【活动预告】CNCC 2025 | 第二届“多智能体协同与博弈”论坛——大模型赋能的多智能体系统

魏巍，CCF杰出会员，三晋英才—青年优秀人才，山西大学教授、计算机与信息技术学院副院长。长期从事数据挖掘、机器学习、无人系统等方面的研究。先后主持和参与国家重点研发计划项目、国家自然科学基金重点项目、国家自然科学基金面上项目、山西省自然科学基金项目10余项。重点围绕表示学习、强化学习等领域的基础科学问题开展系统研究，先后在《IEEE TPAMI》《IEEE TKDE》《Machine Learning》以及 NeurIPS、ICML、IJCAI、AAAI 等重要学术期刊会议发表论文50余篇，获国家发明专利6项。

梁吉业，CCF 会士，山西大学教授，校学术委员会主任。计算智能与中文信息处理教育部重点实验室主任，曾任山西大学副校长。现任教育部科技委人工智能与区块链专门委员会委员，CCF 人工智能与模式识别专委会主任。

高阳，CCF 会士，南京大学教授。江苏省人工智能学会常务副理事长，南京大学-中国移动联合研究院院长，南京大学健康医疗大数据国家研究院常务副院长。2009年入选江苏省“333高层次人才培养工程”第二批中青年科学技术带头人，2010年入选教育部新世纪优秀人才支持计划，所领导的南京大学人工智能推理与学习团队入选2019年度江苏省高等学校优秀科技创新团队，2022年入选江苏省军民融合领军人才和天池特聘教授计划。

报告题目：大模型赋能的多智能体医疗会诊

本报告以“大模型赋能的多智能体医疗会诊”为主线，面向真实医疗情境，从体系化视角回答如何组织、如何评测与如何落地。提出可复现的多智能体模拟会诊范式，概括集中式、去中心化、分层等拓扑下的安全与稳健性要点，并阐明多模态证据在协同推理中的作用与边界。目标是沉淀一套可审计、可对比、可迁移的方法与评测路径，支撑安全、透明、可扩展的智能会诊实践与持续演进。

胡清华，国家杰青，天津大学讲席教授，天津市机器学习重点实验室主任，天津市人工智能学会理事长。研究方向包括从事大数据粒计算、多模态学习、不确定性建模和自主机器学习，在IEEE-TPAMI、IJCV、IEEE TKDE、IEEE TFS等期刊以及NeurIPS、CVPR、IJCAI、AAAI等会议发表论文300余篇，论文被引用32000余次，曾先后获得国家重点研发计划项目、国家自然基金重点项目以及国防项目的资助。曾获黑龙江省自然科学一等奖、天津市科技进步一等奖和山西省自然科学一等奖。目前担任IEEE Trans. Fuzzy Systems，自动化学报等期刊的编委。

报告题目：大规模复杂任务的社会化学习

人工智能正在被应用于智慧城市、社会治理、智能驾驶、军事指挥等复杂场景，智能系统需要完成任务的复杂性在快速上升，包括任务的规模、多样性以及不确定性等多个维度。人类社会在处理复杂任务时，往往将复杂任务分解为一系列适合单个个体完成的子任务，并根据个体的能力进行分工合作。在人的学习过程中存在类似的行为，并且通过观察、交流和互动，实现共同成长，这一过程被称为社会化学习（Social Learning）。本报告将系统汇报人类群体的社会化学习机制，并把这一机制引入到机器学习，设计社会化机器学习框架，并从理论、算法和应用上给出社会化学习的具体方法。

童咏昕，北京航空航天大学计算机学院教授，博士生导师，国家杰青、优青基金获得者。2014年于香港科技大学获计算机科学与工程学博士学位，2015年入选北京航空航天大学“卓越百人计划”。主要研究方向包括：联邦学习、大模型的高质量数据精炼、时空大数据挖掘、向量数据库系统与智能体等。近年先后主持国家自然基金杰青项目、优青项目、重点项目、国家重点研发计划课题等。共发表学术论文百余篇，谷歌学术引用1.5万余次。曾获中国电子学会的自然科学一等奖（排名1）和首届青年科学家奖、首届阿里巴巴达摩院“青橙奖”、国际基础科学大会前沿科学奖、ACM KDD China青年科学家奖和多个国际一流学术会议/竞赛的最佳论文与冠军等奖励。牵头讲授的《算法设计与分析》课程获批国家级一流本科课程，并入选“2022年度高校计算机专业优秀教师奖励计划”；担任中国科技期刊卓越行动计划领军期刊《Frontiers of Computer Science》的执行编委、大数据领域CCF-A类期刊《IEEE TKDE》与《PVLDB》的编委、大数据领域重要国际会议DASFAA 2024会议的程序委员会主席(PC Chair)；也是CCF杰出会员和杰出讲者、CCF会员与分部工委副主任、CCF走进高校工作组组长。

报告题目：联邦智能计算：从大数据到大模型

在互联网公域数据的支撑下，GPT、DeepSeek等大模型快速发展。然而，如何激活互联网中占比90%以上的私域大数据，构建可发挥跨域大数据价值的联邦大模型，是进一步突破大模型数据瓶颈的关键。本报告首先从联邦数据库、联邦数据挖掘、联邦学习到联邦大模型技术分阶段回顾联邦计算的发展历程；然后，聚焦于联邦计算从大数据到大模型时代的范式转变，介绍联邦大模型的指令微调、检索增强生成与知识蒸馏等关键技术与开源系统；最后，报告将对该领域的未来发展进行展望。

兰旭光，国家杰青，西安交通大学教授，国务院学位委员会学科评议组成员。研究领域为计算机视觉、机器人学习、多智能体博弈及人机共融协作等。 担任中国自动化学会共融机器人专委会主任，中国认知科学学会理事、副秘书长，人工智能学会“认知系统与信息处理”专委会副主任。在人工智能与机器人领域的著名期刊和会议发表论文100余篇，获得国家发明专利授权30余项。主持国家自然科学基金重点、国家科技重大专项、科技创新2030——新一代人工智能重大项目10余项。担任国际期刊IEEE TNNLS等期刊编委。

报告题目：世界模型驱动的机器人自主作业与协同决策及应用

报告简要介绍具身智能的内涵和发展现状，特别是机器人在物理世界行为智能方面的进展和面临的挑战，并分析了具身智能的边界。提出了一种自我进化的具身智能框架，该框架以“感知-学习-想象-执行-反馈”一体化为核心理念，旨在实现更高效、更灵活的具身智能系统设计。构建了非结构场景基于视觉常识推理的机器人自主作业和持续学习方法，将多模态大模型融入人—机器人交互，使得机器人能够在动态非结构场景进行视觉常识推理，完成自主作业。还将介绍世界模型驱动的自举模型预测控制、想象引导决策大模型的多机器人自主协同方法，以及相关算法在航天、航空、物流等领域的应用。