【论坛简介】
大模型技术的高速发展极大程度的促进了人工智能在各行各业的落地与应用，与国计民生的未来发展息息相关，因此大模型相关技术的机制机理研究与应用实践均吸引了研究者的大力关注。本次大模型技术与前沿包含了4个特邀报告与1个圆桌论坛，涵盖了大模型基础模型的结构探索，大模型对交叉学科领域（搜索与推荐等）的增强促进，以及在企业真实场景的落地实践，讲者来自学术界与工业界。在随后的圆桌论坛上，将初步探讨大模型在学术界与工业界该如何更好的学以致用。
苏劲松，厦门大学信息学院教授、博士生导师，电影学院、人工智能研究院双聘导师。国家万人计划青年拔尖人才，福建省攻青、杰青基金获得者，厦门大学南强青年拔尖A类人才。主要研究方向为自然语言处理、大模型、机器翻译。共发表CCF-A/B论文160余篇，获得2020年钱伟长中文信息处理科学技术奖—汉王青年创新奖，国家示范型软件学院联盟20周年优秀专职教师奖；曾培养硕士生获得百度奖学金，腾讯犀牛鸟奖学金。
【报告题目】
检索增强大模型关键技术：动态压缩、知识整合与图检索评估
【报告摘要】
近年来，检索增强生成技术在知识密集型任务中展现出显著的性能优势，但仍面临诸如高压缩率下性能下降、外部知识与检索结果冲突、信息组织效率不足等关键挑战。本报告将概述课题组在上述问题上的最新研究进展。首先，提出查询引导的上下文压缩器，通过动态策略实现高压缩比下的性能保持；其次，提出FaithfulRAG框架，通过显式冲突建模与自我反思机制，显著增强生成内容的准确性与忠实性；最后，提出GraphRAG-Bench评估框架，通过多层级任务和双维度知识库，系统评估现有GraphRAG方法在不同场景任务的性能情况，揭示了其在复杂多跳推理和信息整合任务上的优势并提供了未来的潜在发展方向。
刘军平，副教授，博士，硕士生导师。武汉纺织大学网络空间安全学院副院长。长期从事自然语言处理、大模型、信息检索、知识图谱等领域的科学研究工作。近年来主持及参与国家自然科学基金、教育部人文社科研究一般项目、湖北省自然科学基金、湖北省教育厅重点项目、湖北省教育科学规划重点项目以及企业委托项目20余项。在EWSA、ASC、WWW、NAACL、WSDM、BIBM、DEXA等国内外高水平刊物上发表论文30余篇，发明专利与软件著作版权授权30余项，出版编著一部。先后获2019年湖北省科技进步二等奖、2023年度湖北省科技进步二等奖，2023年度中国纺织工业联合会专利银奖。
【报告题目】
大模型驱动的跨领域智能增强：从推荐系统优化到假新闻检测
【报告摘要】
随着大语言模型（LLM）在语义理解与知识生成能力上的突破性进展，其在智能信息处理领域的跨场景应用成为研究热点。本报告聚焦大模型在推荐系统与假新闻检测两大关键任务中的创新应用，系统阐述如何通过大模型的语义增强能力解决传统方法的核心痛点。
严睿，吕昂，中国人民大学高瓴人工智能学院博士三年级学生，师从严睿教授。入选了首届中国电子学会-腾讯博士科研激励计划，2024年度中国计算机学会-腾讯犀牛鸟精英人才计划，并获得中国人民大学创新卓越人才项目资助。他的研究兴趣包括语言模型机制和基础模型架构设计。
【报告题目】
基础大模型技术与应用
【报告摘要】
本次报告将介绍语言模型基础结构和思考模型训练上的进展。在语言模型结构侧，介绍混合专家模型范式 Autonomy-of-Experts（AoE），显著缓解了传统 MoE 的负载失衡与推理瓶颈；以及Cog Attention 允许注意权重取负，扩大了单头表示能力并减轻过度压缩问题；在慢思考应用端，利用强模型生成多级步骤提示并结合奖励，刷新多项数学基准；而对奖励噪声的系统研究表明，思考模型相比基模型的能力提升更多来自输出格式优化而非知识注入，为设计未来的 LLM预训练与后训练技术创新提供了新视角。
张寓弛，互联网资深算法专家，擅长AI应用场景，特别是AI搜场景的方案设计、链路搭建和模型开发，具有大模型，Agent等工业应用场景的落地实践经验。
【报告题目】
赋能AI搜-后训练技术在RAG和Agent应用场景的实践
【报告摘要】
本报告聚焦于后训练技术在AI搜的RAG和Agent场景的实践。阐述如何运用现有底座和合适的后训练技术，包括通过SFT和强化学习优化模型、搭建链路，使其在AI搜RAG场景精准检索、生成高质量内容，进一步的，阐述和给出纯端到端的Agent场景实现自主决策与任务执行的解决方案，助力AI搜提升性能与用户体验。
【论坛组织者】严睿，武汉大学人工智能学院教授，博士生导师，入选国家级高层次青年人才计划，先后于中国人民大学高瓴人工智能学院与北京大学王选计算机研究所任教。曾入选中国人民大学杰出学者，智源人工智能研究院智源学者，以及微软亚洲研究院铸星学者。到目前共发表论文 100 余篇，引用 1.7万余次。多次担任重要国内外学术会议的领域主席及资深评审人，也多次受邀于重要国内外学术会议宣讲Tutorial 报告。