大模型智能体专题论坛
主持人：陶重阳
简介：陶重阳，北京航空航天大学副教授。2020年获得北京大学理学博士学位，后加入微软工作，历任博士后研究科学家和高级研究科学家。研究方向为自然语言处理和信息检索，主要关注语言模型、对话系统、高效知识检索等领域，参与了微软小冰(Rinna)、必应聊天助手、必应生成/搜索模型以及WizardLM系列模型的研发。曾在 ACL、EMNLP、AAAI、ICLR、SIGIR、TOIS等国际会议及期刊上发表论文70余篇。曾获得NLPCC杰出论文奖、AI 2000学者称号，担任 KDD、EMNLP、CCKS 等国内外学术会议的领域主席。
讲者1：陈旭
讲者：陈旭
题目：基于大语言模型智能体的用户行为模拟
摘要：近年来，Human-centered AI受到了学术界和产业界的广泛关注，该领域的应用如推荐系统、社交网络等给人们的生活生产带来了极大地便利。然而，一直以来，制约该领域发展的关键问题之一是如何获取高质量的用户行为数据。在本次报告中，汇报者将从LLM-based Agent的角度分享缓解该问题的思路，并介绍其团队研发的基于大语言模型的用户行为模拟智能体RecAgent。该工作模拟了用户在推荐系统，社交网络中的多种行为，每个用户是一个Agent，不同Agents可以在模拟环境中自由对话，发帖，搜索，自我进化等。汇报者将详细介绍RecAgent的设计初衷、结构特点、使用方法以及实验评测等。最后，汇报者将介绍RecAgent对未来Human-centered AI领域的潜在影响。
简介：陈旭，中国人民大学高翎人工智能学院准聘副教授。博士毕业于清华大学，于2020年加入中国人民大学。他的研究方向为大语言模型，因果推断，推荐系统等。曾在TheWebConf、SIGIR、ICML、NeurIPS、ICLR，AIJ、KDD等著名国际会议/期刊发表论文80余篇，Google Scholar引用5800余次，入选斯坦福大学全球前2%顶尖科学家榜单。他曾共同主持开发推荐系统工具集“伯乐”、带领团队撰写大语言模型智能体综述《A Survey on Large Language Model based Autonomous Agents》，并构建基于LLM Agent的用户行为模拟环境“RecAgent”。他的研究成果曾荣获TheWebConf 2018最佳论文提名奖，CIKM 2022最佳资源论文奖，SIGIR-AP 2023最佳论文提名奖，以及AIRS 2017最佳论文奖。他也曾荣获CCF自然科学二等奖（排名第二），ACM-北京新星奖，以及CAAI-BDSC 社会计算青年学者新星奖等荣誉。他主持/参与十余项国家自然科学基金、科技部以及企业合作项目，相关成果在多家企业落地，荣获华为“创新先锋总裁奖”， 以及华为优秀校企合作项目等。
讲者2：李鹏
讲者：李鹏
题目：面向开放域的大模型智能体
摘要：大模型为人工智能的发展带来颠覆式创新，如何利用好大模型以解决开放域问题成为大模型发展下一阶段的关键议题。近期的学术研究和工业实践表明，以大模型为基础的智能体（简称大模型智能体）是将大模型推向开放域的重要技术路径，具有重大研究和应用前景。本报告将围绕大模型智能体走向开放域所面临的主要挑战、创新思路和未来发展方向进行分享交流。
简介：李鹏，清华大学智能产业研究院副研究员/副教授，主要研究兴趣包括自然语言处理、预训练语言模型、跨模态信息处理、大模型智能体等，在人工智能重要国际会议与期刊发表论文90余篇，曾获ACL 2023杰出论文奖，曾在多个国际上深具影响力的榜单上超过Google Research、OpenAI等团队获得第一名，主持科技创新2030重大项目课题、国家自然科学基金面上等科技项目，曾任NAACL、COLING、EACL、AACL 等重要国际会议领域主席等。研究成果在百度、腾讯微信等千万级日活产品中获得应用并取得显著成效，获得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。
讲者3：高莘
讲者：高莘
题目：基于大模型的智能体工具学习
