大模型如何重塑信息获取？深度搜索与信息智能体的前沿探索 | CNCC

CCF大数据专家委员会秘书长，中国人民大学教授

中国人民大学教授，博士生导师，高瓴人工智能学院副院长。CCF大模型论坛常务委员，中文信息学会理事、信息检索专委会副主任。担任国际期刊ACM TOIS副主编，担任SIGIR 2023短文程序主席，全国信息检索学术会议CCIR程序委员会主席（2020）、大会主席（2023）等主席职务。长期担任SIGIR、TheWebConf、KDD、ACL等重要学术会议的程序委员会高级委员或领域主席。主要研究新一代智能信息检索技术、大模型、AI搜索、智能体、司法智能等。

论坛共同主席

中国人民大学博士后、讲师

中国人民大学高瓴人工智能学院博士后，合作导师为窦志成教授。CIPS青工委成员，CCIR专委会委员。研究方向为信息检索与大语言模型。目前，在人工智能和信息检索领域的国际顶级期刊和会议上发表学术论文40余篇。担任多个国际学术会议如ACL、NeurIPS、ICML、ICLR、SIGIR的程序委员会委员，并为TOIS、PNAS等国际学术期刊的审稿人。主导开发检索增强生成工具包FlashRAG，在Github上获2.7k星标。在检索增强生成领域具有丰富的研究与开发经验。

论坛讲者

中国科学技术大学教授

中国科学技术大学特任教授、博导，国家青年人才。研究兴趣：信息推荐与挖掘、大模型、可信人工智能等，在国际顶会（如SIGIR、WWW、NeurIPS、ICLR）和顶刊（如IEEE TPAMI、ACM TOIS）上发表论文70余篇，谷歌学术引用2万余次，Elsevier中国高被引学者，其中10余篇论文入选国际会议最具影响力论文列表和最佳论文候选。2025年获得人工智能国际顶会ICLR杰出论文奖，2025年、2023年两次获国际基础科学大会前沿科学奖，2024年获ACM SIGIR青年学者奖和吴文俊人工智能自然科学一等奖。

报告题目：基于自主强化学习的深度搜索

报告摘要：本报告聚焦于如何构建具备自主检索与知识精炼能力的大语言模型智能体。首先，介绍检索增强推理在复杂问答任务中的作用，指出现有方法在检索相关性与证据组织方面的局限。随后，提出“边思考边搜索再精炼”的新范式，通过强化学习框架AutoRefine，引导模型在推理过程中多轮调用外部知识，并在每次搜索之间显式进行证据筛选与组织，从而提升答案的准确性与解释性。最后，介绍结合检索质量与回答正确性的多维奖励机制，并实现策略优化。整体框架展示了LLM智能体从“被动检索”到“主动优化”的能力跃迁。

上海交通大学副教授

国家海外优青，生成式人工智能研究组负责人。发表论文100余篇，谷歌学术引用2万余次，h-index 49。是"提示工程"概念最早提出者之一，"少即是多"大模型对齐思想成为业界标准。连续两年获ACL最佳系统展示论文奖，开设国内首个《大语言模型》本科课程。

报告题目：深度认知工程（Deep Cognition）

报告摘要：本报告探讨生成式AI从"知识工程"向"认知工程"的范式转变，聚焦大模型复杂推理能力的突破与应用。将系统阐述测试时扩展技术、RL Scaling以及长思维链训练对推理深度的影响，并展示如何将这些技术应用于构建具备深度思考能力研究智能体。

中国科学院软件研究所副研究员

研究方向为大语言模型知识机制与后训练。近年来在ACL/NeurIPS/ICLR/AIJ等国际顶级期刊及学术会议上发表论文70余篇，主持和参与包括国家自然科学基金面上/青年基金、国家自然科学基金重点项目在内的多项国家级、部委级项目，以及CCF-百度松果基金、腾讯犀牛鸟基金等在内的多项企业合作项目。曾获ACL2024领域最佳论文奖、中国科学院院长奖特别奖、中国中文信息学会优博、中国中文信息学会钱伟长中文信息处理科学技术奖一等奖。

