“第二十四届中国计算语言学大会” (The 24th China National Conference on Computational Linguistics，CCL 2025) 将于2025年8月11日至14日在山东省济南市举行。会议主办单位为中国中文信息学会，承办单位为齐鲁工业大学（山东省科学院）。
中国计算语言学大会创办于1991年，由中国中文信息学会计算语言学专业委员会主办。经过30余年的发展，中国计算语言学大会已成为国内自然语言处理领域权威性最高、规模和影响最大的学术会议。作为中国中文信息学会的旗舰会议，CCL聚焦于中国境内各类语言的智能计算和信息处理，为研讨和传播计算语言学最新学术和技术成果提供了最广泛的高层次交流平台。
本次会议由多模态大模型基础理论与应用、大模型推理与强化学习、通用群体智能和青年人才论坛四个专题论坛组成。其中通用群体智能专题论坛将由上海人工智能实验室青年科学家白磊、智能博弈与决策实验室助理研究员王思主持，由天津大学郝建业教授、华南理工大学陈伟能教授、上海人工智能实验室尹榛菲研究员、上海交通大学陈思衡副教授、上海交通大学钱忱副教授、北京邮电大学杨成副教授进行专题报告。
长按识别二维码注册会议
通用群体智能专题论坛主持人
白磊，上海人工智能实验室
个人介绍：
白磊，上海人工智能实验室青年科学家，AI for Science中心负责人。博士毕业于新南威尔士大学，其后于悉尼大学任博士后研究员，主要研究方向为科学多模态大模型和通用科学发现系统。已在Nature子刊、IEEE TPAMI、NeurIPS、CVPR、KDD等人工智能领域顶级期刊会议发表学术论文100余篇，并长期担任相关期刊会议的审稿人或程序委员会委员。基于其研究工作入选国家及上海市人才计划，获2024年IEEE TCSVT最佳论文奖、2022年世界人工智能大会云帆奖、2020年新南威尔士大学工程研究卓越奖、2019年谷歌博士奖等。
王思为，智能博弈与决策实验室
个人介绍：
王思为，智能博弈与决策实验室（国家重点实验室）助理研究员。主要研究方向为大规模多模态数据分析、大模型多Agent等。于NeurIPS、ICML、ICLR、CVPR、ICCV、IEEE TPAMI、TIP、TKDE等人工智能顶级会议和期刊发表论文30余篇，学术引用5000余次，4篇ESI高被引论文。担任CCF-A类会议NeurIPS、ICML、ICLR、CVPR、AAAI、IJCAI、ACMMM领域主席和一区期刊Pattern Recognition编委，主持、参与多项科技委项目、科技部项目、国家自然科学基金项目。
郝建业：具身智能体
郝建业，天津大学、华为诺亚
报告摘要：
本报告首先会介绍大模型技术背景和基础，然后介绍在大模型时代下具身智能技术，从数据、模型、优化和推理三方面，分享具身智能实现scaling law所面临的关键挑战和业界最新进展。
个人介绍：
郝建业，博士，天津大学智算学部教授，华为诺亚决策推理实验室主任。主要研究方向为强化学习、具身智能和多智能体系统。发表人工智能领域CCF-A类国际会议和期刊论文100余篇，专著3部。获国家自然科学基金委优青、国家科技部2030人工智能重大课题、基金委人工智能重大培育等项目资助10余项，研究成果获国际会议最佳论文奖3次，NeurIPS大会竞赛冠军4次。相关成果在国产工业基础软件智能化、自动驾驶、游戏AI、互联网广告及推荐、5G网络优化、工业物流调度等领域广泛落地应用。
陈伟能：面向共识优化的群体演化方法与应用
陈伟能，华南理工大学
报告摘要：
群体智能是新一代人工智能发展的重要方向，李未院士指出：“基于互联网的群体智能是新一代人工智能的核心研究领域之一”。分布式网络群体系统的共识演化与优化是多智能体和群体智能系统面临的一个基础和核心问题，传统传统基于梯度下降的多智能体分布式优化方法在面对非凸、黑箱问题时存在瓶颈。本报告将探讨将群智优化的天然并行分布式特征，与网络分布式多智能体共识理论相结合，提出多智能体分布式进化优化理论和方法体系，构建“可引导-可扩展-可信任”的分布式多智能体群智优化方法体系，并探索在三个层次上的共识演化机制——基于动力学与激励机制的共识演化、基于学习的共识演化、大模型驱动的共识演化，并介绍相关应用。
个人介绍：
陈伟能，华南理工大学计算机科学与工程学院教授、博士生导师、副院长。主要研究方向是群体智能、进化计算及其应用，已发表国际期刊和国际会议论文200余篇，其中IEEE Transactions长文90余篇；牵头主持国家科技创新2030——“新一代人工智能”重大项目，国家自然科学基金企业创新联合基金重点支持项目、国家重点研发计划国际合作交流项目、国家自然科学基金-英国皇家学会牛顿基金项目等，任大数据与计算智能粤港联合创新平台负责人。2016年获国家优秀青年科学基金资助，2015年获广东省杰出青年科学基金资助；2018年获霍英东青年教师奖。现任IEEE广州分会副主席、IEEE SMC广州分支主席、中国计算机学会协同计算专业委员会常务委员、人工智能与模式识别专业委员会委员、任国际期刊IEEE TEVC, IEEE TNNLS及Complex & Intelligent Systems副主编。
尹榛菲：Building AI Society with Agents – Find the Scaling Law of Agents
尹榛菲，上海人工智能实验室
报告摘要：
