专题论坛 | 大模型与AIGC的协同创新&大模型时代的具身智能

论坛日程

报告题目：智能体的革命：聚焦核心要素与能力演进

报告摘要：当前，大模型智能体技术正在经历一场深刻的范式变革。这一变革以三大核心要素为支撑：信息组织的统一化架构、系统设计的模块化范式以及行为能力的自主化机制。基于这些基础性突破，智能体系统实现了向高阶能力的演化：流程自动化效能的显著提升；交互式信息获取与智能决策的协同优化；知识体系的动态积累与诱导式演进。这种多维度的能力跃迁形成了自我强化的正向发展循环。此次技术革命不仅从根本上拓展了智能体的能力边界，同时凸显出关键性技术挑战与未来演进路径。同时，它也为人机协同范式创造了全新的可能性空间，将推动智能系统与应用生态的范式升级。

报告题目：大小模型协同驱动的人体行为生成

报告摘要：在公共安全场景中，人体行为生成已成为支撑风险推演、数据合成与人机交互的重要能力。然而，其实际应用仍面临诸多挑战，如训练成本过高，细粒度建模能力不足、以及生成结果缺乏常识合理性等。同时，在分布式环境下，大小模型协同训练又受到算力差异、网络条件不均和通信开销的限制。为此，本报告将围绕大小模型协同驱动的人体行为生成展开，重点介绍课题组近年来在资源不均条件下的大小模型协同、通信成本受限下的协同训练、低计算开销下的时空建模行为生成、大小模型协同的细粒度行为建模和符合常识约束的行为生成等方面的研究进展与技术方案。

舒祥波，南京理工大学计算机学院/人工智能学院/软件学院副院长、教授，社会安全信息感知与系统工信部重点实验室副主任。研究方向为人体行为计算，在TPAMI、CVPR、ICCV、NeurIPS、ICLR、MM等期刊/会议上发表论文100余篇，其中ESI高被引论文8篇；获中国电子学会自然科学一等奖、ACM MM 2015最佳论文提名、MMM 2016最佳学生论文奖、江苏省优博、中国人工智能学会优博、2024年度江苏自然科学百篇优秀学术成果论文；入选全球前2%顶尖科学家（2021-2025年）；主持国家重点研发课题、国家自然科学基金仪器项目课题、国家自然科学基金优青/面上/青年项目、江苏省杰出青年等项目。担任CSIG青工委副秘书长，以及TNNLS、TCSVT、TIFS、Pattern Recognition等期刊编委。

报告题目：网络虚假新闻的演化、传播与检测方法研究

报告摘要：随着人工智能技术的高速发展，借助AI生成式方法，人工智能生成了大量虚假新闻，该现象已经成为网络时代的一大痛点。AI生成的内容还将借助社交媒体平台，进行病毒式传播。如何应对虚假新闻泛滥已成为全球技术人员的共同挑战。本次报告将基于大语言模型范式进行研究，通过多智能体框架，探讨针对网络上虚假新闻的演化与传播分析，以及设计相应的检测方法，为应对该乱象的社会挑战，提出初步的思路与解法。

严睿，国家高层次青年人才计划入选者，武汉大学人工智能学院教授，博士生导师。曾先后就职于北京大学王选所，中国人民大学高瓴人工智能学院，百度公司等。入选北京智源人工智能研究院青年科学家，微软亚洲研究院铸星学者，中国人民大学杰出学者。发表论文100余篇，引用1.8万余次，主要研究方向为自然语言处理，文本挖掘与检索，人工智能大模型。多次担任多个顶级学术会议的领域主席/资深审稿人，也多次受邀于多个顶级学术会议宣讲Tutorial报告。

报告题目：基于黑盒交互的大模型高级推理能力探究

报告摘要：现有任务在评估大模型（LLMs）在交互式未知环境中的推理能力方面存在不足，导致对演绎推理、归纳推理和溯因推理的评估相互孤立，忽视了人类探索现实世界所必需的整合式推理过程。我们提出了一种新的评估范式 ——黑盒交互。黑盒由一个隐藏函数定义，该函数可将特定输入集合映射为输出。要求大模型在给定的探索轮次内与黑盒交互，并通过对观察到的输入-输出对进行推理，逐步揭示黑盒背后的隐藏函数。基于这一思路，我们构建了Oracle基准测试集，并对19个主流大模型进行了测试，实验表明，所有大模型都面临一个共性难题：它们缺乏高层规划能力，无法制定高效、自适应的探索策略以优化假设。

