论坛简介：大语言模型（LLM）技术的发展，为高质量的语言交互提供保障，打开自主智能体研究的新世界，给跨学科的技术工具研发带来新的可能。本次分论坛邀请了来自学术界的五位讲者，介绍大语言模型驱动的自主智能体研究的前沿进展。复旦大学的桂韬老师带来LLM驱动的自主智能体综述报告，哈尔滨工业大学的丁效老师、清华大学的东昱晓老师、中国人民大学的陈旭老师和清华大学钱忱博士会分别介绍他们课题组在智能体方面的研究，包括多智能体论辩技术、智能体开源构建平台、用户行为模拟的智能体以及交互协作智能体等。
论坛主席
复旦大学 副教授
主席简介：魏忠钰，复旦大学大数据学院副教授，智能复杂体系实验室双聘研究员，博士生导师，数据智能与社会计算实验室（Fudan DISC）负责人，自然语言处理 （Fudan NLP）团队成员，香港中文大学博士，美国德州大学达拉斯分校博士后。现任CIPS情感计算专委会副秘书长，青年工作委员会执委会副主任等职务。担任多个重要国际会议包括ACL、EMNLP的高级领域主席和组织委员会成员。主要研究方向包括多模态大模型和智能社会计算，关注司法、医疗、金融等领域的应用，在国内外相关领域高水平会议及期刊发表论文80余篇。曾获得2019年度CIPS社会媒体处理新锐奖，2022年CCF自然语言处理新锐学者奖。
论坛嘉宾
桂 韬
复旦大学 青年副研究员
报告时间：16:00-16:20
嘉宾简介：桂韬，复旦大学自然语言处理实验室青年副研究员、硕士生导师。研究领域为预训练模型、类人对齐和工具学习。在高水平国际学术期刊和会议上发表了50余篇论文，主持国家自然科学基金、计算机学会、人工智能学会多个人才项目。曾获钱伟长中文信息处理科学技术奖一等奖、COLING2018最佳论文提名奖、NLPCC2019杰出论文奖、CIPS优博奖、ACM优博奖，入选第七届“中国科协青年人才托举工程”、上海市启明星计划、世界人工智能大会云帆奖“璀璨明星”称号。
报告主题：基于大语言模型的智能体：起源、现状与未来
报告摘要：长期以来，人类一直在梦想打造能感知环境、做出决策、采取行动并超越人类智力水平的智能体。自 20 世纪中叶以来，人们开发智能体的主要方法集中在算法或训练策略的进步，以增强特定任务的特定能力或性能，但一直缺乏一个足够通用和强大的模型来作为通用智能体的基座。而大模型表现出了的任务泛化、指令跟随、反思规划等高阶能力，为构建通用人工智能代理带来了希望。 当前许多研究工作利用大模型构建智能体做出了初步探索，并取得了重要进展。本次报告，我们首先追溯智能体概念起源及其在人工智能领域的发展，并重点解释为什么大模型是智能体的重要基础。在此基础上，报告将提出一个基于大模型智能体的概念框架，并探讨在单智能体场景、多智能体场景和人与智能体合作三个方面的广泛应用。
哈尔滨工业大学 教授
报告时间：16:20-16:40
嘉宾简介：丁效，哈尔滨工业大学教授，博士生导师。主要研究方向为人工智能、自然语言处理、知识计算、可解释性推理和事理图谱。在ACL、AAAI、IJCAI、EMNLP等人工智能领域的顶级国际期刊和会议上发表相关论文70余篇，承担科技委项目、“新一代人工智能”重大项目课题、国家自然科学基金重点项目课题、面上项目等多项省部级以上项目。荣获国家级教学成果二等奖、黑龙江省科技进步二等奖、SemEval 2020国际语义评测“检测反事实陈述”任务第一名，入选2022年AI 2000全球人工智能最具影响力学者、华为云AI名师奖等，担任中国中文信息学会社会媒体处理专委会秘书长等职务。
报告主题：基于大语言模型论辩的多智能体协作分析
报告摘要：大语言模型尤其是 ChatGPT 的出现，让神经网络模型在一定程度上拥有了“通用智能”，使得大语言模型在很多上层应用中都被当作基座模型。为了解决复杂的任务，多个大语言模型被引入到实际应用中，不同的大语言模型关注着不同的子任务或者同一任务的不同方面。有趣的是，这些大语言模型真的有协作精神吗？他们能否为了同一目标进行有效且高效的合作？本次报告，我们聚焦于以上两个问题，使用辩论框架为基础，探索多个大语言模型智能体之间的协作。为此，我们研究了三种情况下的辩论：平等的辩论，不平等的辩论，圆桌辩论。基于这三种辩论的分析，我们深入探讨了大语言模型智能体之间的协作行为和模式，并为未来大语言模型协作方法的开发和应用奠定基础。
清华大学 助理教授
报告时间：16:40-17:00
