二、主持人：

张宁豫浙江大学副教授

嘉宾简介：张宁豫，博士，浙江大学副教授、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、ACM Transactions on Asian and Low-Resource Language Information Processing、IP&M Associate Editor，ACL、EMMLP、NeurIPS、ICLR、KDD领域主席，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、中国中文信息学会“博士学位论文激励计划”、中国电子学会–腾讯博士生科研激励计划。

张倬胜

上海交通大学长聘教轨助理教授

嘉宾简介：张倬胜，上海交通大学长聘教轨助理教授、博导。研究方向为多模态大模型、智能体交互与认知安全。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%顶尖科学家年度榜单。在TPAMI，Nature Communications，ICLR，ICML，ACL等顶级期刊和会议上发表论文100余篇，Google Scholar被引1万余次，GitHub星标3万余次，主导的开源成果在HuggingFace被下载300万次。获得2024世界人工智能大会青年优秀论文奖，4篇论文（ICLR/AAAI/EMNLP）入选Paper Digest最具影响力论文。主持国家自然科学基金青年项目、国家重点研发子课题、上海市面上/专项、CCF/CIPS/CAAI基金项目、上海交通大学AI for Science种子计划及知名企业的智能体合作项目等10余项。研究成果获评2024年度上海市科技进步奖一等奖。

华文越

美国微软研究院AI Frontiers高级研究员

嘉宾简介：华文越目前是美国微软研究院（Microsoft Research）AI Frontiers 的高级研究员。她此前在加州大学圣塔芭芭拉分校（UCSB）担任计算机科学博士后研究员，与 William Wang 教授合作。她于罗格斯大学新布朗斯维克分校（Rutgers University–New Brunswick）获得博士学位，导师为 Yongfeng Zhang 教授。她的研究方向主要包括大语言模型（LLM）智能体的安全性与效率、多智能体交互以及 LLM 推理。她于 2025 年入选 KAUST AI Rising Star，在 ACL、EMNLP、ICLR、NeurIPS、TACL 等顶级自然语言处理与机器学习会议发表论文 60 余篇。目前她还担任 ACL ARR 和 COLM 的区域主席（AC）。

报告题目：面向可信 AI 智能体的金融风险管理

报告简介：以往关于可信 AI 的研究主要关注模型内部属性，例如偏见缓解、对抗鲁棒性和可解释性。随着 AI 系统演化为部署在开放环境中的自治智能体，并且越来越多地与支付或资产相连接，信任的实际含义正在转向端到端的结果：即智能体是否能够完成任务、遵循用户意图，以及避免造成物质或心理伤害的失败。这些风险本质上属于产品层面的问题，无法仅通过技术层面的安全机制完全消除，因为智能体的行为具有内在的随机性。为弥合模型层可靠性与面向用户的保障之间的鸿沟，我们提出了一种基于风险管理的互补框架。借鉴金融承保机制，我们引入了 Agentic Risk Standard（ARS），这是一种面向 AI 中介交易的支付结算标准。ARS 将风险评估、承保以及赔付整合到统一的交易框架中，在用户与智能体交互时提供保护。在 ARS 框架下，当发生执行失败、目标偏离或非预期结果时，用户可以获得事先约定且具有合同约束力的赔偿。这将信任从对模型行为的隐性预期，转变为一种显式、可量化且可执行的产品级保障。此外，我们还通过仿真研究分析了在智能体交易中应用 ARS 所带来的社会效益。ARS 的实现代码已开源，地址为：https://github.com/t54-labs/AgenticRiskStandard

欧阳思如伊利诺伊大学香槟分校博士生

嘉宾简介：欧阳思如目前是伊利诺伊大学香槟分校（University of Illinois Urbana-Champaign）计算机科学系的四年级博士生，师从韩家炜教授。她的研究方向包括大型语言模型、推理与智能体系统（agents）。她的研究成果已发表于ICML、ICLR、ACL、EMNLP、KDD等国际顶级会议。

报告题目：SkillOS：基于强化学习的自演化智能体技能策动学习框架

报告简介：大语言模型 (LLM) 智能体正越来越多地应用于长程 (Long-horizon) 和流式环境中。在这些场景下，智能体的性能不仅取决于当前任务的完成质量，还取决于其从过往经验中持续学习的能力。近期研究表明，“技能” (Skills) 是外部存储器的一种有效形式，但现有的基于技能的智能体大多将其视为静态资源，忽视了技能随时间演化与管理的重要性。针对这一问题，我们提出了自演化框架 SkillOS，将“技能管理”建模为独立的学习任务。该框架通过解耦智能体执行器与可训练的技能管理器，利用经验驱动的强化学习算法优化技能库的插入、修订及删除决策；实验证明，SkillOS在多项任务中显著优于传统存储基准，不仅实现了更精准的技能调用，更使智能体在持续演化中自发形成了高层级的元技能，为构建具备自我进化能力的智能体提供了新路径。

王雨桐

哈尔滨工业大学（深圳）博士生

嘉宾简介：哈尔滨工业大学（深圳）三年级硕博连读研究生，导师为张民教授。研究方向主要包括大模型智能体系统设计和高效推理优化、机器翻译等。在ACL、ICLR、EMNLP等顶级学术会议中发表论文六篇，曾获博士研究生国家奖学金等多项荣誉。

报告题目：全生命周期视角下的多智能体系统协同进化

报告简介：近年来，基于大语言模型的多智能体系统在复杂任务解决中展现出巨大潜力，但其性能高度依赖于系统架构的精细设计。本报告立足于全生命周期视角，涵盖了从角色初始化，交互策略优化，到离线拓扑设计，再到在线信息治理的完整链路，系统性地探讨了多智能体协作的多种优化路径。在角色初始化阶段，提出了 AgentInit 框架，通过多样性与专业性的帕累托最优协同编排，从源头解决了初始团队配置中的角色冗余与能力失配问题；在交互策略优化阶段，利用 MASPO 实现了多智能体 Prompt 的联合自适应进化，通过联合评估机制有效对齐了局部代理目标与全局系统目标；在离线拓扑设计阶段，探讨了 AgentDropout 机制，利用动态剪枝策略优化通信图的邻接矩阵，在离线架构层面大幅提升了 Token 效能与协作性能；在在线信息治理阶段，引入了 AgentDropoutV2 框架，作为一种测试时的动态“防火墙”，通过错误驱动的指示器池对信息流进行实时截断与纠错。本研究通过这一系列贯穿全生命周期的优化工作，不仅为构建高效、鲁棒的多智能体系统提供了全栈式思路，也为未来自适应群体智能的发展奠定了理论与工程基础。

关于我们