在基于人类反馈或模型生成数据的对齐训练中愈发突出：如何从不完备、带偏差的偏好或行为数据中学习稳定、可泛化的奖励函数，成为当前大模型对齐的核心挑战之一。逆强化学习旨在从观测行为中恢复潜在奖励函数，是统一理解行为建模与偏好学习的重要工具。然而，在面向大模型这一高维复杂系统时，一个关键问题在于：基于有限观测数据所学习的奖励函数，其可识别性与可置信性缺乏系统性的理论支撑，从而影响对齐过程的稳定性与泛化能力。本报告围绕上述问题，系统介绍报告人在奖励学习与逆强化学习方向的一系列研究进展。具体而言，构建了具备单调改进性质与收敛性保证的奖励优化理论框架，为奖励推断与策略优化过程提供稳定性分析基础。在此基础上，该理论进一步拓展至大模型对齐场景，统一刻画 RLHF、偏好优化与基于模型生成数据的训练范式，为大模型中的奖励学习提供可解释、可控且稳定的优化机制。相关方法在提升偏好建模的泛化能力、缓解奖励退化问题以及增强训练稳定性方面展现出重要潜力。
个人简介待更新
报告摘要待更新
张宁豫 · 主持人简介
张宁豫，博士，副教授、启真优秀青年学者，多次入选斯坦福全球前2%顶尖科学家榜单，主要研究方向为自然语言处理、大模型、知识图谱、知识编辑等，主持国家自然科学基金青年/面上、科技部科技创新2030新一代人工智能重大专项子课题、CCF-百度松果/腾讯犀牛鸟基金、CAAI华为MindSpore基金及头部互联网企业合作项目等十余项，研发了海洋大模型OceanGPT·沧渊、知识获取系统DeepKE、大模型知识编辑系统EasyEdit、大模型轻量记忆系统LightMem，担任Neural Networks、Machine Intelligence Research、TALLIP Associate Editor，ACL、EMMLP、NeurIPS、ICLR、KDD领域（高级）主席，ARR Action Editor，IJCAI 高级程序委员、多个Nature子刊审稿人。联合培养学生入选中国科协青年科技人才培育工程博士生专项计划、中国电子学会-腾讯博士生科研激励计划、中国人工智能学会潜力清源学者、中国中文信息学会“博士学位论文激励计划”、浙江省青苗人才计划。
周杰，华东师范大学青年研究员（紫江青年学者），浦江实验室双聘，博士生导师，CIPS青工委执委，主要研究方向为自然语言处理、持续学习、智能体自进化等，在 CVPR、ACL、ACM Computing Survey 等重要国际会议和学术期刊上发表了论文100余篇，Google学术引用4000余次，获得 COLING 2022杰出论文奖、FITEE封面论文，以项目负责人主持国自然面上、上海市经信委人工智能专项等科研项目多项。提出经验驱动终身学习理念并将其用于教育、心理、农业生态等领域，带领团队研发并开源了技能自进化框架AutoSkill、教育大模型EduChat、心理大模型PsychAgent等产品，Github累计Star上千次，在Huggingface开源平台下载上万次。曾获得上海市科技进步二等奖、上海市东方英才计划青年项目、上海市启明星扬帆计划等荣誉。
持续学习致力于让智能体不断学习新知识，同时保留已有能力。随着大模型走向真实应用，学习机会不断产生于用户交互、任务执行和环境反馈，由此引出经验驱动的学习思路：让每一次实践都能帮助后续行动。本报告从持续学习出发，重点介绍经验驱动的技能自进化。首先，结合 AutoSkill 与 Anything2Skill，介绍如何从对话、专业文档和案例中提炼可复用技能，明确适用条件与执行步骤，并通过检索、合并和版本管理支持持续积累；其次，结合 SkillOpt 与 TextualRL，介绍如何利用成功与失败轨迹发现问题，通过反馈修订、跨任务审查和独立验证，使技能在使用中持续完善；最后，结合 SkillGym 与 LifeSkill，介绍如何将技能转化为可执行、可验证的实践任务，把有效做法内化为模型能力，并推动技能提取与任务执行共同进步，探索智能体在长期交互中积累经验、改进做法和持续成长的路径。
张倬胜，上海交通大学长聘教轨助理教授、博士生导师。研究兴趣为多模态大模型、智能体自进化与认知安全。入选中国中文信息学会优博、ACM SIGAI优博、全球AI华人百强学术新星、世界人工智能大会云帆奖璀璨明星、斯坦福大学全球前2%顶尖科学家，获上海市科技进步奖一等奖。Google Scholar被引1.3万余次，其中2篇一作论文被引均超过1000次。主导的开源成果获GitHub星标5万余次、HuggingFace下载300万余次。6篇论文入选全球高影响力论文或获论文奖，包括PaperDigest最具影响力论文、世界人工智能大会青年优秀论文奖、ICLR 2026 WILD研讨会最佳论文奖。主持国家自然科学基金项目、国家重点研发计划子课题及CCF、CIPS、CAAI等基金项目，成果应用于智能终端、本地生活服务、平台安全防护等场景。长期担任ARR、TMLR编委，以及NeurIPS、ACL、EMNLP、AAAI、IJCAI等国际顶级会议（高级）领域主席。
多模态智能体的自进化旨在让系统从持续交互中积累经验、提升能力，并进一步改善自身的记忆与工具使用机制。本报告将梳理多模态智能体记忆与工具自进化领域的代表性研究与最新进展，围绕记忆表征、工具生成与自主优化等关键问题，重点探讨智能体如何通过环境交互与反馈，自主构建和改进记忆程序与决策工具，实现从经验积累到认知与执行机制优化的能力演进，并分析当前面临的关键挑战与未来发展方向。
陈想，男，南京航空航天大学计算机科学与技术学院研究员，入选江苏省科协青年人才托举工程、江苏青年科技人才“U35培育”对象。主要研究方向为大模型安全与可信人工智能、自然语言处理、知识表示与推理、空天具身智能等，近年来在人工智能领域顶级会议或期刊发表学术论文50余篇，Google Scholar引用4900余次，4篇论文入选Paper Digest评选的年度会议最具影响力论文之一，参与GitHub开源项目累计星标5千余次，曾获中国中文信息学会“博士学位论文激励计划”、CCF ODTC开源激励计划、江苏省信息技术应用学会青年科技奖等荣誉。受邀担任ACL ARR、IJCAI、NeurIPS、ACM MM、ICLR等会议的高级程序委员/领域主席，主持国家自然科学基金、江苏省自然科学基金及多项产学研联合基金等项目。
大模型工具智能体通过调用外部工具完成信息检索、数据查询等复杂任务，其实际表现取决于工具使用能力与任务执行效率。然而，现有后训练过程难以充分适应模型能力的差异与变化：预设训练任务难以持续匹配模型的学习需求，能力受限的模型难以通过自主探索学会复杂工具行为，统一的推理压缩策略可能削弱困难任务所需的探索。针对上述挑战，本报告从训练任务构建、工具能力学习和推理效率优化三个方面，介绍能力感知的后训练研究。首先，通过提出者与求解器协同进化，结合答案锚定和证据路径构建可验证问题，并根据求解表现动态调整训练任务。其次，依据任务反馈选择性引入教师指导，结合持续示范学习，帮助受限模型掌握复杂工具行为。最后，根据任务掌握程度协调探索与推理压缩，利用历史正确短路径为长度约束提供参照。实验结果分别验证了相关方法在训练任务构建与工具能力学习中的有效性，以及在保持任务表现的同时降低推理开销的潜力。