嘉宾简介：东昱晓，清华大学计算机系助理教授，知识工程实验室（KEG）成员，曾工作于脸书人工智能和微软总部研究院。研究方向为数据挖掘、图机器学习和预训练基础模型，相关成果应用于十亿用户级社交网络和知识图谱。入选2022年IJCAI Early Career Spotlight，获2017年ACM SIGKDD博士论文奖（第三名）和2022年ACM SIGKDD新星奖。
报告主题：AgentLM: Enabling Generalized Agent Abilities for LLMs
报告摘要：报告将分享 GLM 团队在 ChatGLM 研发过程中对提升大模型通用智能体能力的探索与思考，并具体介绍AgentTuning技术和AgentBench榜单。ChatGLM 千亿对话模型自2023年2月内测，3月14日开源单机版本 ChatGLM-6B 模型，截至8月份 Hugging Face (HF) 全球累计下载超800万，累计四周位列 HF 全球大模型趋势榜第一。相关开源模型和技术详见 https://github.com/THUDM。
中国人民大学 准聘副教授
报告时间：17:00-17:20
嘉宾简介：陈旭，中国人民大学高瓴人工智能学院准聘副教授，博士生导师。主要研究方向为推荐系统、大语言模型、因果推断等。曾在TheWebConf、AIJ、NeurIPS、SIGIR、ICML、TOIS等著名国际会议/期刊发表论文70余篇，Google Scholar引用4600余次。研究成果曾获得TheWebConf 2018最佳论文提名奖、CIKM 2022 最佳资源论文Runner Up 奖、AIRS 2017最佳论文奖、CCF自然科学二等奖（排名第二），ACM-北京新星奖等。他主持/参与了多项国家自然科学基金项目以及企业合作项目。
报告主题：基于大语言模型的用户行为模拟智能体
报告摘要：近年来，Human-centered AI受到了学术界和产业界的广泛关注，该领域的应用如推荐系统，社交网络等给人们的生活生产带来了极大地便利。然而，一直以来，制约该领域发展的关键问题之一是如何获取高质量的用户行为数据。在本次报告中，汇报者将从LLM-based Agent的角度分享缓解该问题的思路，并介绍其团队研发的基于大语言模型的用户行为模拟智能体RecAgent。该工作模拟了用户在推荐系统，社交网络中的多种行为，每个用户是一个Agent，不同Agents可以在模拟环境中自由对话，发帖，搜索，自我进化等。汇报者将详细介绍RecAgent的设计初衷、结构特点、使用方法以及实验评测等。最后，汇报者将介绍RecAgent对未来Human-centered AI领域的潜在影响。
钱 忱
清华大学 博士后
报告时间：17:20-17:40
嘉宾简介：钱忱，2021年博士毕业于清华大学软件学院；现清华自然语言处理实验室（THUNLP）博士后，清华大学水木学者，合作导师为孙茂松和刘知远教授。主要研究方向为自然语言处理、预训练语言模型、群体智能。在ACL、SIGIR、AAAI、SDM、TSC等人工智能和软件工程等相关的国际学术会议或期刊上发表论文数篇。作为第一作者近期发布了大模型群体软件开发框架ChatDev，吸引了众多国内外软件开发和创业者，开源项目6周星标数超过1.5万并多次登上GitHub Trending榜首。
报告主题：基于大语言模型多智能体交互式协作的任务解决技术方案
报告摘要：在人类的社会结构和日常活动中，合作和协同效应是不可或缺的。如今，随着大模型技术的飞速发展，它们在多种任务上已经展示出了接近甚至超越人类的能力。在这样的背景下，基于大模型的多智能体系统应运而生，成为了解决现实世界复杂问题的重要前沿领域之一。通过模拟人类社会中丰富的交互和协作过程，我们的研究旨在构建能够协同工作的多智能体系统。通过在多个智能体间建立有效的通信和协作机制，是否能够解决单个智能体难以应对的问题，提高问题解决的效率并找到更为优秀的解决方案？本次报告，我们将分享实验室近期大模型群体智能的相关工作，包括大模型驱动的多智能体协作开发框架ChatDev和大模型驱动的智能体通用平台AgentVerse，剖析内在的技术机理、并探讨大模型群体智能应用的潜力和不足。
报名参会
会议时间：2023年11月23日-26日
会议地点：安徽合肥天鹅湖大酒店
会议官网：
https://conference.cipsc.org.cn/smp2023/会议注册：
http://reg.cipsc.org.cn/smp2023/index.html扫码完成会议注册报名
