专题论坛 | 大模型时代的知识推理&大模型情感智能

会议注册

论坛日程

报告题目：基于大模型的需求理解、推断和规约

报告摘要：软件研发的瓶颈是需求开发，需求开发的困难来自利益相关者意图的的不确定性和沟通的复杂性。大语言模型展现出在意图理解、决策推荐和应对不确定性等的优势，为解决需求开发的困难带来契机。本报告通过介绍在基于大模型的需求开发任务上的尝试,揭示大模型在推动需求开发自动化上的潜力。在此基础上，本报告进一步分析大模型在系统级需求开发上面临的诸多挑战，比如系统性理解、约束感知的推理决策、以及需求可实现性确保等，最后展示在知识驱动的多Agent需求开发自动化上的探索。

金芝，CCF / IEEE / AAIA会士，北京大学教授，武汉大学弘毅客座特聘教授。研究方向为软件需求工程方法学、智能化软件工程和知识工程。曾获高等学校科学研究优秀成果奖(科学技术) 科技进步奖一等奖，CCF科学技术奖技术发明一等奖，CCF夏培肃奖，中创软件人才奖等奖项。

报告题目：智能始于记忆-MemOS与知识图谱的融合创新

报告摘要：本报告将系统梳理大模型能力跃迁的路径，重点探讨记忆增强技术如何与知识图谱相结合，推动人工智能在知识组织、语义推理与应用落地上的新一轮变革。报告将分析大模型应用范式的演进——从提示词工程、上下文工程，到我们原创性提出并积极推动的“记忆工程”，并重点解析MemOS在支撑知识图谱动态更新、结构化信息管理及产业级应用中的核心价值。结合记忆张量团队的最新实践，报告将介绍MemOS的分层记忆管理与多粒度调度机制如何与知识图谱深度融合：一方面，明文记忆、激活记忆与参数记忆三类记忆协同运行，使模型能够将交互信息沉淀为可溯源、可验证的知识单元；另一方面，借助多级缓存与预测驱动的主动调度，MemOS能够在合适的时间检索和利用知识图谱中的语义关联，从而显著提升知识调用的效率与推理的准确性。此外，报告将展示MemOS与知识图谱在金融、工业、教育等领域的实证应用成果，并分享其在开源生态（OpenMem社区）建设中的最新进展。最后，将展望产业与学术协作的前沿方向，探讨如何通过融合创新，推动AI记忆建模与知识图谱的协同发展，为人工智能的下一次能力跃迁奠定基础。

熊飞宇，华中科技大学本科，美国Drexel University博士，记忆张量（上海）科技有限公司创始人兼CEO，上海算法创新研究院大模型中心负责人。长期专注于基本原理驱动的系统性创新，以“低成本、低幻觉、高泛化”为核心，探索适合中国国情的大模型发展和AI应用落地的新路径。自主研发基于记忆分层架构的“忆³”和记忆操作系统MemOS，已实现商业化落地，业绩稳健增长，获得招商证券、中国银行、中国电信等头部国央企认可。曾任阿里巴巴集团业务中台数据智能负责人、淘宝天猫集团数据平台负责人，成功构建国内首个千亿级数字商业知识图谱及知识交互的零售行业大模型，荣获浙江省科技进步奖等多个奖项，并在人工智能顶级会议和期刊发表多篇学术论文。

报告题目：大模型知识机制

报告摘要：知识是自然语言处理的基石，近年来大模型展现出了强大能力，但其背后知识机制却仍旧不明，极大制约了大模型的改进和应用。本报告介绍课题组在大模型语言知识机制方面的一些探索，如多语言知识在大模型中的形成、迁移、演化和影响，同时对大模型、语言与知识的关系进行探讨。

韩先培，中科院软件所研究员、博士生导师、中文信息处理实验室副主任，主要研究方向大模型、知识工程和自然语言处理，承担战略先导计划、AI2030、国家重点研发计划等十余项课题。在ACL、NeurIPS、ICLR、SIGIR等重要国际会议发表论文60余篇，论文入选EDBT25最佳论文奖亚军、ACL24领域主席奖、SIGIR、AAAI和ACL等重要会议的年度最具影响力论文。成果应用于阿里Qwen大模型、百度PaddleNLP套件、小米小爱音箱等互联网需求，落地于北京冬奥、中船、兵器等国家需求。入选国家优青、中国科协青年人才托举计划及北京智源青年科学家，担任中国中文信息学会理事及语言与知识计算专业委员会副主任，获中国中文信息学会青年创新奖一等奖及科学技术奖一等奖。

