大模型智能體技術，如OpenAI的GPTs和斯坦福Generative Agents AI小鎮等展示了在大模型上結合外部能力和社會分工向通用人工智能發展的巨大潛力。本期講習班将講述大模型自主智能體與群體智能的前沿進展、獨特特性及未來趨勢。
CCF學科前沿講習班
CCF學科前沿講習班
CCF Advanced Disciplines Lectures
CCF ADL第146期
主題 大模型自主智能體與群體智能
2024年5月17日-19日 北京
在CCF學科前沿講習班ADL146期《大模型自主智能體與群體智能》中，我們将深入系統地介紹大模型自主智能體的基礎技術及其最新進展，涵蓋從單一智能體的基礎理論與技術原理，到多智能體之間的分工協作機制；從面向任務的工具學習，到基于多智能體系統的模拟研究，以及相關拓展問題等多個次元。旨在通過深入淺出的講解，使學員不僅能夠掌握大模型自主智能體與群體智能的核心知識和關鍵技術，還能深刻了解其面臨的主要挑戰和衆多應用場景。我們相信，學員通過本期ADL的學習，将能夠大幅拓寬其科研視野，并顯著增強在人工智能領域的實踐能力。
本期ADL講習班邀請了7位來自國内外著名高校活躍在前沿領域的專家學者做主題報告。第一天，劉知遠、秦禹嘉、林衍凱将分别講解通用人工智能引言、智能體自主記憶、規劃與決策技術、工具學習技術。第二天，錢忱、陳旭将介紹大模型群體智能技術、大模型社會與經濟模拟技術。第三天，梁一韬、胡迪将介紹開放域自主智能體、基于自主智能體的機器人技術等課題。通過三天教學，旨在帶領學員實作對自主智能體與群體智能從基礎技術到前沿動态再到創新應用場景的深入學習與思考。
學術主任：劉知遠 副教授 清華大學/林衍凱 準聘助理教授 中國人民大學
主辦機關：中國計算機學會
本期ADL主題《大模型自主智能體與群體智能》，由CCF進階會員、清華大學劉知遠副教授和中國人民大學林衍凱準聘助理教授擔任學術主任，邀請到（按照講座順序排序）劉知遠（清華大學）、秦禹嘉（清華大學）、林衍凱（中國人民大學）、錢忱（清華大學）、陳旭（中國人民大學）、梁一韬（北京大學）、胡迪（中國人民大學）等七位專家做專題講座。
活動日程：
| 2024年5月17日（周五） | |
| 09:00-09:10 | 開班儀式 |
| 09:10-09:20 | 全體合影 |
| 09:20-10:00 | 專題講座1: 大模型驅動的自主智能體與群體智能：迎接智能的第二次湧現 劉知遠，副教授，清華大學 |
| 10:00-12:00 | 專題講座2：智能體自主記憶、規劃與決策技術 秦禹嘉，博士生，清華大學 |
| 12:00-13:00 | 午餐 |
| 13:00-16:00 | 專題講座3: 大模型工具學習 林衍凱，助理教授，中國大學 |
| 2024年5月18日（周六） | |
| 09:00-12:00 | 專題講座4: 大模型群體智能技術 錢忱，助理研究員，清華大學 |
| 12:00-13:00 | 午餐 |
| 13:00-16:00 | 專題講座5: 基于自主智能體的社會與經濟模拟 陳旭，副教授，中國人民大學 |
| 2024年5月19日（周日） | |
| 09:00-12:00 | 專題講座6: 開放世界下的通用智能體 梁一韬，助理教授，北京大學 |
| 12:00-13:00 | 午餐 |
| 13:00-16:00 | 專題講座7: 基于自主智能體的機器人技術 胡迪，副教授，中國人民大學 |
特邀講者（按照講座順序排序）
劉知遠
副教授 清華大學
講者簡介：劉知遠，清華大學計算機系副教授、博士生導師、中國計算機學會進階會員。主要研究方向為自然語言處理、知識圖譜和社會計算。2011年獲得清華大學博士學位，已在ACL、EMNLP、IJCAI、AAAI等人工智能領域的著名國際期刊和會議發表相關論文100餘篇，Google Scholar統計引用超過4.2萬次。曾獲2020年和2022年教育部自然科學一等獎（第2完成人）、中國中文資訊學會錢偉長中文資訊處理科學技術獎一等獎（第2完成人）、中國中文資訊學會漢王青年創新獎，入選國家青年人才、2020-2022年Elsevier中國高被引學者、《麻省理工科技評論》中國區35歲以下科技創新35人榜單、中國科協青年人才托舉工程。
報告題目：大模型驅動的自主智能體與群體智能：迎接智能的第二次湧現