孙泽群，博士，南京大学计算机学院助理教授、特聘研究员、博导，研究方向为动态本体、知识图谱与大模型知识增强。研究成果多次被中科院院士、图灵奖得主及AAAI/ACL/ACM/IEEE Fellow等海内外同行引用，Google Scholar总引用4500余次。任中国中文信息学会语言与知识计算专委会、青工委委员，江苏省人工智能学会知识工程与智能服务专委会秘书，ISWC 2025联合宣传主席。获国家资助博士后计划、江苏省卓越博士后计划及江苏省青年科技人才托举工程等资助，获江苏省及省人工智能学会优博等荣誉，多次入选AI 2000知识工程领域最具影响力学者提名榜单、斯坦福—爱思唯尔全球前2%高被引科学家榜单。主持国家自然科学基金青年项目、江苏省自然科学基金青年项目、CCF-腾讯犀牛鸟基金、CCF-1688源宝合作基金及OPPO产学合作等项目。
随着大语言模型智能体从信息问答走向复杂任务执行，如何有效利用历史经验、追溯执行依据并遵循语义规则，成为提升可靠性的关键。本报告围绕因果记忆、执行溯源与动态本体三项研究，介绍智能体如何利用历史条件支持规划与行动，如何关联决策、工具调用与执行结果形成可验证的证据链，以及如何在领域知识与规则约束下完成任务。在此基础上，介绍动态本体智能体平台，探讨如何协同组织语义知识、数据与可执行流程，将人机协作经验沉淀为可验证、可复用的工作流，并结合智能体探索与确定性执行，降低重复规划的成本与结果波动，形成可信决策闭环。
记忆张量（上海）科技有限公司应用算法负责人，负责 MemOS 与 ClawForce 的技术研发和行业应用。长期专注于自然语言处理、强化学习及安全强化学习研究，主导研发了面向大模型与智能体的记忆操作系统 MemOS。该系统在多项记忆基准测试中兼顾性能与效率，开源后 GitHub Star 数已突破 1.2 万，并已应用于金融投顾、工业运维、智能客服和科研助手等场景。
此前曾带领团队研发“新语 NewsCopilot”多智能体融合生产引擎，为新华社提供技术服务，并应用于全国两会报道等重要场景，相关成果获王选科技进步一等奖。在产学研合作方面，所推动的项目获昇腾 AI 创新大赛 2025 全国总决赛金奖。
曾先后任职于微软亚洲研究院、阿里巴巴和美团，在前沿技术研究、核心算法研发及规模化应用方面积累了丰富经验。迄今已在 ICML、NeurIPS、ICLR、ACL 等国际顶级学术会议发表论文 40 余篇。
随着大模型走向持续交互、复杂任务执行与多智能体协作，记忆正在成为 Agent 长期运行和持续进化的基础设施。MemOS 1.0—2.0 以多种记忆的统一管理与运行态治理为基础，完成了从记忆条目到用户、Agent、任务与 Session 状态的系统演进。
本次分享将重点讨论强化学习如何驱动 Agent 从经验中成长：MemRL 在保持模型权重不变的前提下，通过语义召回与价值选择的两阶段检索，利用环境反馈持续更新情景记忆的效用，让 Agent 在运行中优化经验选择与任务决策；MSCE 将执行轨迹逐层沉淀为可验证技能，PHASE-Tree 支持角色状态的长期稳定与持续变化。进一步结合以 Metis 为代表的记忆原生模型，探索模型内记忆计算与外置记忆治理的协同，通过统一调度实现记忆、技能与角色状态的更新、同步和回退，构建从交互反馈、价值学习到技能沉淀的持续进化闭环。
余超 · 主持人简介
余超，中山大学计算机学院教授、博导、广东省杰青、中山大学逸仙学者。任中山大学计算机学院院长助理、网络与系统所副所长。主要研究 强化学习、智能博弈、智能体与多智能体系统、大模型训推技术、具身智能。在国际期刊会议上发表学术论文150余篇，主持科研项目40余项，获最佳论文奖4次。相关成果获2024年中国指挥与控制学会科技进步一等奖、2022全球机器人对抗迁移学习挑战赛特等奖、2024非完全信息博弈国际评测第一。担任中国计算机学院、中国兵工学会、指控学会多个专委委员。
国防科技大学教授，博士生导师，国家杰出青年科学基金获得者，国家自然科学基金创新研究群体负责人。主要从事智能无人系统的自主控制与机器学习等方面研究，获国家自然科学二等奖1项、湖南省自然科学一等奖2项，湖南省科技创新团队奖和吴文俊人工智能科技奖自然科学一等奖各1项。主持国家自然科学基金重点项目、国家重点研发计划项目课题、973项目课题、装备预研项目等20余项。任中国自动化学会自适应动态规划与强化学习专业委员会副主任、平行控制与管理专业委员会副主任、机器人智能专业委员会顾问委员。出版专著2部，在Nature子刊、IEEE TPAMI, IEEE TNNLS等期刊录用或发表SCI论文150余篇，入选全球前2%终身影响力顶尖科学家。任IEEE Transactions on SMC: Systems, Information Sciences, International Journal of Robotics and Automation等国际期刊的Associate Editor，CAAI Transactions on Intelligence Technology副主编以及《控制理论与应用》编委。
报告分析了多机器人系统协同决策与优化控制的技术需求与挑战难题，包括环境的动态复杂特性、局部受限通信、快速实时策略优化等，介绍了多智能体强化学习在多机器人协同决策与控制的国内外研究动向，重点讨论了基于分布注意特征表示的多智能体强化学习、分布式基于模型的滚动时域强化学习等算法和理论研究进展，以及在多机器人协同搜索和任务分配、多机器人编队协同控制的应用。最后给出了结论与未来方向。
张雪波，教授，博导，南开大学人工智能学院副院长，机器人与信息自动化研究所所长，国家级青年人才、天津市杰青。研究方向为智能机器人、无人系统智能博弈。承担国家重点研发计划课题、国家自然科学基金重大项目课题、天津市杰青等20多项，研发了人机混合智能博弈平台“智空”，应急救援系列机器人、未知环境无人集群自主探索系统、科考机器人遥操作与自主导航系统，开展了应用推广。获天津市科技进步一等奖、天津市自然科学一等奖、吴文俊人工智能自然科学一等奖、天津市技术发明二等奖、宝钢优秀教师奖、国家级教学成果二等奖等。担任中国指挥控制学会智能博弈与兵棋推演专委会副主任、天津市机器人学会副理事长、IEEE/ASME Trans. on Mechatronics等国际学术期刊编委。
首先介绍智能空中博弈技术的背景现状与难点挑战，接着讨论智能空中博弈系统的组成与技术架构，进一步对课题组在高敏捷智能飞行控制、单机与多机智能博弈、人机混合智能博弈等方面的研究进展进行介绍。然后，介绍大模型驱动的智能博弈方向最新研究进展。最后讨论智能博弈技术的未来发展趋势。
周辉池 · 主持人简介
周辉池目前是伦敦大学学院的博士生，师从英国皇家工程学院院士汪军，他的研究方向是智能体记忆。他开发了 Memento，这是一个通过状态反射来提升代理性能的框架，无需直接微调底层 LLM。