报告题目：与大语言模型相结合的知识图谱问答研究

报告摘要：知识图谱问答（KBQA）旨在通过自然语言与结构化知识库交互为用户提供精确答案，在大语言模型迅速发展的背景下，将大模型强大的生成与推理能力与知识图谱结合成为提升问答系统可解释性与准确性的关键方向。本报告将介绍知识图谱问答方面的一些近期工作，这些工作表明，大模型与知识图谱的结合能够有效克服传统KBQA在逻辑形式生成、语义对齐和执行效率上的瓶颈，推动问答系统向着更高的智能化、可解释性与实用性发展。

宋丹丹，北京理工大学计算机学院长聘教授，博士生导师，国家级青年人才，人工智能教学研究中心主任，中国自动化学会智能自动化专业委员会副主任。分别于2004年和2009年在清华大学计算机系获得学士和博士学位，2015年-2016年斯坦福大学访问学者。曾入选北京市青年英才、微软铸星计划学者等。主要研究人工智能、自然语言处理、知识挖掘等方向，相关研究成果发表在Nature子刊、ACL、SIGIR、IJCAI、AAAI等顶级期刊与会议，并获军队科技进步奖等奖项。

报告题目：迈向自主深度研究智能体（Towards an Autonomous Deep Research Agent）

报告摘要：本报告聚焦于 “如何训练一个深度研究智能体（deep research agent）” 这一核心问题，探索构建具备自主研究能力的智能系统的路径与方法。自主研究智能体需模拟人类研究者的核心能力，包括任务拆解、信息检索、逻辑推理、结果合成及迭代优化等，而实现这一目标的关键在于解决 “如何高效获取外部知识”“如何平衡内部推理与外部探索”“如何确保开源环境下的可扩展性与鲁棒性” 等核心挑战。报告相关内容包括团队在deep research上的近期工作，包括且不限于WebWalker, WebDancer, WebSailor, ZeroSearch等。

蒋勇，阿里巴巴通义实验室高级算法专家，博士毕业于中国科学院大学和上海科技大学，加州大学伯克利分校访问学者，从事大模型相关的技术研发。目前在国际顶级会议ACL/EMNLP/NAACL/ICLR等发表50多篇论文，在多个国际比赛摘取20个子赛道的冠军，并连续获得SemEval 2022、SemEval 2023最佳系统论文奖、ACL 2023杰出论文奖、NLPCC 2024杰出论文奖，曾任ACL Rolling Review、IJCAI的领域主席，当前研究方向包括检索增强RAG和Agent相关技术。 

报告题目：从检索到记忆：基于认知启发式的知识图谱记忆探索

报告摘要：如何让大语言模型高效地融合与动态更新世界知识，是当前人工智能领域面临的核心挑战之一，尤其是在新信息不断涌现和模型复杂度日益增长的背景下。记忆是人类智能的基石，它通过一个三阶段过程实现持续学习：（1）编码，将外部刺激转化为有意义的表征；（2）存储，在长期记忆中对这些表征进行组织和巩固；（3）检索，提取存储的信息以支撑推理、抽象和联想。因此，通过模拟人类记忆机制，我们可以设计出大语言模型与知识图谱协同工作的混合系统。此类方法利用大语言模型进行编码，并借助知识图谱进行结构化存储和基于图的检索，为实现知识的内化与持续更新提供了一条有效路径。本次分享将聚焦于知识图谱增强大语言模型的前沿进展，探讨如何借助这种认知科学启发式范式实现鲁棒、动态的知识适应。最后，我将分享我们团队在知识表示、Agentic Memory等方面的相关工作。

李东方，哈尔滨工业大学（深圳）计算机科学与技术学院副教授，主要研究方向是大模型基础理论和学习方法。在NeurIPS、ACL、AAAI、TASLP等CCF-A/B类会议期刊发表论文二十余篇，担任ACL、EMNLP、AAAI等国际会议领域主席、程序委员会委员，中国中文信息学会大模型与生成专委会委员，获得深圳优秀科技学术论文奖，华为难题揭榜火花奖、腾讯犀牛鸟精英人才，哈工大（深圳）优秀A类博士后。主持国家自然科学基金青年，广东省自然科学基金面上、青年等多项国家级、省市级项目。

吴天星，东南大学计算机科学与工程学院长聘副教授、院长助理、博士生导师，江苏省“双创博士”、江苏省“科技副总”。研究方向为知识图谱、知识表示与推理、大语言模型、人工智能应用等，担任中国中文信息学会语言与知识计算专委会、大模型与生成专委会委员，中国计算机学会信息系统专委会、自然语言处理专委会执行委员，CCF YOCSEF南京24-25年度主席，国际著名期刊International Journal on Semantic Web and Information Systems、Data Intelligence编委。曾先后在SIGMOD、AAAI、ICDE、IJCAI、SIGIR、MM、IEEE TKDE等会议和期刊发表论文70余篇，编写专著章节2篇，10余项国家发明专利获得授权，曾获江苏省计算机学会优秀博士学位论文奖，SIGIR 最佳短文提名，CCKS、WISA最佳论文奖，OpenKG 年度优秀资源奖。主持国家自然科学基金面上项目1项、青年项目1项。作为主要负责人之一研发面向重大慢病健康管理的大语言模型蜻蜓、不确定性知识图谱推理工具unKR等。长期担任多个国际著名会议的领域主席、（高级）程序委员会成员，包括AAAI、IJCAI、ACL、NeurIPS、SIGKDD、WWW、ICML、ICLR等。