李丕绩，南京航空航天大学人工智能学院教授，博士生导师，智能科学技术系主任，南航长空学者，中国商飞大飞机创新谷客座科学家。香港中文大学博士，曾任腾讯AI Lab自然语言处理中心高级研究员。研究方向包括大模型、具身智能等。曾经在相关领域顶级会议如ACL、EMNLP、SIGIR等发表学术论文100余篇。多次受邀担任ACL、AAAI、IJCAI等会议的资深领域主席。在工业界工作期间负责了多个语言理解、文本生成和智能对话相关重要项目的算法研发和产品发布，有丰富的科研落地实践经验。主持或参与国家自然科学基金、基础研究计划、CCF-百度松果基金、CCF-腾讯犀牛鸟基金（优秀项目）、CCF-智谱大模型基金等项目，获CCF-NLP青年新锐学者奖等荣誉。

报告题目：从高效训练到精准对齐：大模型长上下文能力构建

报告摘要：大模型的长上下文处理能力在RAG、智能体、多轮交互等场景具有重要的价值。然而，近期的探索发现当前模型在处理长输入时依然面临诸多挑战，包括：1）模型“过度关注”无关和噪声上下文；2）多阶段对齐训练进一步强化 “无关上下文-生成结果”的错误关联模式，导致生成结果不忠实于上下文输入和指令。本次报告计划从：数据高效的上下文自适应稀疏性训练、面向长上下文的奖励建模和对齐优化介绍大模型长上下文能力构建的技术经验。

李俊涛，苏州大学计算机科学与技术学院青年特聘教授，江苏省数据智能与先进计算省高校重点实验室副主任，中国中文信息学会“大模型与生成专委会”副秘书长，23年获得华为人才基金资助、入选中国科协“第九届青年人才托举工程、获得教育部-华为"智能基座"栋梁之师，2022年入选微软亚洲研究院2022年“铸星计划”访问学者。2020年于北京大学获得博士学位，近三年（23-25）以一作和通讯在TPAMI、NeurIPS、ICLR、ICML、ACL等CCF/清华-A类顶级会议和期刊上发表论文50余篇，获得NLPCC-2024 Outstanding Paper Award。主持字节、CCF-腾讯犀牛鸟/百度松果、华为、东吴证券等横向项目多项，构建了从大模型Infra到能力调优的技术体系，在金融等场景取得了规模化应用，取得较大的经济社会效益。

报告题目：AIGC中的隐性知识采集与增强

报告摘要：以大模型为代表的生成式人工智能等新兴技术正在各行业被广泛应用，作为内容生成的重要领域，设计创作正迎来深刻的变革，在人才培养、学术研究、行业应用等诸多层面，机遇与挑战交织，亟待深入探索与应对。本报告将介绍同济大学设计创意学院在设计大模型方面的探索经验，包括如何采集、感知和积累包含显式/隐式、抽象/具象、直觉/逻辑等不同粒度、不同模态的设计知识，如何基于知识增强巩固单点功能、激发整体创意、在生成与呈现方面拉通学科和产业全链路，如何连接院校、专家、产业和消费者助力实现大规模、个性化的设计创作与产业创新。

王萌，同济大学副教授/博导、科学技术研究院副院长（青干计划），主要研究知识增强的大模型、设计大模型与智能体、多模态知识图谱等方向，联合上海机场集团、腾讯云教育团队等企业服务于国家重大战略需求、上海“航运中心”建设、以及上海“设计之都”建设，相关成果应用被中国交通运输协会评为科技进步一等奖、江苏省科学技术三等奖，示范应用案例登上《人民日报》头版头条。主持国家自然科学基金项目2项、上海市教委重点项目1项、其他省部级项目2项，参与国家自然科学基金、国家重点研发计划等国家级项目10余项，也是CCF-腾讯犀牛鸟基金、CCF-百度松果基金的获得者，研究成果发表论文100余篇，包括WWW、NeurIPS、ICML、KDD、ACM MM、AAAI、IJCAI等CCF-A类会议及《Nature Microbiology》等顶级期刊，曾获IEEE ICBK最佳论文奖、ISWC最佳学生论文提名奖。

报告题目：面向操作与导航的具身智能技术研究

报告摘要：机器臂操作与导航是具身智能领域关注研究的两个关键任务，它们共同决定了机器人在复杂环境中的交互操作与移动导航能力，本次报告将介绍机械臂在桌面级操控中的研究进展以及团队在机械臂长时序操控任务中的研究成果；此外，将汇报不同类型的导航任务以及目前主要的具身导航技术，同时介绍团队围绕主动语义建图以及语义目标导航的相关工作；最后对具身智能相关技术的未来发展方向探讨。