同济大学上海自主智能无人系统科学中心长聘副教授，国家优秀青年科学基金（海外）获得者。曾任德国人工智能研究中心SAIROL 实验室副主任。研究方向聚焦于机器人学习、强化学习与具身智能，近年来在Nature Machine Intelligence，IEEE T-RO， IJRR，ICML, NeurIPS等机器人与人工智能期刊与会议中发表论文20余篇。曾获CoRL最佳论文奖提名，IROS最佳服务陪伴机器人论文奖提名，RSS Pioneer等荣誉。他还担任RA-L期刊编委，ICRA、CoRL、EWRL领域主席，并多次在IROS、NeurIPS等机器人与人工智能的国际会议中负责组织专题研讨会。
具身策略的能力提升目前主要依赖数据规模的扩张，但数据只覆盖经验分布，并不约束策略的假设空间，因而难以直接改善样本效率、可组合性与鲁棒性。本报告讨论数据之外的另一条扩展路径——先验，并将其理解为对问题表述的显式约束，进而考察其五种形式。
在目标层面，将人形机器人的行走由速度指令重述为三维落脚点跟踪，使策略成为可与上游规划器组合的通用低层控制器；在观测层面，去除视觉、力 / 触觉与动捕，仅以关节编码器本体感知实现抗推行走、足部停球、提箱与上板，并据此提出柔顺接触下的 “全身触觉通道”假设，即信息可通过主动交互获得，而非依赖额外传感通道；在动力学层面，以欠驱动、非完整约束的人形滑板任务为例，说明强耦合条件下的能力提升来自物理约束的显式建模；在形态层面，利用机器人固有的双侧对称性构建等变策略，实现双臂经验共享与任务分配无关的灵巧操作；在流程层面，将环境构建、奖励设计与超参调优抽象为可自动化的智能体工作流，使策略生产过程本身具备可扩展性。
具身智能的规模化因此不是数据量的单调函数，而是数据与先验的乘积；真正稀缺的，是把领域知识写成可学习先验的表达能力。
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
个人简介待更新
本研究聚焦人机混合系统中的信任问题，信任是决定系统整体性能的核心变量。研究通过多场景实验，明确信任并非静态数值，而是随任务风险、系统透明度与交互历史动态变化的弹性边界。在复杂序贯决策场景中，本研究提炼出人类对算法决策的接受机制，揭示从认知信任到行为托付间的中间信号和演化过程。本研究也进一步探索了如何使用机器学习量化预测信任演变，构建信任感知型决策框架。
王洪涛，男，副教授，现任华北电力大学计算机系网络空间安全教研室主任，农工党华北电力大学支部主任，保定市第十四届、十五届政协委员，农工党河北省科学技术专委会委员。在 TDSC、TCSS 等国内外期刊和 NeurIPS、ACL等CCF推荐的国际会议上发表论文三十多篇，主持国家自然科学基金青年、国网公司科技项目等课题十余项。
大模型智能体越来越多地利用长期记忆机制来支持持续且自主的任务执行。然而，这种能力也引入了一个新的攻击面：记忆投毒，即攻击者可以注入恶意信息以影响智能体未来的行为。本报告首先回顾现有针对智能体记忆机制及其面临的安全问题，总结现有智能体面临的记忆投毒威胁模型、典型攻击路径以及现有防御方法的局限性。然后，提出一种针对LLM智能体的新型记忆投毒攻击，能够绕过现有智能体的选择性记忆机制。最后，对于记忆投毒攻击的未来持续攻击和防御策略进行展望。
个人简介待更新
报告摘要待更新
个人简介待更新
随着智能体技术向复杂动态环境和长时序交互任务不断拓展，如何准确评估智能体的决策过程并实现持续优化，成为智能决策领域的重要研究问题。传统基于最终任务表现的评估方式，难以充分反映交互过程中的决策质量，也难以为策略优化提供有效指导。本报告围绕复杂交互环境下的智能体决策评估与优化问题，探讨如何从交互过程中挖掘有效的评估信息，并将其转化为指导策略学习与决策调整的反馈信号。结合强化学习与多智能体协同决策等相关研究，介绍过程评估驱动的智能体决策优化思路，并探讨评估反馈在提升智能体决策效率、可靠性方面的作用。
个人简介待更新
大模型正在参与论文评审与科研决策，如何构建有效、可靠且有证据支撑的评价方法，成为人工智能辅助科研的重要问题。本报告围绕科学论文评价，介绍比较原生评价框架CNPE与图上证据整合框架GraphReview。首先，讨论如何将独立评分转化为比较排序，通过论文对构建、比较能力训练与偏好聚合，形成对论文相对质量的判断。随后，介绍如何统一组织论文自身的评价先验、同期研究之间的比较及与历史文献的关系，并在计算预算内扩展和整合评价证据。在此基础上，结合相关可靠性研究，以及参与Atria Dawn团队通用大模型智能体评测的实践，讨论评价偏差、执行条件、产物验证与计分口径等问题，进一步探讨这些方法对智能体与多智能体评价的启示。
张睿智，中国科学院自动化研究所工程师。作为主要完成人承担《面向认知决策仿真的智能体策略迁移训练技术》科技部人工智能2030重大项目课题，作为蓝方技术负责人参与威海2024、2025年多域无人对抗演练。作为领队带领队伍参加全国智能联合海上作战算法赛，获得二等奖。作为核心作者研发“及第”多智能体博弈平台，在无人系统集群协同、多智能体决策方向有丰富研究和工程经验。
多智能体能力评估的难点正从 "数据难" 转向 "交互难"：结论是否可信，取决于分数是与谁交互得出、问题出在哪一层。本报告围绕 "在线化 — 结构化 — 分层化" 主线展开：依托开源在线评测平台 "及第"，以统一环境、自动执行与结果留痕实现持续可信的比较，平台已支撑 60 场竞赛、对局逾 1100 万场，并被 AAMAS、IEEE CoG、IJCAI 等国际顶会赛事采用；提出基于击败图的结构评估方法，以强连通分量与平均最短击败路径刻画策略群体间的循环克制关系，提供不随对手分布而变的稳定参照；面向大模型复合系统，构建基于反事实回放归因的分层诊断框架，将系统表现拆解为规划、接口与执行各层的贡献及层间交互。最后结合 "弈境杯" 赛事实践，展示评估方法进入真实生态、走向可持续迭代的路径。
林震亚，博士，高级工程师，本原智数CTO。深耕企业端AI十余年，擅长从0到1搭建平台：中兴蓝剑计划认知团队负责人，主导机器翻译、语义平台与对话中台；平安集团模型经理，牵头金融风险监测体系，协助发现数十亿风险案件；春秋航空首席架构师，主导大模型训练平台、AI中台与数字员工，中台累计执行超千万次。现牵头大模型评测、数据飞轮、具身数据等四大平台，累计交付大型项目500+。兼具学术深度与产业落地经验，参与多项国家标准制定。
结合企业定制化需求，我们提供了以下能力：
从“给模型算总分”到“为选型降损失”：我们颠覆了传统聚合方法“跑分越高或区分度越大就越好”的伪命题，直接以独立目标任务上的模型选型损失与预测误差作为检验聚合合理性的唯一试金石，哪怕业务需求天然模糊，也能给出跨权重区间的稳健性边界。
从“被动删坏题”到“高上限的数据资产贡献”：借助前沿大模型 API 对候选池进行跨轮次的独立能力打标、验证器对抗测试与失败归因交叉核验，我们的过滤与标注流水线本身就在把社区里粗糙的野生 Benchmark 转化为高信噪比、细粒度能力对齐的结构化数据资产。
占住评测生态的“聚合层（Aggregation Layer）”：单题生成（如 AutoBenchmark）和底层执行框架（如 Harbor）解决的是“有没有题跑、能不能跑通”，而我们垄断的是最顶层的“该测哪些题、各占多少权重、何时淘汰换新”——只要开源社区还在源源不断地产出新 Benchmark、新模型还在不断刷榜饱和，我们的动态聚合层就永远是连接海量题库与企业真实选型决策的必经中枢。