13:30-14:10

抑郁症识别与隐私保护在情感大模型建设中的思考

姚鸿勋教授（哈尔滨工业大学）

14:10-14:50

共情叙事：智能媒体时代国际传播叙事策略与效果研究

张伦教授（北京师范大学）

14:50-15:30

情感计算与智能艺术

牟伦田副教授（北京工业大学）

15:30-16:10

非侵入脑机接口大模型初探

赵莎研究员（浙江大学）

16:10-16:50

多模态信号处理与情感计算大模型在精神健康诊断中的应用研究

罗兆杰副教授（东南大学）

16:50-17:30

专题研讨

主持：魏忠钰副教授（复旦大学）

特邀嘉宾：

罗兆杰副教授（东南大学）

牟伦田副教授（北京工业大学）

姚鸿勋教授（哈尔滨工业大学）

张伦教授（北京师范大学）

赵莎研究员（浙江大学）

报告题目：抑郁症识别与隐私保护在情感大模型建设中的思考

报告摘要：抑郁症特征与隐私保护是耦合在一起的，它在情感认知模型的建设上是有冲突的，需要构建可兼顾精准性与安全性的创新范式。我们将从融合了语音、文本、视觉生理信号（如EEG、眼动数据）及行为特征（如运动轨迹、社交互动）的多模态情感大模型中，反向解耦特征，在保护用户隐私的同时提升模型的准确判别率及泛化性，并证明其正确性和科学性。

姚鸿勋，哈尔滨工业大学计算学部长聘教授，黑龙江省政府特殊津贴专家，教育部“新世纪优秀人才"，中国图象图形学学会常务理事/情感计算与理解专业委员会主任。主要研究领域为计算机视觉智能、多媒体数据分析与理解、情感计算、智慧农业等。已发表ICCV，CVPR，ACM MM 等顶级国际会议及IJCV，TPAMI，TIP，TMM 等高影响因子国际期刊文章学术论文300 余篇，H 指数>50，Google 引用量12000+，入选全球人工智能TOP 2000 学者榜单。第一届国际ACII情感计算与智能交互大会智能大会共同主席，第一、二、三届CEI情感智能大会共同主席，主持国家自然基金重点项目、国家科技重大专项课题等，获国家及省部级自然科学奖项4 项，获中国计算机专业优秀教师奖(2021)，已培养学生成为“国家级高层次人才”、“国家级青年人才”等5名。

报告题目：共情叙事：智能媒体时代国际传播叙事策略与效果研究

报告摘要：人工智能技术已广泛应用于数字人、视频配音等国际传播场景中。“共情”作为提升国际传播效果的重要策略，其叙事引发受众共情的情感机制仍需进一步探讨。本报告综述“情绪即社会信息模型”（Emotions as Social Information Model，EASI）等相关理论，重点分析情绪作为叙事文本关键要素的作用机制，并探讨情绪在中国国际传播叙事策略中的应用潜力与实践路径。

张伦，北京师范大学新闻传播学院教授，中国新闻史学会智能与计算传播专委会副理事长。入选国家“万人计划”青年拔尖人才，北京师范大学仲英青年学者。主要研究方向为基于计算方法的新媒体信息传播。于SSCI、SCI以及CSSCI索引期刊发表论文60余篇；合著出版《计算传播学导论》（北京师范大学出版社，2018年、2023年）、《社交网络上的计算传播学》（高等教育出版社， 2015年）等书。承担了国家社科基金一般项目、青年项目、教育部人文社会科学青年项目等多项科研项目。

报告题目：情感计算与智能艺术

报告摘要：驾驶员的心理健康状态对驾驶安全尤其重要，本报告将首先介绍课题组在驾驶员压力、疲劳、情绪、分心综合健康检测与个性化心理健康导航上的研究与探索。其次，本报告将介绍我们在基于情感与回忆的个性化音乐推荐与音乐生成（MemoMusic）方面的研究进展。最后，将探讨中华美学基因库（洛神赋智能创作系统2.0）项目中大模型技术与审美文化的融合方法。