AI agents based on LLMs or VLMs have already demonstrated their exceptional ability to solve complex problems, and increasingly, these models are being extended to a wide range of downstream applications, such as workflow automation on operating systems, scientific research and discovery, and embodied AI. The integration of foundation models like VLM, VLA, and generative models, combined with external scaffolds like memory mechanisms, system prompts, external knowledge bases, and toolkits, has enabled the emergence of systematic agents capable of tackling complex, long-sequence tasks. However, human society is a complex system formed by diverse organizations, where multiple individuals collaborate and compete within a set of environmental rules to achieve unified goals or indirectly influence the environment’s state. Thus, we also envision that multi-agent systems, built upon the aforementioned foundation models, will exhibit the potential to scale from individual agents to organizational entities. This talk will review the history of AI agents, briefly discuss the architectures of foundation model-based single agents in various fields, and focus on swarm intelligence for multi-agent task completion. Finally, we will explore how, as these agents are deployed, they form collective intelligence, creating a coexistence between humans and AI agents within society.
个人介绍：
尹榛菲，上海人工智能实验室星启研究员，牛津大学访问学者，研究方向为多模态基础模型、多智能体系统、具身智能等。发起和主导多个具有代表性的开源项目，涵盖从底层模型（Intern）、系统平台（CAMEL、MASWorks）、社会模拟（OASIS）到具身协作（MARS）等多个关键环节，系统性构建了具备协作、自适应、泛化能力的大模型智能体基础设施。在NeurIPS、ICLR、ICML、ICCV等顶级会议发表论文20余篇，长期担任 ICLR、NeurIPS、ICML、ARR、TPAMI等顶级会议和期刊的审稿人。
陈思衡：Collective Intelligence Across Digital and Physical Spaces
陈思衡，上海交通大学
报告摘要：
This talk investigates how collective intelligence—emerging from coordinated multi-agent systems—can enhance capabilities in both digital and physical domains. In digital environments, we explore how large language model (LLM)-based agents, when organized into collaborative multi-agent systems, demonstrate emergent abilities in general-purpose tasl-solving, code generation, and scientific reasoning. By engaging in task decomposition, debate, and consensus, these agents can solve complex problems that exceed the capabilities of any single model.
In parallel, physical environments offer compelling evidence for the power of embodied collective intelligence. We highlight vehicle-road cooperative autonomous driving as a representative case, where multi-agent coordination among vehicles, infrastructure, and cloud systems significantly enhances real-time perception, planning, and decision-making. These systems showcase how collaboration in dynamic, uncertain environments can improve safety, efficiency, and adaptability.