汪畋宇同学目前是清华大学交叉信息院的在读博士研究生，研究方向为大模型Agent及其下游应用。他是知名benchmark: Agents' Last Exam的共同一作，也拥有丰富的一线模型训练与研究经历。
自Agents' Last Exam榜单发布以来，该榜单已受到大量大模型厂商的重视与测评。本报告将介绍该榜单提出的背景、构建任务的方式、以及作者对当前computer use agent研究的一些思考。
张明，复旦大学计算与智能创新学院直博四年级学生，就读于复旦大学自然语言处理实验室（FudanNLP），导师为张奇教授、黄萱菁教授和桂韬副教授；现为腾讯混元青云计划实习生，参与了混元 Hy3 preview、Hy3 和 Hy4 preview 的部分研发与发布工作。他的研究聚焦大模型评测：从“怎样测才可信”出发，逐步转向测量模型在测试时的学习能力。他以第一或共同第一作者身份完成了 LLMEval 系列可信评测工作（AAAI 2024、ACL 2026），以及考察模型能否从经验、上下文和自主探索中获得新能力的 EvaLearn（NeurIPS 2025）、CL-bench 和 ExplorationBench，其中后两项与腾讯混元合作完成，Google Scholar 引用 4500余次。他入选2026年腾讯混元学者，并担任 ACL ARR 领域主席（Area Chair）。
评测指导着模型的进化：它决定了我们要测什么能力，也决定了测出来的分数能不能信。过往的基准大多测量模型的「能力存量」，即权重中已经存下的知识；但智能体要在真实世界中长期可靠地工作，更关键的是能否在交互中获得「能力增量」，也就是在参数冻结之后，能否在测试时变得更强。本报告将回顾我们围绕这一转变开展的一系列评测工作。第一阶段关注怎样测才可信：LLMEval 系列检验了评测方法本身的可靠性，并探索了防作弊、防污染的评测方式。第二阶段转向测量测试时的学习能力，逐步撤去模型可以依赖的「扶手」：EvaLearn 考察模型能否从经验中学习，CL-bench 考察模型能否从上下文中学习，ExplorationBench 则考察模型能否通过自主探索发现陌生的规则。最后，报告将总结这条线上沉淀下来的评测方法论，并讨论其对强化学习与多智能体评估的启示。
杨梦月 · 主持人简介
杨梦月是布里斯托大学助理教授，毕业于 UCL AI Center，博士导师为汪军教授，主要研究方向是世界模型、因果和强化学习。曾获得 2024 年 Rising Star in AI by KAUST、AAAI 2026 New Faculty Highlights Award。担任 Machine Learning 特刊客座编辑，以及 ICLR 2025—2026、NeurIPS 2025 具身世界模型研讨会组织者及程序主席。
史峥言 · 主持人简介
史峥言现任微软研究院研究员，博士毕业于伦敦大学学院（UCL）。主要研究方向包括大语言模型后训练、代码生成及智能体学习。
史一苇 · 主持人简介
史一苇，英国布里斯托大学工程数学博士研究生，获布里斯托大学校奖学金。主要研究方向包括强化学习、多智能体系统、可解释人工智能与大语言模型智能体。参与英国研究与创新署（UKRI）及英国皇家学会资助的科研项目，曾在伦敦国王学院、上海交通大学、复旦大学与上海创智学院等机构开展科研工作。在 AAAI、ICML、NeurIPS、CVPR、IJCAI 等国际会议发表或合作发表论文，并担任多个国际人工智能会议及期刊审稿人。
王韫博，上海交通大学计算机学院副教授，清华大学-MIT联合培养博士，CCF优博，国家自然科学基金原创探索项目负责人，长期从事机器学习、强化学习研究，担任NeurIPS、ICML、ICLR等会议领域主席。主要学术成果覆盖生成、仿真、决策的世界模型完整技术栈，提出NeuroFluid、OrbiSim等真实数据驱动的可微物理仿真方法，显著提升世界模型的物理一致性与Real2Sim2Real建模能力；提出IsoDream、LS-Imagine、VeoRL等强化学习方法，完善了隐空间世界模型算法体系，提升了具身智能决策水平。
本报告总结了我们在具身物理仿真与强化学习等方面的一系列探索。在底层引擎构建上，我们提出NeoWorld与OrbiSim框架，将世界模型作为具身物理仿真引擎，缓解传统仿真软件难以支持梯度优化的问题，构建了Real-to-Sim-to-Real的完整技术栈。在决策算法层面，提出了Iso-Dream、CoWorld、VeoRL、LS-Imagine等一系列有模型强化学习方法，并在机器人控制场景中验证了其在提升视觉运动控制样本效率与策略规划能力方面的有效性。希望这些围绕可微仿真与具身决策的初步探索，能够为世界模型在具身智能中的定位提供一些参考。
金鑫，宁波东方理工大学助理教授、博导，上交大、北京中关村学院兼聘博导，入选浙江省青年拔尖人才，近期研究聚焦世界模型、具身智能技术，在TPAMI、CVPR、ICCV、ECCV、NeurIPS等期刊会议发表高水平论文40余篇，谷歌引用1万余次，多项成果被应用在阿里、吉利汽车等产品中带来经济价值。曾获中国科学院院长特别奖、ACM SIGAI优博、IEEE电路与系统学会第二届视觉信号处理与通信新星奖，2026 IEEE MSA多媒体系统应用TC最佳论文，斯坦福全球前2%顶尖科学家24 25 26榜单。在CVPR24、ICCV25、NeurIPS25、ECCV24等国际顶级计算机视觉及人工智能会议多次组织AI表征学习、具身智能与生成技术相关的Tutorial和Workshop。
世界模型技术正成为连接数字世界与物理世界的核心技术范式，其价值在于赋予智能体空间理解、推理与交互的能力，使机器真正“走进”物理世界。本报告将系统梳理世界模型之于具身智能任务的不同角色，并重点介绍团队在“表征学习”驱动的世界模型方面研究的代表性工作：VLA-JEPA，被LeCun转发的世界模型与具身vla结合的首次尝试；DreamVLA，通过“世界嵌入”增强长程推理与动作预测能力；InterVLA&SceneScribe-1M等基准数据集，填补第一人称视角下具身交互数据及空间几何视频场景数据的空白；ImageWAM，摒弃VideoGen，大幅提升世界动作模型效率及任务操作成功率。
个人简介待更新
报告摘要待更新
He is an assistant professor at the School of Artificial Intelligence, Shanghai Jiao Tong University (SJTU). Before joining SJTU, he worked as TopMind at Huawei (2024-2025). I received his Ph.D. in Computer Science from the National University of Singapore in 2024. His research interests lie in world model, foundation theory of generative models, and self-improving system.