霍静，博士，南京大学计算机学院准聘副教授，博导，分别于2017年，2011年在南京大学计算机科学与技术系获得博士学位以及在南京师范大学强化培养学院获得学士学位。曾分别在英国曼彻斯特大学，香港大学等高校进行学术访问交流。2022年入选国家级青年人才项目，2018年获得江苏省计算机学会优博，2018年获得江苏省科学技术奖二等奖。研究方向为新型机器学习技术，包括生成式模型、小样本学习、强化学习及其智能感知与决策应用。主持国家自然科学基金面上基金、青年基金各1项，江苏省自然科学基金青年基金1项，参与国家自然科学基金重大项目1项，科技部2030新一代人工智能项目2项等。在相关研究领域的期刊会议发表论文70余篇，包括CVPR，ICCV，AAAI，IJCAI，ACM MM，TPAMI，TIP，TMM，TNNLS、TCYB、PR等。

报告题目：面向情感感知交互的基础模型训练与应用

报告摘要：情感要素作为人机交互中的重要感知环节，已成为具身智能向精准化、人性化发展的前提与基础。受限于情感表达的细微性、标注数据的稀缺性与个体行为的差异性，当前情感感知交互技术仍面临显著瓶颈。近年来，多模态大模型的迅猛发展为突破上述局限提供了新机遇，但现有模型尚难以理解情感表达中微妙、动态的多模态线索，限制了情感感知交互的应用成效。在本次报告中，我将介绍研究组今年在该方向的两项新进展，分别是跨模态视觉语言对齐的情感识别与细微运动感知增强的基础模型构建，进而介绍依托多模态预训练技术的抑郁检测应用。

徐童，中国科学技术大学特任教授、博士生导师，中国中文信息学会青年工作委员会主任，国家优秀青年科学基金获得者。研究领域为多模态知识发现与人机交互。发表中国计算机学会推荐A类期刊/会议论文80余篇。获6项国际学术会议论文奖项，指导学生获国内外学术竞赛/测评冠军10余项。获安徽省科技进步二等奖。

报告题目：具身赋能机器人多模态感知与社会交互研究

报告摘要：本研究探讨具身智能驱动的移动机器人在复杂环境中的智能感知与社会交互能力，通过具身认知框架，实现机器人从环境理解到人机协作的闭环，为服务机器人、智慧城市等场景提供自主化、人性化解决方案，进一步推动机器人在开放世界中的适应性交互与智能决策水平。

迟文政，苏州大学教授、博导，IEEE Senior Member，江苏省“333工程”第三层次人才，江苏省科协青年托举人才，苏州大学优秀青年学者。博士毕业于香港中文大学，期间赴日本东京大学交流访问，2018年加入苏州大学机器人与微系统中心。长期深耕具身智能与机器人领域，主攻机器人运动规划及人机交互技术，主持国家重点研发计划课题、国家自然科学基金面上项目/青年基金等国家级项目4项、省部级项目3项。以第一/通讯作者身份发表SCI/EI论文50余篇，包括ESI高被引论文 2 篇、中科院一区TOP论文 10 篇；授权国家发明专利 20 余项，授权美国发明专利 1 项、PCT 2 项，获得2024中国自动化学会高等教育教学成果二等奖、2021江苏省自动化学会科学技术二等奖、2025 IEEE ICIA最佳学生会议论文奖、2016/2021IEEE RCAR最佳学生会议论文奖等，相关技术已成功应用于机器人及智能装备领域。

报告题目：RLinf-VLA: A unified and efficient framework for VLA+RL training

报告摘要：Recent progress in vision and language foundation models has significantly advanced multi-modal understanding, reasoning, and generation, inspiring a surge of interest in extending such capabilities to embodied settings through vision-language-action (VLA) models. Yet, most VLA models are still trained with supervised fine-tuning (SFT), which struggles to generalize under distribution shifts due to error accumulation. Reinforcement learning (RL) offers a promising alternative by directly optimizing task performance through interaction, but existing attempts remain fragmented and lack a unified platform for fair and systematic comparison across model architectures and algorithmic designs.

To address this gap, we introduce RLinf-VLA, a unified and efficient framework for scalable RL training of VLA models. The system adopts a highly flexible resource allocation design that addresses the challenge of integrating rendering, training, and inference in RL+VLA training. In particular, for GPU-parallelized simulators, RLinf-VLA implements a novel hybrid fine-grained pipeline allocation mode, achieving a 1.61x-1.88x speedup in training. Through a unified interface, RLinf-VLA seamlessly supports diverse VLA architectures (e.g., OpenVLA, OpenVLA-OFT), multiple RL algorithms (e.g., PPO, GRPO), and various simulators (e.g., ManiSkill, LIBERO). In simulation, a unified model achieves 98.11% across 130 LIBERO tasks and 97.66% across 25 ManiSkill tasks.

Beyond empirical performance, our study distills a set of best practices for applying RL to VLA training and sheds light on emerging patterns in this integration. Furthermore, we present preliminary deployment on a real-world Franka robot, where RL-trained policies exhibit stronger generalization than those trained with SFT. We envision RLinf-VLA as a foundation to accelerate and standardize research on embodied intelligence.

