CCMAS 2026 | 大模型智能体分论坛

题目：大模型智能体记忆系统的错误追踪与自主演化

摘要：随着大模型智能体逐渐从静态推理走向长期自主运行，记忆系统已成为支撑智能体持续交互、任务规划与经验积累的核心基础设施。然而，现有记忆增强智能体仍普遍缺乏有效的可观测性与调试能力。当智能体出现行为失败时，真实错误往往并非发生在当前步骤，而可能来源于数十轮之前的记忆写入、检索偏差、错误压缩、长期传播或记忆污染等过程。这种长程依赖与隐式传播机制使得现有日志与评测方法难以准确恢复错误因果链，导致记忆系统仍然处于“黑盒”状态。针对上述问题，本研究围绕“大模型智能体记忆系统的错误追踪与自主演化”展开，重点介绍面向长期运行智能体的记忆执行可追踪机制、错误归因方法以及基于反馈的自主演化框架。

简介：张宁豫，博士，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、中国电子学会-腾讯博士生科研激励计划、中国人工智能学会潜力清源学者、中国中文信息学会“博士学位论文激励计划”、浙江省青苗人才计划。

题目：SciMaster，你的 AI 科学家朋友

摘要：科学研究作为推动人类社会进步的核心驱动力，其效率提升对科技发展具有重要意义。人工智能技术在加速科学发现方面的探索，已成为实现通用人工智能的关键试金石。着眼于此，我们提出了全球首个通用科研智能体 SciMaster，旨在通过构建"搜、读、算、做、写"的完整科研闭环，显著提升科研工作效率。SciMaster 在OpenAI的顶级科学榜单 FrontierScience 中中首次突破50分，仅用数小时完成了人类物理学博士生需要数月才能实现的科研任务，展现了卓越的综合学术能力。本报告将重点阐述SciMaster 在文献检索、科研计算及学术写作等核心环节的技术实现与应用效果，为AI辅助科研提供新的解决方案。

简介：陈思衡，上海交通大学人工智能学院副教授，美国卡内基梅隆大学（CMU）博士，入选国家级人才计划青年项目，曾就职于UBER   ATG自动驾驶部门。承担了基金委原创探索项目、面上项目，科技部人工智能2030重大项目课题，上海市科委人工智能专项等科研项目。在Nature Computational Science, Nature Communications, Cell Patterns, T-PAMI, NeurIPS, ICML, ICLR, CVPR，ICCV，KDD等期刊和会议上发表了百余篇论文，谷歌引用一万余次。曾获得IEEE信号处理协会最佳青年作者论文奖，ASME结构检测协会最佳论文Runner-Up奖，2018 GlobalSIP会议最佳论文奖，三菱电机实验室总统奖等。担任了T-SIPN副主编，NeurIPS，ICML, AAAI等会议的领域主席。目前研究聚焦科研智能体。

题目：多模态自主进化智能体

摘要：Deep Research标志着我们在复杂信息综合与知识发现领域范式的转变。不同于传统问答系统，AI智能体如今作为自主决策者，能够跨越海量信息领域进行系统性网页探索、迭代推理与综合分析，这重塑了人机交互与协作模式。本报告将探讨现有多模态智能体系统还存在的可信-可控可进化问题，通过在角色定义、环境构建及行为训练塑造等多维度设计下，可显著提升现有基础模型在问题解析、工具调用与记忆存储方面的能力——这些能力甚至超越了GPT系列等现有最先进（SOTA）闭源模型的水平。

题目：Darwin-Agent：自主演进的Agent系统

摘要：Darwin-Agent是一个以"自主演进"为核心设计原则的Agent系统，目标构建"运行即进化"的闭环——让Agent在执行任务的过程中自动优化自身配置、策略与记忆，而非依赖人工调优。系统由四个深度耦合的子系统驱动：HarnessX提供可组合、可观测的执行框架，通过Meta-Harness机制实现"Agent改进Agent"的元优化自演化；Agent Memory构建多模态、跨设备、自演进的记忆架构，将记忆系统解耦为可独立进化的模块；Agent World Model提出面向Digital Agent的世界模型统一框架，揭示数字环境需要符号推理、视觉理解与语义建模的融合；Agentic RL结合HarnessX的结构化轨迹管线，将每次Agent调用转化为训练信号，形成"运行即训练"的数据飞轮。四个子系统共享模块化解耦、评测驱动、自动优化的方法论基底，组合构成完整的自主演进Agent系统。

简介：邵坤，小米大模型智能体研究负责人。主要研究方向为强化学习、多智能体系统和Agentic AI，以及相关技术在终端设备（手机、座舱、眼镜、手表等）上的应用。在Nature Machine Intelligence、NeurIPS、ICML、ICLR等发表论文50余篇，谷歌引用3000+次，出版学术专著1部，拥有国内外发明专利20余项。科技部2030重大项目子课题负责人，研究成果获北京市科学技术二等奖、AAMAS最佳系统论文奖，IEEE TETCI期刊杰出论文奖等荣誉。曾任华为伦敦研究所Agent团队负责人，获得最佳贡献个人奖，欧洲研究院院长奖，欧洲研究院杰出贡献奖等。

题目：大模型对齐中的奖励学习：稳定性与可识别性

摘要：强化学习中的奖励函数是决定智能体行为的核心因素，而奖励设计始终是制约其规模化应用的关键瓶颈。随着大模型的发展，这一问题在基于人类反馈或模型生成数据的对齐训练中愈发突出：如何从不完备、带偏差的偏好或行为数据中学习稳定、可泛化的奖励函数，成为当前大模型对齐的核心挑战之一。逆强化学习旨在从观测行为中恢复潜在奖励函数，是统一理解行为建模与偏好学习的重要工具。然而，在面向大模型这一高维复杂系统时，一个关键问题在于：基于有限观测数据所学习的奖励函数，其可识别性与可置信性缺乏系统性的理论支撑，从而影响对齐过程的稳定性与泛化能力。本报告围绕上述问题，系统介绍报告人在奖励学习与逆强化学习方向的一系列研究进展。具体而言，构建了具备单调改进性质与收敛性保证的奖励优化理论框架，为奖励推断与策略优化过程提供稳定性分析基础。在此基础上，该理论进一步拓展至大模型对齐场景，统一刻画 RLHF、偏好优化与基于模型生成数据的训练范式，为大模型中的奖励学习提供可解释、可控且稳定的优化机制。相关方法在提升偏好建模的泛化能力、缓解奖励退化问题以及增强训练稳定性方面展现出重要潜力。

简介：陈阳，上海人工智能实验室青年研究员。于奥克兰大学获得计算机科学博士学位，并在新南威尔士大学从事博士后研究工作。长期从事强化学习、模仿学习、多智能体系统及博弈论等方向研究。研究工作发表在 NeurIPS、AAAI、IJCAI、ACL、AAMAS 等人工智能知名国际会议上，研究成果构成了较为系统的“奖励–决策推理”研究框架，为大规模智能体系统的行为理解、策略预测与决策优化提供了新的基础视角。担任多智能体系统顶级国际会议AAMAS 2024的本地主席和AAAI Track主席，并长期担任 TMLR, ICML, NeurIPS, ICLR, AAAI, ACL, IJCAI 等人工智能领域顶级期刊和会议审稿人。