報告摘要：2023年以來ChatGPT引爆了全球對大模型技術與應用的熱烈關注，本報告首先簡介人工智能的發展曆程，闡明大模型技術的曆史地位，然後報告介紹大模型的智能湧現等特性，探讨大模型在工具智能、自主智能體、群體智能方面的發展趨勢和技術動态，展望智能第二次湧現的圖景。
秦禹嘉
博士生 清華大學
講者簡介：秦禹嘉，清華大學電子工程系2016級大學，計算機系2020級博士，導師為劉知遠副教授。研究方向為：（1）大模型高效預訓練，即使用更少的算力訓練效果更強的大模型；（2）大模型高效微調，即微調極少的參數達到全參數微調的性能，節省大量的顯存；（3）工具學習，即教會大模型像人類一樣靈活使用外部工具，拓展自身能力邊界。博士期間發表 15 篇一作/共一 AI 頂會論文（ICLR、NeurIPS、Nature子刊、ACL、NAACL、EMNLP、TMLR、TASLP等）。谷歌學術引用量 1400+，釋出多個開源項目(XAgent, ToolBench, BMTools, WebCPM等)，GitHub星标累計 20000+。曾獲百度獎學金、騰訊犀牛鳥一等獎獎學金、世界人工智能大會優秀青年論文獎、中國算力大會最佳論文等。
報告題目：智能體自主記憶、規劃與決策技術
報告摘要：近年來，大模型在自然語言處理、計算機視覺、生物學等諸多領域展現出驚人的應用價值，大模型加持下的智能體能夠在了解使用者需求的前提下代替使用者調用工具、進行多步序列決策進而解決複雜問題。這其中，長期記憶能力、推理規劃能力和多步決策能力對智能體的任務執行性能有非常大的影響。在本報告中，我們将首先簡要回顧基于大模型的自主智能體的發展脈絡，并重點針對上述三項内容的最新前沿研究展開讨論。此外，我們将基于上述讨論，展望未來的智能體技術發展方向。
林衍凱
準聘助理教授 中國人民大學
講者簡介：林衍凱，中國人民大學高瓴人工智能學院準聘助理教授，主要研究方向為預訓練模型和大模型智能體，在 CCFA/B 類國際頂級學術會議發表論文 50 餘篇， Google Scholar 統計引用（至 2024 年 2 月）達到 11,938 次， H‑index 為 41，2020-2022年連續三年入選愛思唯爾（Elsevier）中國高被引學者。其成果獲評教育部自然科學一等獎（第三完成人)、 2022 年世界網際網路大會領先科技成果（全球共15項）。在知識表示方面，其TransR論文被 Yoshua Bengio 在其《Deep Learning》教材中列為知識表示代表方法，相關工作成果開源工具包 OpenKE、 OpenNRE 在世界影響力最大的開源平台 Github 上獲 7,800 多個星标。在大模型智能體方面，主持釋出了世界上第一個大規模工具學習大模型ToolLLM；主持釋出了大模型自主智能體系統 XAgent，在開源平台 Github 上獲 6,900 多個星标；建構了用于模拟使用者行為的多智能體仿真平台RecAgent，是國内外首個用于模拟使用者行為的多智能體平台。
報告題目：大模型工具學習
報告摘要：近年來，大模型在自然語言處理、計算機視覺、生物學等諸多領域展現出驚人的應用價值。大模型在大規模預訓練中獲得的在複雜互動環境中的非凡了解、推理、規劃和決策能力，進而展現出在複雜真實場景下調用工具解決複雜任務的巨大潛力。本報告的内容為大模型工具學習，介紹大模型如何能夠了解和使用各種工具來完成任務，包括其統一架構、主要挑戰、重要工作和未來方向。
錢忱
助理研究員 清華大學
講者簡介：清華大學軟體學院博士，目前在清華大學自然語言處理實驗室（THUNLP）擔任博士後，清華大學水木學者，主要研究方向為預訓練模型、自主智能體、群體智能；合作導師為孫茂松和劉知遠教授，曾在ACL、SIGIR、AAAI、CIKM等人工智能、資訊管理、軟體工程等相關的國際學術會議或期刊上以第一作者身份發表論文數篇。在群體智能方面，主導釋出了大語言模型驅動的多智能體軟體開發架構ChatDev，是國内外第一批實作以任務完成為導向的多智能體系統，其開源系統于2024年3月累計獲得超2.2萬個星标關注，曾連續多天登頂Github Trending榜單。其背後強大的群體協作模式被谷歌DeepMind大模型産品負責人Bailey和資深資料科學家Sanyam Bhutani等人進行解讀，人工智能著名學者Andrew Ng（吳恩達）在紅杉美國AI峰會上以ChatDev為例強調了多智能體協作是一種強大的設計模式。
