每月一谈|AI 如何学会合作 : 从多智能体学习到大模型群体行为

当人工智能进入交通网络、资源管理和人机协作等场景时，它们需要与其他智能体和人类共同决策。系统规模扩大、环境条件变化，或参与者利益不一致，都可能使合作变得困难。本期 ABCP “每月一谈”特别邀请伦敦国王学院人工智能方向副教授杜雅丽博士，围绕“可扩展、可泛化的合作式人工智能”，分享从大规模网络化系统中的强化学习，到开放环境中大模型智能体适应与合作的系列研究。

活动简介

合作是多智能体系统发挥作用的关键。在真实世界中，智能体通常只能获取局部信息，需要适应与训练阶段不同的环境，还要理解其他参与者的行为与目标。本次讲座将围绕一个核心问题展开：如何让智能体在规模扩大、环境与交互对象变化时，仍能有效学习与合作？

讲座首先介绍发表于《Nature Machine Intelligence》的网络化多智能体学习工作，讨论如何利用局部交互结构，在大规模系统中提高学习效率。随后结合 GSAC 方法，进一步探讨如何利用因果信息识别影响决策的关键因素，并通过少量交互适应新的环境条件，将学习能力拓展到训练条件之外。

在此基础上，讲座将把视角拓展到个体利益与集体利益存在冲突的社会困境。通过 SocialJax 及 OpenSocialJax 的研究进展，介绍如何高效研究合作行为，并考察大模型智能体能否在陌生环境中通过反复交互发现隐藏规则、调整策略，同时适应其他智能体的行为。以共享资源和环境维护等场景为例，讲座将进一步讨论：更好地理解环境，是否就能带来持续的合作？

这些研究将局部交互结构、环境泛化与社会适应联系起来。讲座最后将讨论，哪些能力可以通过交互学习获得，哪些结构与激励需要在系统设计中加以考虑，以及合作式人工智能走向真实世界时仍面临的鲁棒性与安全问题。

活动参与方式

活动时间： 2026 年 11 月 18 日（周三）13:00–14:00（UK time, GMT）

活动方式：线上 Teams 平台会议ID：334 824 266 758 155

密码：kj9qs9uN

链接：https://shorturl.at/bP3rM

嘉宾介绍

杜雅丽博士现为伦敦国王学院人工智能方向副教授，并任阿兰·图灵研究所图灵学者（Turing Fellow）。她领导合作式人工智能实验室（Cooperative AI Lab），研究能够在复杂决策环境中学习、协作并与人类对齐的人工智能，主要方向包括大规模多智能体学习、人机协同与价值对齐。

她曾获 2023 年 AAAI 新教师亮点奖（New Faculty Highlights），入选阿卜杜拉国王科技大学（KAUST）人工智能新星（Rising Star in AI），其合作研究获 2026 年 Responsible AI UK 人工智能与机器人最佳研究论文奖。她现任《IEEE Transactions on Artificial Intelligence》副主编及《Autonomous Agents and Multi-Agent Systems》客座编辑，并在 NeurIPS、ICML、ICLR、AAMAS 等国际主要人工智能会议担任领域主席、高级领域主席及组织职务。

个人主页：yalidu.github.io

主持人

Shujun Li 教授现任肯特大学（伦敦与东南大学集团）网络安全教授，同时担任 ABCP 人工智能与网络空间安全专业委员会联合主席（Co-Chair）及 ABCP VP for IT & Governance。

个人主页：https://www.hooklee.com/

本期活动将结合网络化系统与大模型智能体的具体案例，讨论 AI 如何在陌生环境中学习、适应并与其他参与者合作。欢迎对人工智能、多智能体系统、人机协同及群体行为研究感兴趣的师生与研究人员参加交流。