时间：2024年10月11日15:00-17:00

地点：华南理工大学大学城校区B7-303

主持人：华南理工大学 赵梦辰副教授

论坛介绍：本次论坛邀请了三位人工智能，尤其是智能体领域的资深专家，共同探讨大模型时代下的智能体技术发展趋势。欢迎感兴趣的老师和同学参加交流！

研讨会详情

一、Foundation AI Agents

摘要：报告将讨论Agents研究的演变过程。报告将介绍开发Foundation Agents的必要，强调它们与外部环境和内部架构的交互。报告同时将介绍构建Foundation Agents的最新进展。

报告人简介：安波是新加坡南洋理工大学校长讲席教授，人工智能系主任，南洋理工大学人工智能研究院联席院长，于2011年在美国麻省大学Amherst分校获计算机科学博士学位。主要研究领域包括人工智能、多智能体系统、算法博弈论、强化学习、及优化。有150余篇论文发表在人工智能领域的国际顶级会议AAMAS, IJCAI, AAAI, ICLR, NeurIPS, ICML, AISTATS, ICAPS, KDD, UAI, EC, WWW以及著名学术期刊JAAMAS和AIJ。曾获2010 IFAAMAS杰出博士论文奖、2012 AAMAS最佳应用论文奖、2016年IAAI创新应用论文奖，2020 DAI最佳论文奖，2012年美国运筹学和管理学研究协会(INFORMS)Daniel H. Wagner杰出运筹学应用奖， 2018年南洋青年研究奖、以及2022年南洋研究奖等荣誉。受邀在2017年IJCAI上做Early Career Spotlight talk。他曾获得2017年微软合作AI挑战赛的冠军。并曾入选2018年度IEEE Intelligent Systems的AI’s 10 to Watch。他是AIJ、 JAAMAS、 IEEE Intelligent Systems、ACM TIST 和ACM TAAS的副主编及JAIR编委会成员。担任过AAMAS’20的程序委员会主席和AAMAS’23会议主席。当选为国际智能体及多智能体系统协会理事会成员、AAAI高级会员及ACM杰出科学家。他将担任IJCAI’27的程序委员会主席。

二、大模型时代下的强化学习

摘要：本报告首先会介绍传统强化学习背景和基础，然后介绍在大模型时代下新的决策模型学习范式，以及强化学习如何助力决策模型及其所面临的挑战和解决方案，同时介绍在自动驾驶、EDA芯片设计和具身智能等场景的落地应用。

报告人简介：郝建业博士，华为诺亚决策推理实验室主任，天津大学智算学部副教授。主要研究方向为深度强化学习、多智能体系统。发表人工智能领域知名国际会议和期刊论文100余篇，专著2部。 获得国家科技部2030人工智能重大课题、基金委人工智能重大培育等项目资助10余项，研究成果荣获国际会议最佳论文奖3次，NeurIPS 20-22大会竞赛冠军4次。相关成果在国产工业基础软件智能化、自动驾驶、游戏AI、广告及推荐、5G优化、物流调度等领域落地应用。

三、工业决策智能：从启发式走向大模型

摘要：人工智能与机器学习技术被广泛应用于优化和增强各种工业场景中决策过程的质量与效率。随着相关技术的迅猛发展，工业决策智能正从传统的启发式方法转变为基于深度学习的方法，并迅速向基于大模型的方法演进。大模型能够整合丰富的人类先验与深厚的领域知识，通过合理的建模方式，有望应对大规模且动态变化的工业数据与决策环境。本报告将重点探讨在芯片设计、运筹优化等工业领域中，决策智能从启发式方法向大模型方法的演变过程、面临的挑战，以及我们在相关方向的前沿探索。

报告人简介：王杰，现任中国科学技术大学教授，博士生导师，少年班学院副院长，“脑启发智能感知与认知”教育部重点实验室副主任，入选国家级人才项目，IEEE Senior Member，CCF杰出会员，曾任美国密歇根大学研究助理教授。

王杰教授长期从事人工智能、机器学习等相关领域的研究，主要研究方向包括图机器学习、AI4Science（如AI4EDA、AI4OR等）、大模型等。在机器学习国际顶级期刊及会议（如IEEE TPAMI、JMLR、NeurIPS、ICML 和 ICLR 等）发表文章近百篇。曾获 SIGKDD 2014 Best Student Paper Award，代表性工作进入由美国科学院院士撰写的统计稀疏学习教材。担任IEEE TPAMI编委，以及NeurIPS、ICML、ICLR等人工智能国际顶级会议领域主席或（资深）程序委员20余次。