CNCC | 人智协同推荐系统：人与AI共舞下的新视角

卢暾

CCF杰出会员、协同计算专委秘书长，上海市计算机学会协同计算与信息服务专委会副主任、复旦大学教授、计算机科学技术学院副院长

复旦大学计算机学院教授。研究兴趣包括社会与协同计算、人智协同与交互、大模型智能体模拟推演、领域大模型与应用、群智协同与系统、数字社会智能治理等。主持多项国家自然科学基金项目、科技部重点研发计划课题、863课题和上海市项目。成果发表在CSCW、CHI、UbiComp、NeurIPS、WWW、SIGIR、IEEE TKDE、ACM TOIS等权威会议和期刊上。常规担任CSCW、CHI等的AC，担任多个国内外学术会议的PC/TPC Chair以及多个国内外学术期刊的副主编和编委。

张敏

CCF杰出会员、CCF女工委主任，清华大学计算机系教授

国家高层次人才。主要研究领域为信息检索与推荐、用户分析与建模。现任国际顶级期刊ACM TOIS主编。获大川人才基金，IBM 2020 Global Faculty Award，中国高校计算机专业优秀教师奖励计划，北京科学技术奖一等奖，中国中文信息学会钱伟长科学技术奖一等奖，SIGIR’24实践检验奖等。长期与国内外多个企业进行多项科研合作。

报告题目：以用户为中心的大语言模型评价

摘要：大语言模型（LLM）是用户在各种场景中使用的新兴工具。因此，以用户为中心的大模型性能评估对于指导用户选择适合不同任务的服务至关重要。尽管目前已经存在不少针对大模型的基准测试，但它们大多关注预定义的模型能力，如世界知识、推理等，而很难帮助用户在完成具体任务时做出最适合特定需求的选择。本报告将介绍我们在这一方向上的探索成果，包括用户体验研究、用户需求理解、以及从用户中心视角对LLM在实际场景中效果的评估。

何向南 

CCF理事、中国科学技术大学教授、人工智能与数据科学学院副院长

国家级青年人才。长期从事数据挖掘与人工智能领域的研究，在相关领域的顶会（如SIGIR、WWW、KDD）和顶刊（如IEEE TKDE、ACM TOIS）上发表论文100余篇，谷歌学术引用4万余次，Elsevier中国高被引学者。曾获SIGIR 2023、SIGIR 2021、WWW 2018最佳论文提名奖、阿里巴巴达摩院青橙奖、教育部技术发明一等奖等。担任多个期刊的副主编，如IEEE TKDE、IEEE TBD, ACM TOIS等。主持多项国家级项目，如基金委重点项目、科技部重点研发计划课题。

报告题目：大模型驱动的推荐前沿进展

摘要：预训练大模型在推荐系统领域备受关注，在多个推荐任务上的初期探索已展现出大模型对于推荐的价值。本次报告聚焦大模型驱动的推荐前沿进展并探讨未来发展方向，具体包括：在大模型中建模协同过滤信息，大模型推荐中的去偏和公平，面向推荐的大模型智能体构建等。同时，我们将讨论这一新兴方向的关键挑战和开放问题，展望未来的研究方向，包括大模型驱动的生成式推荐和引导式推荐。

赵鑫 

CCF杰出会员，中国人民大学教授

2014年7月于北京大学获得博士学位，随后进入中国人民大学工作至今。研究领域为信息检索与自然语言处理，共计发表论文200余篇，谷歌学术引用2.2万余次，曾主导研发了玉兰大语言模型，组织编写了大语言模型综述论文《A Survey of Large Language Models》(预印版文章)以及《大语言模型》中文书。曾荣获2021年CCF青年科学家奖。

报告题目：大模型赋能的推荐算法

摘要：近年来，大语言模型受到了社会的广泛关注，能够通过自然语言形式编码大量的世界知识，并且具有强大的任务解决能力。基于此，大语言模型对于传统的信息获取算法（如推荐系统）也带来了重要的影响。本次报告将介绍大模型的主要能力特点和相关技术，重点介绍大模型背景下推荐算法的改进与升级技术，将结合具体研究工作介绍讲者在推荐算法领域的研究思考，并探究未来推荐系统的研究范式以及可能途径。

矣晓沅 

微软亚洲研究院高级研究员、博士 

研究兴趣为自然语言生成和社会责任人工智能（Societal AI），于ICLR、ACL、EMNLP、NAACL、AAAI等权威会议发表论文数十篇。曾获2021 CCF优博、2021 IJCAI青年精英论坛新星、2024 CAAI社会计算青年学者新星、2016北京市海淀区十大杰出青年、2019新华网全国十大年度网络人物、2019中国计算语言学大会最佳论文奖等荣誉。

报告题目：迈向大模型社会风险与价值倾向的自适应于自进化评测

摘要：随着大模型与人类生活的深度融合，基础模型潜在的歧视、偏见及伦理问题可能对推荐系统等下游应用的安全性和合规性产生严重影响。然而，对安全性问题的评测面临着数据污染(常用评测数据集已纳入模型训练中)和难度失配(评测数据无法有效挑战快速进化的大模型)的问题。为此，我们提出“生成式进化评测”方法。该方法利用大模型的生成能力，动态地构建评测数据，避免泄露，同时通过迭代更新，确保题目难度与模型同步进化，更准确地评估模型在风险和价值观上的表现，促进更加安全、包容和友好的AI应用的构建。

张俊林 

新浪微博首席科学家/新技术研发负责人

中国中文信息学会理事，中科院软件所博士，目前担任新浪微博首席科学家/新技术研发负责人，此前在阿里巴巴担任资深技术专家，负责新技术团队。技术书籍《这就是搜索引擎：核心技术详解》、《大数据日知录：架构与算法》的作者。目前的主要研究方向为推荐系统与大模型，在ACL、KDD、CIKM、RecSys、COLING等国际会议发表多篇相关学术论文。

报告题目：推荐系统遇到大模型：能力的失配与适配

摘要：推荐系统通过满足用户多样化的个性信息需求，目前已成为渗透每个人日常生活的最主流人工智能应用方向。大型语言模型（LLMs）拥有广泛而强大的语言、通用知识及推理能力，这为重新定义推荐系统提供了新的视角和可能。然而，使用LLM重塑推荐系统仍处于探索早期，能否成功仍存在巨大的不确定性。本次分享将分析传统推荐系统与LLM两者之间在数据、模型建模等方面各自擅长与缺失之处，指出两者目前存在较大的能力失配问题，并深入探讨减小能力差异可以采用的能力适配方法。

CNCC2024将于10月24-26日在浙江省东阳市横店镇举办，大会主题为“发展新质生产力，计算引领未来”。大会为期三天，包括18个特邀报告、3个大会论坛、138个专题论坛及34场专题活动和100余个展览。图灵奖获得者、两院院士、国内外顶尖学者、知名企业家在内的超过800位讲者在会上展望前沿趋势，分享创新成果。预计参会者超过万人。