于超，博士毕业于清华大学电子工程系。研究方向为决策智能。迄今以第一/通讯作者在顶级国际会议和期刊发表论文40余篇，谷歌学术总引用4000余次。其中，以第一作者发表于NeurIPS 2022的多智能体强化学习算法MAPPO论文引用逾2000次，是该领域近5年来最高被引论文。曾获清华大学优秀博士毕业生、优秀博士论文、优秀硕士论文、2024年度中国智能体与多智能体系统优秀博士论文提名奖、国家奖学金等荣誉。博士后期间入选清华大学“水木学者”计划、电子系“传信未来学者”计划；获张克潜冠名博士后资助及博士后国资计划资助；主持国家自然科学基金青年项目、博士后基金特别资助与面上项目。

报告题目：多模态具身通用机器人在制造业领域创新探索

报告摘要：本次报告旨在介绍具身智能技术最新技术进展，分析其阶段性发展趋势，同时针对行业里最关键的数据问题进行相关论证和介绍，且结合实际制造业领域相关探索阐述聆动公司当前在具身智能+制造领域应用探索相关的最新进展。

季超，中国科学技术大学博士，高级工程师，安徽省人工智能领域战略咨询专家，合肥市高层次人才，中关村智友研究院智库专家，安徽聆动通用机器人科技有限公司创始人兼CEO，科大讯飞机器人首席科学家，中国科学技术大学人形机器人研究院院长助理，中科大少年班人形机器人英才班企业导师，香港中文大学AIRS学院学术导师。TC591 WG2副组长，AIIA具身智能工作组副组长，MIIT TC1 WG6具身智能工作组成员。在科大讯飞期间长期从事AI智能硬件，机器人与具身智能关键技术研发及产业化，累计营收达数亿元。关键技术领域涉及人机交互、具身智能、机器人强化学习等未来产业方向，公开发表国内外顶级期刊论文及专利20余项，以第一作者身份连续2年荣获机器人权威国际会议最佳论文奖，卓越期刊封面文章，JCRQ1顶级期刊论文。主持及参与国家基金委、科技部、省部级等科研项目多项，积极推动多模态具身模型和机器人的科技成果转化；担任主答辩人参加国家工信部人形机器人揭榜挂帅项目答辩并带领团队获得第一名；2021年带队发布国内首个面向人形/四足机器人的国产化端侧控制器，并累计数万台出货，直接赋能国内人形机器人头部企业；2022年带队发布国内首个基于多模态强化学习的四足机器人，运动性能对标国际领先水平；2023年带队发布全球首款集成国产星火认知大模型的具身智能人形机器人，实现业界首次“大脑-小脑-本体”全链路拉通；24年底正式成立安徽聆动通用机器人科技有限公司，致力于让机器人“能理解，会思考，能干活”，通过具身智能赋能传统制造业升级，助力真实场景实现劳动力升级，打造新一代高端制造柔性生产力。公司于2025年Q2发布行业首款面向具身制造领域的数据采集-模型训练-推理部署一体化的LDT01具身智能采训推机器人，并入驻合肥机器人训练场已开展数月训练，其泛化抓取基础模型成果被国际计算机视觉顶级学术会议CVPR收录。目前已面向汽车、物流、3C等领域推动具身智能+智能制造落地应用，与行业内多家头部客户达成战略合作。

深度参与起草并发布了《服务机器人性能测试方法》、《腿式机器人性能及试验方法》、《机器人自适应能力技术要求》等多项国家标准，联合中国信通院发布具身智能标准体系及技术规范，首次定义了机器人自适应能力并详细阐述其技术要求，是继工业机器人、协作机器人之后，又一细分领域的基础性标准，填补了该领域的标准空白。

报告题目：具身大小脑操作框架与具身大脑模型构建

报告摘要：智源研究院发布首个跨本体具身大小脑协作框架RoboOS与开源具身大脑RoboBrain，可实现跨场景多任务轻量化快速部署与跨本体协作，推动单机智能迈向群体智能，为构建具身智能开源统一生态加速场景应用提供底层技术支持，为主流本体提供一站式大小脑部署流程，提供即插即用解决方案。

王鹏伟，北京智源人工智能研究院具身智能大模型负责人、目前主要负责具身大脑大模型RoboBrain以及大小脑框架RoboOS，研究方向是具身智能、多模态大模型、深度学习、自然语言处理和机器学习等方向，曾就职于阿里巴巴达摩院以及快手科技大模型中台部门，主要负责大规模语音语义一体化等多模态交互系统以及多模态预训练项目，具有丰富的多模态大模型、文本大模型以及机器智能等产学经验。