Reliable world models must generate coherent observations across viewpoints and predict dynamics consistent with underlying physical conditions. This talk explores a progression from spatial consistency to physically grounded generative modeling. We first discuss how shared world representations coordinate multiple agents and viewpoints within a consistent environment. We then examine a more fundamental question: how should generative flows reflect the determinism inherent in physical dynamics? By adapting source distributions to the structure and uncertainty implied by physical conditions, flow matching can focus on the dynamics that remain to be learned while preserving plausible alternative outcomes. This perspective connects consistency in world representations with consistency in the generative process itself.
赵波是上海交通大学人工智能学院副教授、博导、国家级青年人才。曾担任智源研究院（BAAI）数据智能研究中心负责人、首席研究员。曾获得爱丁堡大学博士学位和北京大学硕士学位。研究方向包括具身智能、多模态大模型和数据智能（DCAI）等。已发表包括 CVPR, ICLR, TPAMI, Nature,等数十篇论文，其中 8 篇 Oral/Spotlight. 曾获 ICML 2022 杰出论文奖。
报告摘要待更新
张伟楠 · 主持人简介
张伟楠博士现任上海交通大学计算机学院教授、博士生导师，上海人工智能实验室物理智能中心主任，科研领域包括强化学习、智能体、物理智能，当前主要研究物理智能基础模型与物理智能体，相关研究成果在CCF-A类国际会议和期刊上发表100余篇学术论文，谷歌学术引用4万余次，H指数94，爱思唯尔中国高被引学者，出版教材《动手学强化学习》、《动手学机器学习》、101计划《强化学习》等销量超6万册。张伟楠长期担任NeurIPS、ICML、ICLR、KDD等会议的领域主席和TPAMI等期刊的编委，主持国家自然科学基金优秀青年项目和科技部2030新一代人工智能重大项目课题，获得吴文俊人工智能优秀青年奖和达摩院青橙奖。
郭浩宇，上海人工智能实验室物理智能中心青年研究员，主要从事具身智能与世界模型相关研究，此前于2025年获浙江大学博士学位。在人工智能领域的顶会、顶刊发表十余篇论文，其中两篇一作论文获得CVPR口头报告。
本报告介绍书生世界动作模型InternW0-Δ，一种连接动态预测与动作生成的世界动作模型。该模型通过混合Transformer架构连接视频专家与动作专家，融合场景语义，并通过训练阶段的蒸馏引入4D几何与运动先验。其提出的Causal Imprint机制通过训练阶段的未来监督学习与动作相关的预测表征，使模型在推理生成动作时可以参考模型内部估计的未来场景变化，无需生成未来视频。同时，该工作整合了超过2万小时的机器人示范、UMI、人类第一视角及Ego2Robot数据，在统一的状态与动作表示下开展联合预训练。实验表明，该模型在多个benchmark（包括仿真和真机）上取得领先结果，并通过后训练适配搭载夹爪或灵巧手的多种真实机器人平台，在多个真机任务上进行了验证。
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
班雨桐为上海交通大学浦江国际学院副教授，博士生导师，上海交通大学SIRIUS实验室负责人，曾获国家级青年人才（海外），上海市浦江人才，上海市海外领军人才，上海交通大学小米学者。其在法国国家计算机自动化研究所 (INRIA) 取得博士学位，并在美国麻省理工学院与哈佛医学院从事博士后工作。其主要研究方向围绕智能机器人对复杂环境的理解和决策。曾在NPJ Digital Surgery, IEEE TPAMI、IEEE TMI 等人工智能，机器人领域顶尖杂志会议发表多篇论文, 谷歌引用2000余次，并多次获得国内外奖项，包括国际机器人协会IROS17 Novel Technology Award入围奖，国际医疗组织欧洲微创手术协会 EAES 2022 Gerhard Buess Amazing Technologies Award等。现任 IEEE ICRA, IEEE/RAS IROS 编委等。
如何让机器人利用有限示范与交互经验，学会可靠且可泛化的操作技能，是具身智能的重要研究问题。本报告围绕样本效率、长时程任务与泛化能力，介绍团队在具身操作学习方面的系列研究。首先，探讨如何利用几何先验、时间反演对称性及单示范驱动的数据生成，提高示范与交互数据的利用效率，并通过一步动作生成降低策略推理开销。其次，介绍融合完整历史信息的状态空间策略与视觉—语言—动作模型，提升机器人对任务进程的理解与长时程决策能力，并利用语言对齐的三维关键点支持跨场景泛化。在此基础上，将讨论拓展至多指灵巧操作，介绍长时程灵巧操作基准、仿真动力学校正与跨本体抓取迁移，分析复杂接触和多阶段技能组合带来的挑战，为从通用机械臂操作走向更灵巧、更高效的具身操作提供方法与实践参考。
上海交大人工智能学院副教授、上海创智学院全时导师，RhOS.ai lab负责人。研究具身智能、物理推理、行为理解。曾获上海市海外高层次青年人才，获ICRA 2025 Best Paper Reward on HRI（独立通讯）、吴文俊优博士、蚂蚁Intech奖、WAIC云帆奖-璀璨明星、明日之星、NeurIP、ICML杰出审稿人、百度奖学金、2020华人学生AI百人、AI100青年先锋（MIT review）。任NeurIPS、ICLR、CoRL、AAAI等顶会Area Chair/PC，上海交大ACM班《计算机视觉》课程教师、VALSE EAC、中国人工智能学会-具身智能专委会副秘书长。