牟伦田，北京工业大学信息科学技术学院、北京人工智能研究院副教授、硕士生导师。中国科学院大学博士，北京大学博士后，加州大学欧文分校（UCI）访问学者。研究方向主要为人工智能、机器学习、多媒体计算、情感计算、智能艺术、类脑计算等。主持或参与国家项目十余项。获中国公路学会技术发明一等奖、北京市科技进步二等奖。从事多媒体技术标准制定20年，牵头制定获颁国家标准4项、国际标准3项，4次获得AVS产业技术创新奖（包括AVS十五周年个人突出贡献奖），3次获得IEEE标准制定突出贡献奖，并因标准技术获得社会机器人学领域顶会ICSR最佳论文奖。主编出版智能艺术领域国际首部技术专著。获授权国际专利4项（美、欧、日、韩）、国家专利3项。担任知名国际期刊MIR、TAI客座编辑；担任TPAMI、TIP、TAFFC、TMM、TNNLS、THMS、TCSVT、TITS、CVPR、AAAI等二十多个重要国际期刊和国际会议的审稿人。中国计算机学会高级会员、多媒体专委会执行委员；中国图象图形学学会高级会员、多媒体/类脑视觉/情感计算与理解专委委员；中国人工智能学会艺术与人工智能专委委员；北京美术家协会实验艺术与科技艺术委员会委员；全国信息技术标准化技术委员会多媒体分委会委员；数字音视频编解码技术标准工作组（AVS）系统组联合组长；MPEG中国代表团专家；IEEE高级会员、ACM会员。第一届CSIG情感智能大会组织委员会主席。IEEE人工智能与艺术创作国际研讨会（IEEE AIART）创始主席。

报告题目：非侵入脑机接口大模型初探

报告摘要：非侵入式脑机接口依托安全无创的脑观测技术，构建了大脑与外部设备之间的直接通信通路，在情绪识别、心理状态评估与干预等应用中展现出重要潜力。近年来，受大语言模型技术路线的启发，非侵入脑机接口大模型逐渐成为新兴研究方向，其核心在于从多源脑数据中学习统一的神经表征，以缓解由个体生理差异、设备异构性与环境多变所引起的情感解码泛化难题。本报告将系统介绍我们在非侵入脑机接口大模型构建方面的初步探索与实践进展，并进一步讨论当前面临的核心难点与未来发展的关键挑战。

赵莎，浙江大学计算机学院/脑机智能全国重点实验室研究员，博士生导师。CCF普适计算专委副秘书长。研究方向为脑机接口、人工智能，聚焦无创脑信号解码与闭环调控等研究。发表高水平论文50余篇，获得最佳论文/封面文章共计五次，包括ACM UbiComp最佳论文奖 (CCF A，一作，国内首篇)。获得 2022年ACM分会新星奖。主持国自然面上、青年项目、浙江省自然重点、科技创新2030-“脑科学与类脑研究”重大项目子课题等。担任ICLR，NeurIPS等会议程序委员会委员，以及TCDS、TNSRE、JBHI等国际顶级期刊的审稿人。

报告题目：多模态信号处理与情感计算大模型在精神健康诊断中的应用研究

报告摘要：随着多模态信号处理和情感计算技术的快速发展，语音、图像、文本、脑电和步态等信号已不仅仅是交流的工具，更成为深入理解人类情绪和心理状态的关键途径。多模态信号中所蕴含的情感信息为精神健康的早期识别、干预和个性化治疗提供了全新的思路，尤其在抑郁、焦虑、自闭症谱系障碍等精神疾病的辅助诊断和智能干预方面展现出广阔的应用前景。该研究旨在探索多模态情感分析技术在精神健康领域的创新进展，并推动情感计算大模型在精神健康诊断中的实践应用。

罗兆杰，东南大学副教授，脑与学习科学系副主任，“华为紫金青年学者”，深圳河套学院双聘教授。硕博毕业于日本神户大学，毕业后先后在新加坡国立大学担任研究员（2019-2020）、大阪大学担任特聘助理教授（2020-2022）助理教授（2022-2024）。从事情感语音处理，脑电与健康大模型相关研究，相关成果以第一或通讯作者在IEEE/ACM TASLP, IEEE TMM, IEEE TETCI, IEEE TCSVT等人工智能相关领域顶级期刊和会议发表论文共四十多篇，其中包括IEEE/ACM TALSP. 2023年度热点论文，“日本人工智能大会最佳发表奖”，在ACM MM，AAAI等多个会议上组织多项情感计算与抑郁健康相关挑战赛等。主持全国重点实验室青年课题，国自然面上基金项目，日本JSPS青年科学家（若手）项目等，担任亚太信号处理大会分会主席，IEEE ICIT分会主席，美国Sigma Xi科学研究荣誉学会正式会员等。