摘要：基于大规模语言模型的智能体研究是近期自然语言处理领域中一个新兴的研究方向，该领域的研究也推动了通用人工智能的进一步发展。本报告将围绕语言模型智能体的工具调用能力构建展开，探讨语言模型智能体工具使用基础能力的构建方法以及如何将其应用在更多的下游任务上。
简介：高莘，电子科技大学计算机学院特聘研究员、博士生导师，主要研究方向为预训练语言模型、大模型智能体和工具学习；在国际顶级会议期刊发表文章40余篇；目前担任中国中文信息学会青年工作委员会委员、信息检索专委会通讯委员，担任若干顶级会议的领域主席和高级程序委员会委员。
讲者4：钱忱
讲者：钱忱
题目：大模型智能体协同的缩放法则初探
摘要：当代大模型驱动的群体协同旨在创建一个多智能体协作运营的虚拟团队，使其在人类用户提出具体任务需求下，通过智能体交互式协同来自主生成完整的解决方案。这一方向实现了高效和经济的推理过程，为自动化解决复杂问题提供了全新的可能性，相关技术有望有效地将人力从传统繁重劳动中解放出来，实现“智能体协助人类工作”的美好愿景。本报告将基于大模型多智能体协同的关键技术，介绍交互、协同、演化等方面的技术进展，并初步探究协同缩放法则，以指导构建高效的多智能系统。
简介：钱忱，清华大学软件学院博士，现于清华大学自然语言处理实验室（THUNLP）担任博士后，清华大学水木学者，主要研究方向为预训练模型、自主智能体、群体智能；合作导师为孙茂松和刘知远教授，曾在ACL、SIGIR、ICLR、AAAI、CIKM等人工智能、信息管理、软件工程等相关的国际学术会议或期刊上以第一作者身份发表论文数篇。在群体智能方面，主持发布了大语言模型驱动的群体协作框架ChatDev、群体共学习范式Co-Learning、群体协同网络MacNet，并参与构建了用于任务完成和社会模拟的多智能体平台AgentVerse。其中ChatDev在世界影响力最大的开源平台 Github 上获得超过两万颗星标，受到了国内外众多知名学者和企业的高度评价，人工智能和机器学习领域国际上最权威的学者吴恩达于2024年3月发表智能体方面的最新趋势与洞察，把ChatDev作为唯一代表性案例进行了重点论述。
讲者5：张海峰
讲者：张海峰
题目：大语言模型驱动的博弈智能体
摘要：博弈智能体是人工智能发展的一条重要线索。大语言模型的出现，为博弈智能体的构建提供了一条新的思路。以大语言模型为基座，在其上嫁接专用博弈策略，可以较低成本地构建具备一定通用能力的博弈智能体。报告将介绍该方法在星际争霸、足球游戏、社会经济等虚拟和现实博弈场景下的应用探索。
简介：张海峰，中国科学院自动化研究所副研究员，群体决策智能团队负责人。于北京大学计算机系获得本科、博士学位，曾在英国伦敦大学学院(UCL)从事博士后研究工作。致力于多智能体和强化学习的学术研究和平台研发工作，相关论文发表在ICML、IJCAI、AAAI、AAMAS、《软件学报》等国内外知名学术会议、期刊，主持研发中科院自动化所“及第”智能体博弈平台(www.jidiai.cn)，承担国家自然科学基金、科技部“新一代人工智能”重大项目、中国科学院先导A类项目等多项课题，所做研究应用于博弈智能体、油气产业链调度、铁路运行图调整等多个领域。
讲者6：张宁豫
讲者：张宁豫
题目：从知识编辑的视角看智能体进化
摘要：大模型智能体进化是一个通过不断积累和优化知识来提高智能体能力的过程。在这一过程中，智能体通过交互、学习和自我改进，逐步完善其知识库和决策能力。本次报告将从知识编辑的视角来阐述智能体记忆更新和能力进化的过程，并介绍符号和参数知识增强智能体的相关工作，最后展望通过知识编辑操作不断修正和扩展智能体的知识结构，实现在动态环境中保持适应性和灵活性，更好地理解复杂任务提升问题解决能力。
简介：张宁豫，浙江大学副教授，浙江大学启真优秀青年学者，在高水平国际学术期刊和会议上发表多余篇论文，6篇入选Paper Digest高影响力论文，1篇被选为Nature子刊Featured Articles。主持国家自然科学基金、计算机学会、人工智能学会多个项目，获浙江省科技进步二等奖，IJCKG最佳论文/提名2次，CCKS最佳论文奖1次, 担任ACL、EMNLP领域主席、ARR Action Editor、IJCAI 高级程序委员，主持开发大语言模型知识编辑工具EasyEdit (1.6k)。