報告題目：大模型群體智能技術
報告摘要：大模型驅動的全流程自動化軟體開發架構ChatDev(Chat-powered Software Development)拟作一個由多智能體協作營運的虛拟軟體公司，在人類使用者指定一個具體的任務需求後，不同角色的智能體将進行互動式協同，以生産一個完整軟體（包括源代碼、環境依賴說明書、使用者手冊等）。這一技術為軟體開發自動化提供了新的可能性，支援快捷高效且經濟實惠的軟體制作，未來将有效地将部分人力從傳統軟體開發的繁重勞動中解放出來。本報告會基于ChatDev的關鍵思路，圍繞大語言模型智能體的建構、協同、演化等方面進行相關技術和實踐分享交流。
陳旭
準聘副教授 中國人民大學
講者簡介：陳旭，博士畢業于清華大學，随後進入英國倫敦大學學院（UCL）從事博士後研究，于2020年加入中國人民大學。他的研究方向為大語言模型，因果推斷，推薦系統等。曾在TheWebConf、NeurIPS、AIJ、KDD、ICLR等著名國際會議/期刊發表論文80餘篇，Google Scholar引用5500餘次，入選斯坦福大學全球前2%頂尖科學家榜單。他的研究成果曾榮獲CCF自然科學二等獎（排名第二），ACM-北京新星獎（北京市三人），CCF A類會議TheWebConf 2018最佳論文提名獎、CCF B類會議CIKM 2022最佳資源論文Runner Up獎、著名亞洲資訊檢索會議SIGIR-AP 2023最佳論文提名獎以及著名亞洲資訊檢索會議AIRS 2017最佳論文獎。他帶領團隊撰寫了國際上第一篇大語言模型智能體綜述、建構了首個基于LLM Agent的使用者行為模拟環境“RecAgent”等。他主持/參與十餘項國家自然科學基金以及企業合作項目，相關成果在多家企業落地，榮獲華為“創新先鋒總裁獎”， 以及華為優秀校企合作項目等。
報告題目：基于自主智能體的社會與經濟模拟
報告摘要：人類行為模拟一直以來是學術界關注的重點，然而傳統模拟方法由于難以準确刻畫人類複雜決策過程，往往模拟精度和應用範圍均較為受限。近年來，大語言模型的發展使人們看到了建構精準類人代理的希望。斯坦福大學的虛拟小鎮更是給衆多相關從業者帶來了巨大的想象空間。本報告将系統講解過去一年中，科研人員在“基于大語言模型智能體的人類行為模拟”方面做出的種種探索和努力，并分析該領域目前存在的核心問題以及潛在解決方案。
梁一韬
助理教授 北京大學
講者簡介：梁一韬博士，北京大學人工智能研究院助理教授，博導，博雅青年學者。2021年6月于加利福尼亞大學洛杉矶分校獲得博士學位，從事神經符号融合的研究，一直緻力研究如何将知識注入機器學習中以提高其性能和通用性。曾獲得過強化學習頂級會議AAMAS2016最佳論文提名、在ICML19舉辦的Reinforcement Learning for Real Life Workshop最佳論文及在NeurIPS 2017舉辦的Learning from Limited Labeled Data（LLD）Workshop次佳論文，在ICML2023舉辦的TEACH Workshop最佳論文。在學術服務方面，常年擔任多個頂級期刊和會議的領域主席（資深審稿人）。
報告題目：開放世界下的通用智能體
報告摘要：随着大型語言模型的出現，關于是否會出現通用智能體的辯論重新興起。然而，GPT在所湧現的通用能力，在除了文字領域似乎很難再現。在這次分享中，我們将介紹我們組以及其他一些相關的知名研究實驗室的各種在使用開放世界環境（例如Minecraft）來開發通用智能體的努力。由于其超高的自由度，傳統的多任務資料驅動的方式不可維系（我們無法對上千的任務同時進行大規模訓練，過于昂貴）。一個可能的方向是，利用一些通用常識來獲得高訓練效率和模型泛化性。我會重點介紹如何利用大語言模型來利用環境知識進行具有系統泛化能力的任務拆解，以及如何利用無監督學習獲得一個通用的可随提示（prompt）控制（steerable）的通用政策表達，并展現在Minecraft現在最前沿的智能體大概具備什麼樣的任務完成能力。
胡迪
準聘副教授 中國人民大學