报告题目：大模型遇见检索：从外部知识增强到内部知识探索

摘要：检索增强生成是缓解大模型幻觉问题、增强大模型知识能力的重要手段。本报告从大模型与检索系统的结合开始，探讨大模型如何内化、组织以及利用外部检索增强知识，提升自身能力，从而解决现实世界的复杂推理问题。为此，本报告将主要涉及一下三个方面。在知识内化方面，介绍Self-retrieval，通过将外部知识进行准确化参数内化，从而实现检索模型和大语言模型的一体化。在知识组织方面，介绍StructRAG，通过推理时的自适应信息结构化组织，从而实现复杂任务中的推理增强生成。在知识利用方面，介绍DeepRAG，通过基于强化学习的大模型自主边界探索，从而实现大模型在检索增强生成过程当中的自主决策。

阿里巴巴通义实验室高级算法专家

博士毕业于中国科学院大学和上海科技大学，加州大学伯克利分校访问学者，从事大模型相关的技术研发。目前在国际顶级会议ACL/EMNLP/NAACL/ICLR等发表50多篇论文，在多个国际比赛摘取20个子赛道的冠军，并连续获得SemEval 2022、SemEval 2023最佳系统论文奖、ACL 2023杰出论文奖、NLPCC 2024杰出论文奖，曾任ACL Rolling Review、IJCAI的领域主席，当前研究方向包括检索增强RAG和Agent相关技术。

报告题目：构建自主深度研究智能体

摘要：本报告聚焦于“如何训练一个深度研究智能体”这一核心问题，探索构建具备自主研究能力的智能系统的路径与方法。自主研究智能体需模拟人类研究者的核心能力，包括任务拆解、信息检索、逻辑推理、结果合成及迭代优化等，而实现这一目标的关键在于解决“如何高效获取外部知识”、“如何平衡内部推理与外部探索”、“如何确保开源环境下的可扩展性与鲁棒性”等核心挑战。报告相关内容包括团队在deep research上的近期工作，包括且不限于WebWalker, WebDancer, WebSailor, ZeroSearch等。

快手语言大模型中心负责人

博士，长期从事大模型、自然语言处理、知识图谱和搜索推荐等 AI 领域的工作，在AI技术研发创新、产品应用落地、技术团队管理和跨团队协作等方面均拥有丰富的工作经验。目前在快手公司担任General Manger，语言大模型中心负责人，负责Klear系列大模型的技术建设及相关业务应用。在ACL、KDD、WWW、EMNLP等相关领域的顶级会议/顶级期刊上发表论文70余篇，谷歌引用1.5万+，长期担任相关学术活动的评委。连续多年入选了斯坦福大学发布的“全球前2%顶尖科学家榜单”和“人工智能全球最具影响力学者榜单AI 2000“。

报告题目：MyAdvisor - 人人可得的企业级咨询Deep Research Agent

摘要：决策级的知识服务门槛很高，这一市场的主要参与者是传统的大型咨询公司，但企业级咨询服务通常存在成本极高，服务周期长等问题。但是个人用户和中小企业同样也迫切希望拥有专业、个性化的咨询服务。如今，AI已具备博士级的认知能力，极大降低了专业门槛。原本只有专业人士、借助专业逻辑才能完成的研究、代码、设计等任务，如今普通用户和中小企业也能借助AI完成。MyAdvisor是一款致力于提供企业级咨询的Deep Research Agent产品，从一手专业信源（如学术论文、行业报告、官方数据）中获取信息，并通过严谨的验证机制确保信息的准确性和可靠性，满足用户在重要决策场景下对信息深度和专业性的高要求。

CNCC2025将于10月22-25日在哈尔滨举办。专题论坛将在往年多样化主题的基础上，首次通过“基础-前沿-未来”的一体化设计，满足不同背景参会者的需求，构建从知识获取到创新激发的完整路径，打造系统化、进阶式的参会体验。重点设置9大主题板块，每个主题板块的专题论坛由三大核心模块组成：面向前沿领域的体系性Tutorial、聚焦前沿突破的专题论坛以及探讨未来发展路径的思辨论坛。