RhOS.ai专注于打造下一代Physical AI基模型，基于长期的具身智能和物理推理研究积累，形成了以物理直觉模型为核心的数据-模型-硬件-落地闭环研发路线，赋能具身、游戏、穿戴、agent，目前已经推出了GM-100具身评测标准、RhOS-World: Khora多玩家4D世界交互模型等多个世界领先的模型产品。
本报告聚焦具身和物理智能最核心的问题——数据配方，介绍团队在具身数据配方和治理方向的长期积累和最新工作，同时介绍在物理推理领域的相关内容和结合，展望Physical AI的新范式和模型。
陈立 | 源策未来联合创始人，AI 负责人
上海交通大学本科，香港大学计算机博士，曾任OpenDriveLab 研究员，具身智能与世界模型领域优秀青年学者。CVPR 2023 最佳论文 UniAD 第一作者，该成果重新定义了端到端自动驾驶系统的构建范式。曾获2024年世界人工智能大会云帆奖明日之星，并受邀担任计算机视觉顶级会议ECCV 2026的领域主席。2026年4月，源策未来公司成立，陈立博士担任联合创始人兼AI负责人，全面负责源策未来人形基座模型算法研发。
人形机器人从“会运动”走向“会工作”，关键不只是学会更多动作，而是让感知、移动、操作与平衡围绕同一任务协同。本报告以全身智能（Whole-Body Intelligence，WBI）为主线，探索从人类全身经验到机器人自主作业的学习路径，结合数据、模型与实机实践，讨论如何将人的身体经验转化为可持续扩展的任务能力。面向移动操作的 S0 全身控制，从实际操作需求出发设计控制方法与评测体系，让精准、稳定的身体执行服务于更精细的交互与更复杂的姿态，并连接高质量示范采集与自主作业，推动模型学习与身体能力共同进化。
范迪夏 · 主持人简介
范迪夏，西湖大学工学院助理教授，流体智能与信息化实验室负责人。2013年获得上海交通大学工学学士学位，2016年和2019年分别获得美国麻省理工学院工学硕士和理学博士学位。曾在麻省海洋基金委从事博士后研究并担任研究员，2021年担任加拿大皇后大学机械与材料工程助理教授，2022年全职加入西湖大学。研究方向包括流固耦合、多栖仿生机器人，以及人工智能在流体感知与控制中的应用，开展物理信息与数据驱动相结合的实验流体力学研究。相关成果发表于Science Robotics、Proceedings of the National Academy of Sciences、Journal of Fluid Mechanics等期刊。
冯浩东，博士，北京中关村学院研究员、博士生导师。研究方向为Sim2Real、物理智能与自进化智能体。聚焦物理系统与能源系统中亟待解决的仿真、控制、设计的关键问题，探索物理系统世界模型、极端事件中的控制算法，以及自主科研智能体。相关工作发表（含接收）于 Nature Communications、ICLR、NeurIPS、ICML 等 SCI 期刊及 AI 顶级会议，其中以第一作者发表论文 10 余篇，并作为主要组织者筹办 NeurIPS 2026 RealPDE 国际比赛。曾担任 ICLR、NeurIPS、AAAI 领域主席/审稿人，并受邀担任 IJCAI 2025 (Guangzhou) 强化学习分会场主席。
报告摘要待更新
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
个人简介待更新
报告摘要待更新
陈耀然，副研究员、硕士生导师。上海交通大学博士，英国谢菲尔德大学硕士，华南理工大学本科。针对海洋可再生能源和海洋环境基于数值模拟和人工智能方法开展预测与优化问题研究。发表SCI论文50余篇，其中第一/通讯作者20余篇，高被引3篇。主持上海市“晨光学者”计划、国家自然科学基金青年科学基金项目等。获海洋工程科学技术奖一等奖（3/14）、吴文俊人工智能科学技术奖优秀博士学位论文奖（1/1）、上海交通大学优秀博士学位论文提名等。
关于海上风电场布局和偏航智能优化的研究进展进行学术分享。
乔磊，上海交通大学船舶海洋与建筑工程学院副教授，博士生导师。研究方向为海洋机器人智能与仿生技术。主持国家自然科学基金、国防科技创新特区等项目10余项。以第一/通讯作者在IEEE汇刊等发表论文40余篇，多篇入选ESI高被引论文。入选“海洋强国”青年科学家提名、中国科协青年托举人才、全球前2%顶尖科学家榜单等。获CACRE 2022青年科学家奖、CCAI 2026杰出青年学者奖、IET CTA 2019最佳论文奖等学术奖励10余项。
自主水下航行器（AUV）凭借无人化和智能化优势，广泛应用于水下复杂任务，成为维护海洋权益的关键。本研究探索复杂水下场景中AUV博弈对抗策略以及策略落地迁移方法。首先，提出了分层解耦的AUV机动框架，确保AUV在感知-通讯受限环境中保持态势认知与策略迁移能力。其次，设计了自适应AUV决策神经网络模型，实现在可变规模下的AUV群体自适应决策。最后，建立了“跨环境-跨规模-跨对手”的高效策略学习机制，解决博弈学习策略收敛慢和泛化不足的问题。在实验方面，完成了多AUV区域攻防对抗、目标围捕对抗、多目标协同打击以及大-小模型协同的多AUV区域防护等多案例场景下的对抗仿真测试，并基于数字孪生技术开展了多项湖试博弈对抗试验，完成了算法的Sim2Real迁移性能验证。
李锡涵 · 主持人简介
李锡涵，复旦大学助理教授，主要研究方向为AI for Optimization，利用机器学习破解现实世界中的复杂优化难题，具体场景包括逻辑电路优化、投资组合优化、物理方程求解、供应链与物流优化等。代表性工作为芯片优化大模型 Circuit Transformer。图书《简明的TensorFlow 2》作者，《通信的数学理论》《计算机程序设计艺术 卷4B》译者。个人主页：https://snowkylin.github.io
个人简介待更新
报告摘要待更新
韩雄威，毕业于华中科技大学，现任华为2012诺亚方舟实验室AI应用创新技术专家。在华为任职期间，曾先后担任智能建模技术负责人、供应链AI变革项目经理、电力AI应用技术总架构师等职务，主导建设华为供应链排产引擎、供需模拟引擎、天筹智能建模工具在内的多个关键产品与系统。长期专注于学习优化、AI+OR、Harness等前沿AI技术的创新研究与产业落地，致力于通过人工智能驱动行业智能化变革。
报告摘要待更新
个人简介待更新
报告摘要待更新
李希君，博士，博士生导师。博士毕业于中国科学技术大学（与华为2012实验室联合培养），现主持国家自然科学基金、上海市自然科学基金等多个纵向/横向项目。此前在华为技术有限公司诺亚方舟实验室任主任工程师等职务（2018年~2024年），围绕数据驱动的学习优化技术开展研究工作，已于主流学术会议、期刊上发表相关研究成果30余篇。其中，以第一作者/通讯作者身份在TPAMI, NeurIPS, ICLR, ICDE, KDD, SIGMOD, DAC等顶级数据挖掘、电子自动化设计会议发表论文10余篇，担任人工智能顶级会议领域主席（ICML/NeurIPS/ICLR等）。同时，已公开/授权中国/美国专利20余项。李希君博士在华为履职期间是华为云天筹求解器、盘古大语言模型等公司级重要产品的核心研发人员，多次获得华为公司总裁个人奖、创新先锋等奖励；在校期间指导学生获得第十九届“挑战杯”“人工智能+”专项赛特等奖。
