大模型前沿技术报告系列直播课是由中国中文信息学会计算语言学专业委员会主办，并行科技承办的系列公益直播课，旨在分享大模型技术前沿学术成果和普及大模型算力应用，面向相关领域的科研工作者和高校师生展开。
大模型前沿技术报告系列直播课每月一场，每期邀请一位大模型领域的知名专家学者，进行约一至二小时的学术报告分享。直播课播出平台为：视频号【并行科技】、B站【并行科技】，欢迎观看与交流。
特邀主持人
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、大模型智能体等，在ACL、NeurIPS、ICLR、AAAI等国际会议和期刊发表论文100余篇。多次担任自然语言处理国际会议ACL、EMNLP、NAACL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。
特邀报告一：通用推理智能体
桂韬，复旦大学副研究员，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。
报告摘要：
几十年来，人类一直在寻求创造接近或超越人类智力的人工智能（AI），智能体被誉为实现这一目标的一条有希望的道路。大语言模型（LLM）越来越被视为通用人工智能（AGI）发展的潜在催化剂，激发了创建多功能智能体的希望。本次报告将介绍基于大模型的智能体的综合框架、奖励建模、强化训练，讨论如何让智能体具备更强的推理及泛化能力，并提供对此类智能体未来发展的见解。
报告提纲：
- 智能体综合框架
- 语言智能体到多模态智能体
- 智能体的能力提升路径
特邀报告二：医学智能体的构建与演进技术研究
吴超逸，现任上海交通大学人工智能学院助理教授，主要研究方向为医学语言模型、智能体及多模态基础模型等智慧医疗（AI4Healthcare）领域。其作为技术骨干参与多项国家级与省部级科研项目，以一作及共一身份，论文发表于Nature、Nature Communications、npj Digital Medicine、JAMIA、ICCV、MICCAI等国际顶级期刊与会议，Google Scholar引用量超3200次，h指数18，I10指数21。
报告摘要：
面向复杂的临床医疗需求，本报告系统性地介绍了医疗通用智能体系统（Generalist Agentic Systems for Healthcare）的构建与演进路径。该系统以具备强大推理能力的医疗大语言模型（LLMs）和多模态大模型（MLLMs）为核心大脑，无缝集成涵盖影像、病理、基因组学等多维度的专业医疗工具库，实现了从传统单一AI模型向能够处理多模态输入、动态决策且具备透明推理过程的智能体系统的跨越。报告详细展示了该架构在复杂临床场景中的系统级应用——罕见病精准诊断智能体（DeepRare），并进一步探讨了医疗智能体的未来进化范式：通过构建交互式虚拟环境（DiagGym）和引入强化学习（RL）机制，突破静态训练的瓶颈，实现智能体在多轮临床交互与动态诊断决策中的准确率跃升。
报告提纲：
- 医疗智能体系统全景架构： 探讨从传统单一AI模型向具备动态决策、多模态感知与可溯源推理的通用医疗智能体演进路径
- 复杂疾病诊断系统级应用： 深入解析首个基于多智能体协同与可溯源推理链的罕见病精准诊断系统（DeepRare， Nature）及其临床价值
- 医疗智能体强化学习驱动的进化： 介绍如何通过生成式可交互虚拟临床环境（DiagGym & Deep-DxSearch），利用强化学习实现多轮动态诊断策略与信息检索能力的自主优化
特邀报告三：从Openclaw看智能体技术发展趋势
林衍凯，中国人民大学高瓴人工智能学院预聘副教授，主要研究方向为预训练模型和大模型智能体， Google Scholar 统计引用达到 2.5万次， 2020-2025年连续六年入选爱思唯尔（Elsevier）中国高被引学者和斯坦福大学全球前2%顶尖科学家年度榜单、入选北京市科技新星、吴文俊人工智能青年科技奖、《麻省理工科技评论》中国与 DeepTech 联合发布的“AI100青年先锋”等。其成果获评教育部自然科学一等奖、 世界互联网大会领先科技成果。现任CCF NOI科学委员会委员。
报告摘要：
过去数月，AI领域很难绕开一个名字——OpenClaw。这个项目在极短时间内获得了爆发式关注：数十万星标、惊人的Token消耗，以及几乎所有大厂的快速跟进。从表面上看，它像是又一个现象级AI产品；但如果进一步审视，一个更值得思考的问题随之浮现——OpenClaw的出现，究竟意味着什么？它真的是一次技术突破，还是某种更深层变化的信号？ 本报告讲围绕这些问题进行讨论。