个人介绍：
陈思衡，上海交通大学人工智能学院副教授、博士生导师，美国卡内基梅隆大学（CMU）博士，入选国家级人才计划青年项目，曾就职于美国UBER ATG自动驾驶部门。承担了基金委原创探索项目、面上项目，科技部人工智能2030重大项目课题，上海市科委人工智能专项等科研项目。研究聚焦多智能体系统，在Nature Communications, Nature Computational Science, T-PAMI, NeurIPS, ICML, ICLR, CVPR等期刊和会议上发表了百余篇论文, 谷歌引用1万余次。曾获得IEEE信号处理协会最佳青年作者论文奖，ASME结构检测协会最佳论文Runner-Up奖，2018 GlobalSIP会议最佳论文奖，三菱电机实验室总统奖等。
钱忱：大模型群体协作的高效化机制
钱忱，上海交通大学
报告摘要：
在大模型与智能体持续进化的时代，群体协作已成为释放算力与智能潜力的关键途径。多智能体协作不仅突破了单体智能的能力边界，为系统赋予了前所未有的扩展性和广阔前景。但高效协作并非“免费的午餐”——随着协作规模和复杂度迅速增长，信息交换冗余、协同路由低效以及经验难以复用等问题日益突出，成为提升整体性能的主要效率瓶颈。本报告将系统梳理智能体协作中的三类核心成本，并针对这些效率瓶颈，提出高效交互、高效路由和高效推理三项优化方向，助力打造更具性价比和弹性的智能体群体协作新范式。
个人介绍：
钱忱，博士生导师，研究方向包括大语言模型、自主智能体、多智能体系统。曾在清华大学博士后流动站和腾讯人工智能平台部从事研究工作，并入选清华大学“水木学者”和腾讯“技术大咖”计划。主导研发了多智能体协作框架ChatDev、智能体互学习技术Co-Learning、大规模群体协作和涌现机制研究MacNet、化身协作iAgents等相关成果。
杨成：面向大模型多智能体的高效通信协议研究
杨成，北京邮电大学
报告摘要：
大语言模型(LLMs)目前已展现出推理、规划、工具使用等诸多类人智能，可作为智能体(Agent)的大脑自动化地处理各种复杂任务。然而这些大语言模型智能体是否能够像人类一样学会有效沟通与分工，更快更好地进行任务协作，仍然是一个亟待探索的问题。本报告将从智能体间的高效通信协议设计出发，介绍大语言模型智能体协作研究的最新进展。
个人介绍：
杨成，北京邮电大学副教授，博士生导师，长期从事数据挖掘和自然语言处理相关方向的研究，发表相关领域CCF A类论文40余篇，谷歌学术被引1.5万余次，相关成果获2020年教育部自然科学奖一等奖（排名第四）等省部级奖励。获中文信息学会优秀博士论文奖、中国人工智能学会吴文俊青年科技奖，入选中国科协“青年人才托举工程”，连续三年入选斯坦福大学发布的全球前2%顶尖科学家榜单。
CCL 2025组委会
大会主席：
孙茂松（清华大学）
段培永（齐鲁工业大学）
程序委员会主席：
刘知远（清华大学）
徐睿峰（哈尔滨工业大学（深圳））
孙薇薇（剑桥大学）
本地组织主席：
吴晓明（齐鲁工业大学）
鹿文鹏（齐鲁工业大学）
张维玉（齐鲁工业大学）
评测主席：
林鸿飞（大连理工大学）
谭红叶（山西大学）
李斌（南京师范大学）
出版主席：
陈玉博（中科院自动化所）
田植良（国防科技大学）
刘正皓（东北大学）
前沿动态主席：
肖桐（东北大学）
冯骁骋（哈尔滨工业大学）
讲习班主席：
徐童（中国科学技术大学）
陈旭（人民大学）
赞助主席：
刘康（中科院自动化所）
韩先培（中科院软件所）
论坛主席：
户保田（哈尔滨工业大学（深圳））
林洲汉（上海交通大学）
热点论文主席：
林鸿宇（中科院软件所）
张倬胜（上海交通大学）
雷文强（四川大学）
宣传主席：
李鹏（清华大学）
辛欣（北京理工大学）
Web主席：
左家莉（江西师范大学）
司加胜（齐鲁工业大学）
系统展示主席：
苏劲松（厦门大学）
飞龙（内蒙古大学）
学生研讨会主席：
黄书剑（南京大学）
赵伟翔（哈尔滨工业大学）
财务主席：
王宇星（清华大学）
本地组织委员：
郑超群（齐鲁工业大学）
管红娇（齐鲁工业大学）
赵龙（齐鲁工业大学）
任晓强（齐鲁工业大学）
韩晓晖（齐鲁工业大学）
赵志刚（齐鲁工业大学）
乔新晓（齐鲁工业大学）
董祥军（齐鲁工业大学）
计算语言学专委会执委会
主任：
刘洋（清华大学）
副主任：
车万翔（哈尔滨工业大学）
张岳（西湖大学）
刘康（中国科学院自动化研究所）
秘书长：
车万翔（哈尔滨工业大学）
执委：
冯洋（中国科学院计算技术研究所）
邱锡鹏（复旦大学）
韩先培（中国科学院软件研究所）