决策优化常常面临这样的挑战：数学模型已经明确，但要在有限时间内获得高质量结果，仍需投入大量精力设计求解策略、优化计算实现。如何让大模型吸收这一过程中的专家经验，逐步具备设计与改进优化程序的能力，是本报告关注的核心问题。报告将结合我们在组合优化与高性能计算方面的两项研究，从求解器算法的自动设计出发，介绍如何将问题的结构信息融入大模型，引导求解策略生成，并通过实际求解反馈持续改进。沿着这一思路，研究进一步触及优化过程中的另一项关键决策：面对不同任务，应该选择怎样的实现方式，又应优先沿哪个方向优化？以 GPU 算子优化为载体，报告将介绍如何结合任务特征、领域知识与运行反馈，通过分层规划组织程序的生成与改进。这两项工作共同呈现了从结构感知的算法生成到负载感知的实现规划的研究路径，也为探索工业决策系统中求解策略与计算实现的协同优化提供了思路。
个人简介待更新
报告摘要待更新
赵鉴 · 主持人简介
赵鉴，北京中关村学院助理教授，AI+游戏方向负责人。他分别于2018年和2023年在中国科学技术大学获得学士与博士学位，曾在微软亚洲研究院，腾讯游戏AI研发中心等机构学习工作，课题组团队成员曾获得第一届腾讯开悟多智能体强化学习大赛冠军，RLChina 智能体挑战赛多次冠军，腾讯云游戏开发大赛华北赛区冠军等奖项。
个人简介待更新
随着大模型的发展和变迁，大模型性能越来越高，业界对大模型能够完成任务的复杂度要求也越来越高。大模型从简单的RLVR范式逐步向agentic范式转向。本报告的核心目的在于回答一个根本性问题：哪些变化已经发生，而哪些东西从未改变？为此，我们从游戏AI的发展历程出发，系统梳理了从规则系统、行为树、效用AI到基于强化学习的自主智能体的演进脉络，揭示了"环境感知—规划决策—行动执行—反馈学习"这一agent核心循环在不同技术范式下的共性与差异。在此基础上，我们将视角转向当前以大语言模型（LLM）为核心的agentic系统，探讨工具调用、长期记忆、自我反思等关键能力模块对agent实用性的影响。我们认为，游戏AI数十年的工程实践为agentic LLM的设计提供了宝贵的启示：一个真正有效的agent不仅需要强大的基座模型能力，更需要结构化的任务分解机制、可靠的状态管理、鲁棒的容错与回退策略，以及与环境持续交互的闭环反馈能力。
个人简介待更新
近年来，以扩散Transformer（DiT）为代表的视觉生成模型在图像与视频生成领域取得了显著进展，但其注意力机制的平方复杂度也带来了巨大的计算开销，成为制约高分辨率、长时序视觉生成的重要瓶颈。现有稀疏注意力方法虽然能够有效降低理论计算量，却往往依赖复杂的稀疏计算模式与硬件定制算子，导致理论加速难以转化为实际推理性能，也限制了方法在不同计算平台上的通用性。
本报告围绕简单、高效、硬件无关的设计理念，介绍视觉生成模型稀疏注意力加速的最新研究进展。首先，介绍面向高分辨率图像与视频生成的硬件无关稀疏注意力方法，通过结构化移位窗口、全局信息聚合与跨窗口信息交互，在保持生成质量的同时实现高效加速。随后，介绍针对MiniMax-H3视频生成模型的稀疏注意力与线性注意力加速方法，进一步探索简洁稀疏计算机制在大规模视频生成模型中的有效性与实用性。相关研究表明，高效视觉生成并不必然依赖复杂的算子设计，通过合理的注意力结构优化，同样可以实现兼顾生成质量、计算效率与跨平台部署能力的推理加速。
个人简介待更新
人工智能已在游戏美术资产生成、开发辅助和智能NPC等环节实现规模化应用，但国内游戏教育仍偏重传统艺术类培养，对AI前沿技术的融入相对滞后，难以满足产业对复合型人才的需求。同时，本土游戏教育主要集中于本科及少量硕士阶段，高端游戏AI研发人才紧缺。为此，课题组借鉴海外经验，围绕“AI前沿技术研发”“既有游戏的AI赋能”和“AI原生游戏制作”三个方向，开展“AI+游戏”领域博士生精英化培养的课程设计与教学实践。课题组培养的学生受到腾讯等头部企业青睐，但实践中也发现“重制作、轻运营”等培养链路失衡问题。希望相关探索与反思能为我国“AI+游戏”高层次人才培养提供参考。
个人简介待更新
Jev是一个支持非结构化数据输入，结构化数据输出的基础模型。其位于结构化数据基础模型以及大语言模型的中间，因此具有前者的高效以及后者的灵活性。报告由结构化数据基础模型入手，介绍TabPFN，Jev等模型作为决策模型在游戏中的应用。
个人简介待更新
围绕角色生成与交互中的关键技术开展系统研究，形成表情生成、身体动画生成、远程呈现与多模态交互三方面研究内容：一是研究融合情感信息的数字人面部表情生成方法，通过表情识别、情感建模与生成模型相结合，提升数字人表情的真实性、表现力与情绪表达能力，并探索自动化、高效率的三维表情生成与制作方法；二是研究沉浸式数字人身体动画生成与创作方法，通过混合现实、多用户协同、自然输入及生成式模型，实现高效、低认知负担的动画创作，并支持长时段、风格化动作生成；三是研究数字人远程呈现与自然交互技术，通过三维呈现、视线一致性、多模态输入与实时反馈，解决传统视频通信中的视差及注视失真问题，提升数字人与自然人的沉浸式交互体验。
Jesse李驰，ai游戏工作室喵吉托CEO
- 前字节跳动AI Lab强化学习研究员，AI游戏 researcher。在字节领导了多个ai游戏项目，在FPS/ACT/MOBA游戏中实现击败顶级人类玩家的AI Agent。在波西亚时光中实现过AINPC，字节内部类哈迪斯项目中实现AI动态生成游戏关卡，字节内部武侠游戏中实现AI动态生成剧情等，用AI服务过字节moba游戏《荣耀对决》的上亿游戏玩家
- 作为字节跳动3D版Generative Agent项目的领导者，在字节游戏《Jungo Jam》中实现3D版斯坦福小镇，使LLM Agent的表现超过了斯坦福Generative Agent论文，并展示了更复杂的行为。
- 在喵吉托工作室开发了《言灵计划》《萌爪派对》《喵呜岛》等AI原生游戏，实现了AI生成游戏形象，AI动态生成NPC行为，对话内容和AI动态剧情任务等功能。
- 目前正在开发Meowa - AI Agent Harness for games
2023 年大模型爆发后，我们开始做 AI 原生游戏，从《言灵计划》《萌爪派对》到《喵呜岛》，一路试错。三年里我们发现，AI 游戏最大的瓶颈不是想法，而是美术、地图、音乐、策划、程序这些环节的生产力，以及怎么把它们串成一条能稳定产出的管线。于是我们为了自己做游戏，先搭了一套内部多 Agent 管线，后来越来越多的人想用它，就有了 Meowa——一个面向游戏的 Agent Harness。
