特邀讲者：车万翔，哈尔滨工业大学计算学部长聘教授/博士生导师，人工智能研究院副院长，国家级青年人才，斯坦福大学访问学者。
演讲题目：迈向推理时代——长思维链机理及应用
特邀讲者：雷文强，四川大学教授、博士生导师，国家级青年人才。
演讲题目：大模型智能体进展与思考
特邀讲者：桂韬，复旦大学副研究员。
演讲题目：推理智能体
特邀讲者：周浩，南京大学博士，清华大学智能产业研究院副研究员。
演讲题目：MemAgent: Reshaping Long-Context LLM with Multi-Conv RL based Memory Agent
报告时间：2025年7月12日（星期六）9:00-12:00
报告地点：厦门大学翔安校区西部片区4号楼106
报告1题目：迈向推理时代——长思维链机理及应用
报告摘要：推理能力已经成为评估并提升模型智能水平的核心指标和重要途径。长思维链（Long Chain-of-Thought, Long CoT）作为推理大模型（RLLMs）处理复杂任务时的关键技术，能够显著增强模型的推理深度与广度。通过实现深度的逻辑推理、积极的探索行为和有效的反思机制，长思维链赋予模型解决更加复杂、多样化问题的能力。本报告将深入解析长思维链的基本原理及应用实践。具体内容包括系统地阐述长思维链的核心技术与机制，重点涵盖深度推理的逻辑形式与学习框架、反思能力的反馈与纠错机制、探索能力的扩展机制，以及内部与外部探索框架等关键内容。此外，报告还将详细分析长思维链中产生思维链边界与测试时扩展（Test Time Scaling）现象的根本原因。最后，报告将展望长思维链的未来发展趋势，特别关注多模态长思维链等前沿方向，以期为人工智能领域的研究者与实践者提供一定的参考与启示。
报告人简介：车万翔，哈尔滨工业大学计算学部长聘教授/博士生导师，人工智能研究院副院长，国家级青年人才，斯坦福大学访问学者。主要研究领域为自然语言处理、大语言模型。现任中国中文信息学会理事、计算语言学专业委员会副主任兼秘书长；国际计算语言学学会亚太分会（AACL）执委兼秘书长；国际顶级会议ACL 2025程序委员会共同主席。承担国家自然科学基金重点项目和专项项目、2030“新一代人工智能”重大项目课题等多项科研项目。著有《自然语言处理：基于预训练模型的方法》一书。曾获AAAI 2013最佳论文提名奖。负责研发的语言技术平台（LTP）已授权给百度、腾讯、华为等公司付费使用。2024年获中国人工智能学会吴文俊人工智能科技进步一等奖（排名第1），2020年获黑龙江省青年科技奖，2016年获黑龙江省科技进步一等奖（排名第2）。入选斯坦福大学和爱思唯尔发布的2024年度“全球前2%顶尖科学家”榜单。
报告2题目：大模型智能体进展与思考
报告摘要：大模型为Agent的能力发展带来了前所未有的机遇，智能体也被誉为大模型落地的一个非常有希望的场景。本报告拟从知识推理与交互两大核心能力展开，分别分析大模型在两方面能力的进展，并且提出一些可以进步的方向。
报告人简介：雷文强，四川大学教授、博士生导师，国家级青年人才。博士毕业于新加坡国立大学，主要从事自然语言处理，信息检索，大语言模型相关研究。发表中国计算机学会A类长文（CCF-A）等顶会顶刊论文数十篇，多篇一作论文短时间内引用过百，成为国际上该领域主流参考文献。获得国际多媒体最高级会议ACM 2020最佳论文奖与自然语言处理最高级会议ACL 2024“领域主席奖”。与荷兰皇家科学院院士Maarten de Rijke教授等世界一流学者联袂在国际顶级会议SIGIR2020和Recsys2021上作关于“对话式推荐系统”三小时Tutorial，其中SIGIR2020 tutorial单场听众超过1600次，为当场听众最多。担任各大顶级国际会议ACL，KDD，AAAI，IJCAI，WSDM，EMNLP等的（高级）程序委员会委员，担任自然语言处理各大顶会如ACL、EMNLP、COLING领域主席，担任新加坡全国自然语言处理会议SSNLP2021的程序委员会主席。担任重要期刊ACM Trans. on Web的客座编委，担任国内外顶级期刊比如IEEE Trans. on IEEE Trans. on Knowledge and Data Engineering, ACM Trans. on Information System，《中国科学：信息科学》等审稿人。主持国家自然科学基金面上及以上项目多项，担任多项国家重要项目的评审。积极推进前沿科学研究的实际落地，其研发的技术在政府机构、大型央国企、头部互联网企业等有广泛应用。
报告3题目： 推理智能体
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，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。
报告人简介：桂韬，复旦大学副研究员。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、上海市启明星计划。
报告4题目：MemAgent: Reshaping Long-Context LLM with Multi-Conv RL based Memory Agent
报告摘要：Despite improvements by length extrapolation, efficient attention and memory modules, handling infinitely long documents with linear complexity without performance degradation during extrapolation remains the ultimate challenge in long-text processing. We directly optimize for long-text tasks in an end-to-end fashion and introduce a novel agent workflow, MemAgent, which reads text in segments and updates the memory using an overwrite strategy. We extend the DAPO algorithm to facilitate training via independent-context multi-conversation generation. MemAgent has demonstrated superb long-context capabilities, being able to extrapolate from an 8K context trained on 32K text to a 3.5M QA task with performance loss < 5% and achieves 95%+ in 512K RULER test.
报告人简介：周浩，南京大学博士，清华大学智能产业研究院副研究员。研究方向是面向复杂符号系统的生成式人工智能，主要的应用包括超大规模语言模型，分子生成，蛋白质设计等。曾任字节跳动研究科学家和副总监，领导搭建了字节跳动的文本生成中台和AI辅助药物设计两个方向的研发团队。他长期担任ICML、NeurIPS，ICLR，ACL等人工智能顶级会议的领域主席，在人工智能顶级国际会议上发表论文80余篇。他作为中心主任牵头清华AIR-字节跳动可拓展大模型智能联合研究中心，研究工业级的下一代大语言模型。曾获2019年度中国人工智能学会优秀博士论文奖、自然语言处理领域顶级国际会议ACL 2021最佳论文奖 (1/3350)、中国计算机学会NLPCC青年新锐学者奖、北京市科技新星等荣誉。
邀请人：厦门大学信息学院 苏劲松教授
