课题简介
随着人工智能（AI）技术的迅猛发展，特别是在深度学习领域的进步，基于大规模语言模型（Large Language Models,LLMs）的智能体已经成为当前AI研究和应用的一个重要方向。LLMs以其巨大的规模和丰富的训练数据为基础，能够展示出复杂的自然语言处理能力，这使得它们不仅能够理解人类的语言，还能生成高质量的文本输出。随着大模型思维链（CoT - Chain of Thought）的出现，基于LLMs的智能体得以实现更为精细的行为路径规划，这是之前智能体难以企及的一项进步。传统的智能体设计往往受限于特定的场景和任务，而基于LLMs的智能体则展示出了更强的泛化能力，能够在多种情境下执行任务。例如，它们可以作为任务助手帮助用户完成日常任务，或是用于编程、社交乃至经济活动等多个领域。通过结合LLMs与关键模块如规划、记忆以及工具使用等功能，这些智能体不仅可以处理复杂的指令，还能根据历史经验和环境反馈来调整自身的行为。
本研究课题聚焦于优化大型模型驱动的自主智能体，并考察它们在日常生活的多个方面，如医疗和金融等领域的应用潜力。通过引入创新的优化策略，我们力求增强这些智能体处理超长文本序列的能力，以及它们的思考与推理水平。此外，我们还致力于提升智能体的自我规划与决策能力，以促进大型模型智能体技术的革新。本研究的发现将加深学术界对大型模型智能体的认知。
导师介绍
【学校/研究方向】
985高校计算机博士，博士期间研究NLP方向和序列建模方向，具体为大模型微调技术，大模型对齐技术，大模型agent，多模态大模型，时间序列基础模型。
在互联网大厂从事算法专家岗位，主要负责前沿算法的快速落地，模型在业务中的表现的调优。
Google scholar引用累计800+。Github star累计超过1700+。发表的一作/通讯论文获得社区的认可，如数据集文章被huggingface的使用，成为RLHF领域的标杆。
【科研论文/审稿人】
目前已经发表了论文50余篇，其中CCFA类会议与期刊18篇，包括ICML，NeurIPS，ACL，WWW，EMNLP，NAACL，COLING，DASFAA，ICASSP等等，且长期担任这些顶级会议与期刊的审稿人。
【指导经验】
指导了众多学弟学妹在ACL，EMNLP，WWW，NAACL等顶级会议上发表文章，共计10篇。指导众多学员发表顶会文章/SCI文章，共计18篇。
可选创新点
（1）大模型智能体的思考与规划能力提升（ACL,EMNLP,AAAI等;JMLR，TASLP，NN等期刊）
（2）大模型智能体的行为执行（工具使用）（ACL,EMNLP,AAAI等;JMLR，TASLP，NN等期刊）
（3）大模型智能体与世界知识(RAG)（ACL,EMNLP,AAAI等;JMLR，TASLP，NN等期刊）
（4）大模型多智能体（ACL,EMNLP,AAAI等;JMLR，TASLP，NN等期刊）
课程亮点
（1）解锁顶会顶刊 idea 范式：聚焦大模型智能体前沿方向（思考规划、工具调用、RAG、多智能体），提炼具备顶会顶刊竞争力的创新点。针对性设计ACL、NeurIPS、ICML、AAAI等顶会及JMLR、TASLP等顶刊青睐的研究方向（如推理增强、工具调用优化、多智能体协同等）。
（2）贯通顶会顶刊论文全生命周期的辅导：提供从课题设计到投稿返修的全流程科研护航。进行全阶段支持，包括：开源数据集应用与定制分析；定制化实验方案设计、指标调优；初稿修改与期刊匹配，并进行审稿策略指导。
（3）掌握大模型智能体全栈技术。