本次分享会复盘这三年的转向：为什么从做游戏走到做工具，工具化过程中踩了哪些坑，哪些环节 AI 已经能比多数专业从业者做得更好，哪些还远没解决。同时也会聊聊，为什么我们做了工具之后依然没有放下游戏，以及"做工具"和"自己做游戏"怎样互相喂养。希望给游戏从业者和 AI 创业者一些可参考的真实经验。
曹斌 · 主持人简介
曹斌，华为诺亚方舟实验室（伦敦）研究科学家、国创决策智能技术研究院兼任科学家，与伦敦大学学院汪军院士合作开展面向材料科学的智能体与机器学习研究。博士毕业于香港科技大学（广州），师从材料信息学先驱张统一院士，研究聚焦人工智能与材料科学，聚焦科学智能体、晶体表征学习与贝叶斯优化，致力于将物理证据、科学工具与研究经验融入智能决策，推动材料分析与自主发现。在《National Science Review》《Science Bulletin》《npj Computational Materials》等期刊及 ICLR、NeurIPS 等国际顶级机器学习会议发表多项第一作者研究成果，代表性工作 WPEM 为粉末衍射结构精修提供了新的理论框架与方法路径。主导开发自学习材料表征科学智能体 Ganjiang（干将），推动基础方法创新与科研工具开发深度融合，构建能够自主执行分析、验证结果并持续迭代的材料科研系统。
个人简介待更新
以大模型为代表的人工智能技术正在深刻重塑自然科学的研究范式。在化学科学领域，高维相空间搜索困难、高质量数据稀缺以及复杂结构的精准表征等长期存在的痛点，正迎来全新的解决思路。本报告将探讨大模型如何通过其强大的跨模态理解、生成能力与泛化机制，赋能材料发现与化学合成。本次talk重点介绍上海AI实验室在化学大语言模型及大模型在推动自主科学发现闭环中的前沿探索。此外，报告还将分享我们对构建“化学领域科学基座模型”的思考，这不仅是一场关于AI4Science的个案研究，更是对通用人工智能如何扎根于硬核化学科学问题的系统性探讨。
个人简介待更新
高性能合金的发现需要在实验数据有限的条件下，探索庞大的成分与工艺空间。这一挑战制约了传统机器学习方法的应用，也亟需将科学知识、可解释建模与实验验证紧密结合的新方法。本文提出两个互补的多智能体框架——MatAgent与AMPilot，通过知识引导的推理与闭环实验应对这一挑战。
MatAgent融合材料领域知识、文献证据、符号建模与物理约束，用于发现软磁Fe–Co–Ni–Ta–Al高熵合金。仅以涵盖15种成分的32组测量数据为起点，该框架便自主构建了可解释的成分–性能关系，并能够泛化至未见成分。在这一关系与相稳定性约束的共同指导下，MatAgent发现了一种经实验验证的新合金：相较于此前报道中与其最接近的高磁化强度合金，其矫顽力降低54.7%，饱和磁化强度提高6.5%。进一步分析表明，饱和磁化强度主要取决于成分，而矫顽力对加工工艺更为敏感。
AMPilot将智能体驱动的材料发现拓展至3D打印结构合金，利用大语言模型智能体协同开展合金体系筛选、预测模型评估、成分–工艺优化与迭代实验反馈。该框架识别出两个具有潜力的钛合金体系，并通过优化成分与打印条件，实现了高比强度与拉伸延性的优异结合。由此开发的高铝Ti–Al–V合金HSTAV，其比抗拉强度达到400.1 MPa·cm³·g⁻¹——据我们所知，这是目前已报道的3D打印金属中的最高值——同时保持了良好的拉伸延性。多尺度表征揭示，这一性能与一种此前未见报道的空间限域双重有序化结构密切相关。
这两项研究共同表明，多智能体协同能够超越单纯的性能预测，在稀疏数据条件下提炼可解释的科学知识，并指导经实验验证的高性能合金发现。
个人简介待更新
分子结构解析是化学研究、药物发现与材料设计的重要基础。红外光谱、拉曼光谱、核磁共振及质谱等谱学技术能够从不同角度反映分子的组成、化学键连接关系及空间构象，为分子结构鉴定提供重要依据。然而，传统谱学解析方法高度依赖专家经验，且不同谱学模态所包含的结构信息具有不完整性和歧义性，难以满足复杂分子结构快速、准确和自动化解析的需求。
近年来，人工智能特别是深度学习与生成式模型的发展，为实现从谱学信号到分子结构的直接推断提供了新的研究思路。本报告围绕人工智能驱动的分子结构解析，介绍谱学数据智能表征、多模态谱学信息融合、分子拓扑结构预测及三维分子构象生成等方面的研究进展，重点探讨如何利用不同谱学模态之间的互补信息，建立从谱学特征到分子二维拓扑及三维空间结构的映射关系。同时，结合相关研究工作，展示人工智能方法在复杂分子结构识别、同分异构体区分及分子动态构象解析等任务中的应用潜力。最后，讨论当前谱学驱动分子结构解析在数据质量、模型泛化、可解释性及真实实验场景应用等方面面临的挑战，并展望人工智能赋能分子结构解析的发展方向。
个人简介待更新
随着材料体系复杂度不断提升，传统试错式研发模式面临周期长、成本高及效率低等挑战。人工智能技术的发展为材料科学研究提供了新的技术路径。本报告围绕人工智能驱动的材料发现新范式，介绍了从科学文献信息提取、领域大语言模型构建到自主科学发现系统的技术进展。重点展示DARWIN材料科学大语言模型与CheMiST化学推理模型等研究成果，探讨人工智能在材料知识理解、科学推理及递归自我改进（Recursive Self-Improvement，RSI）方面的发展潜力。进一步提出融合科学基础模型、智能体规划与自动化实验平台的闭环研究架构，通过实验反馈与模型迭代优化，探索人工智能系统持续提升科研能力的实现路径，推动材料研发由传统经验驱动向智能化、自主化模式转变，为加速材料创新与科学发现提供新的发展方向。
个人简介待更新
人工智能正在推动材料科学研究从数据驱动的性能预测向智能决策与自主科学发现发展。然而，材料研究普遍面临实验成本高、数据稀缺、物理约束复杂及设计空间庞大等挑战，如何在有限的计算与实验资源下实现高效、可靠的科学决策，是人工智能加速材料研究的关键问题。本报告围绕领域知识驱动的科学智能决策，探讨物理规律、机理认知与专家经验如何融入人工智能算法，提升材料预测、优化与科学探索的效率。通过物理模型与科学知识辅助数据生成、模型预训练及小样本学习，提高有限数据条件下的预测能力；将材料演化规律、物理约束与结构特征融入模型架构及优化过程，增强复杂材料体系中预测与决策的可靠性；结合主动学习、知识引导的搜索优化及大模型智能体，实现材料候选筛选、实验规划与动态决策，促进计算预测、科学推理与实验反馈的协同。结合结构合金性能优化、微观组织演化加速及复杂合金智能设计等研究实践，展示领域知识在缩小科学探索空间、降低试错成本和提高研究效率方面的作用，推动材料科学研究从单次预测向连续决策、闭环优化与自主发现发展。