講者簡介：胡迪，現任中國人民大學高瓴人工智能學院準聘副教授，博導，受中國科協青年人才托舉工程資助。主要研究方向為機器多模态感覺與學習，以主要作者身份在領域頂級國際會議及期刊上發表論文30餘篇，如TPAMI、NeurIPS、CVPR、ICCV、ECCV等。代表性工作如視音多模态場景了解算法DMC與場景問答任務MUSIC-AVQA；平衡多模态學習理論，機制與方法；和以運動學為引導的可泛化鉸鍊物體操縱等。攻博期間曾入選 CVPR Doctoral Consortium；榮獲2020中國人工智能學會優博獎，2021陝西省優博獎；榮獲2022年度吳文俊人工智能優秀青年獎；百度全球頂尖人工智能人才計劃等。受邀為多個國際高水準會議及期刊審稿，擔任AAAI、IJCAI SPC/Session Chair等，并主辦/協辦多場國際頂級會議的多模态學習講習班（Tutorial）。
報告題目：基于自主智能體的機器人技術
報告摘要：近年來，通過海量資料預訓練的多模态大模型在複雜互動的環境中展現出的感覺、了解、推理、決策的能力，為實作機器人與複雜真實世界互動提供了可靠的基本能力。本報告的内容為基于自主智能體的機器人技術，主要介紹大模型如何支撐機器人在複雜場景下的可泛化操縱，包括語義級别的任務規劃、控制級别的政策生成、相關重要工作與未來發展方向。
學術主任
劉知遠
副教授 清華大學
簡介：劉知遠，清華大學計算機系副教授、博士生導師、中國計算機學會進階會員。主要研究方向為自然語言處理、知識圖譜和社會計算。2011年獲得清華大學博士學位，已在ACL、EMNLP、IJCAI、AAAI等人工智能領域的著名國際期刊和會議發表相關論文100餘篇，Google Scholar統計引用超過4.2萬次。曾獲2020年和2022年教育部自然科學一等獎（第2完成人）、中國中文資訊學會錢偉長中文資訊處理科學技術獎一等獎（第2完成人）、中國中文資訊學會漢王青年創新獎，入選國家青年人才、2020-2022年Elsevier中國高被引學者、《麻省理工科技評論》中國區35歲以下科技創新35人榜單、中國科協青年人才托舉工程。
林衍凱
準聘助理教授 中國人民大學
簡介：林衍凱，中國人民大學高瓴人工智能學院準聘助理教授，主要研究方向為預訓練模型和大模型智能體，在 CCFA/B類國際頂級學術會議發表論文50餘篇， Google Scholar 統計引用（至2024年2月）達到11,938次， H‑index 為 41，2020-2022年連續三年入選愛思唯爾（Elsevier）中國高被引學者。其成果獲評教育部自然科學一等獎（第三完成人)、 2022 年世界網際網路大會領先科技成果（全球共15項）。在知識表示方面，其TransR論文被Yoshua Bengio在其《Deep Learning》教材中列為知識表示代表方法，相關工作成果開源工具包 OpenKE、 OpenNRE 在世界影響力最大的開源平台Github上獲 7,800 多個星标。在大模型智能體方面，主持釋出了世界上第一個大規模工具學習大模型ToolLLM；主持釋出了大模型自主智能體系統 XAgent，在開源平台 Github 上獲 6,900多個星标；建構了用于模拟使用者行為的多智能體仿真平台RecAgent，是國内外首個用于模拟使用者行為的多智能體平台。
時間：2024年5月17日-19日
位址：北京•中科院計算所一層報告廳（北京市海澱區中關村科學院南路6号）
乘坐北京地鐵10号線到“知春裡站”下車出A口，步行10分鐘即到。
報名須知：
1、報名費：CCF會員2800元，非會員3600元。食宿交通（費用）自理。根據交費先後順序，會員優先的原則錄取，額滿為止。應部分學員的要求，本期ADL線上同步舉辦，線上線下報名注冊費用相同。線上會議室号和密碼将在會前1天通過郵件發送。
2、報名截止日期：2024年5月15日。報名請預留不會攔截外部郵件的郵箱，如qq郵箱。會前1天将通過郵件發送會議注意事項和微信群二維碼。
3、咨詢郵箱 : [email protected]
繳費方式：
在報名系統中線上繳費或者通過銀行轉賬：
銀行轉賬（支援網銀、支付寶）：
開戶行：招商銀行北京海澱支行
戶名：中國計算機學會
賬号：110943026510701
請務必注明：ADL146+姓名
報名繳費後，報名系統中顯示繳費完成，即為報名成功，不再另行通知。
報名方式：
請選擇以下兩種方式之一報名：
1、掃描（識别）以下二維碼報名：
2、點選報名連結報名：
https://conf.ccf.org.cn/ADL146
CCF推薦
【精品文章】
- ADL145 探讨Sora的前生今世：視訊生成基礎模型與關鍵技術