YEF2026 | 智能体时代的青年力量：OpenClaw赋能青年人才成长

南开大学二级教授，卓越工程师学院执行院长，媒体计算团队学术带头人。主持承担国家杰出青年科学基金、优秀青年科学基金项目、科技部重大项目课题等。他的主要研究方向是人工智能、计算机视觉和计算机图形学，在SCI一区/CCF A类刊物上发表学术论文100余篇（含IEEE TPAMI论文40余篇），h-index为100，论文谷歌引用7万余次，单篇最高引用5千余次，多次入选全球高被引科学家和中国高被引学者。

南开大学教授、博士生导师，国家级青年人才（海外），多次入选斯坦福全球Top 2%科学家。2019年加入新加坡南洋理工大学任博士后研究员，并于2020年获聘为瓦伦堡-南洋理工大学校长博士后，2022年加入新加坡科技研究局（A*STAR）前沿人工智能研究中心任高级研究员、独立PI，2023年兼职新加坡国立大学助理教授。曾获ICME最佳论文奖、ECCV AROW最佳论文奖，天津市ACM优秀博士论文奖等多项荣誉。

2014年获全国青少年信息学奥林匹克竞赛（NOI）金牌并保送清华大学。博士阶段在清华大学计算机系从事系统与高性能计算方向研究。毕业后，他以联合创始人身份加入清程极智科技有限公司，主导AI Ping产品从0到1的技术架构与生态建设，深度参与国内大模型评测标准与路由服务体系构建，长期聚焦万模互联场景下的技术落地与商业化实践，致力于打造安全、高效、开放的国产AI基础设施，推动Token经济与智能路由生态健康发展。

AI Ping: 构建Agent时代的高质量Token流通网络

报告摘要：本报告结合当前生成式AI进入Token规模化应用时代、Token爆发式增长的行业热点，阐述万模并行、百模齐放背景下统一路由的核心价值与发展趋势，指出高效调度、可信评测与成本优化已成为行业关键痛点。AI Ping立足中国AI生态，以开放中立姿态对标借鉴OpenRouter模式，打造更适配本土、聚焦国产模型深度适配与权威评测的中国版AI统一路由平台，演讲将介绍其统一API接入、全链路评测、Token速度提升和成本优化等核心能力，分享技术落地进展与生态共建理念，并结合实际案例展现AI Ping如何连接模型、优化算力、释放Token价值，让模型调用更高效稳定可控，助力中国AI基础设施稳健发展。

南开大学副教授、博士生导师，南开百青、五四青年奖章获得者，入选博新计划A档，获吴文俊人工智能优秀青年奖。长期从事计算机视觉与深度学习研究，谷歌学术引用2.5万余次，相关工作被Hinton教授团队重点跟进，并成为工业界主流轻量目标检测器YOLO系列的标准配置。现任CCF计算机视觉专委会执行委员、2025年度CCF学生领航计划（SPP）工作组委员，曾获CCF博士学位论文激励计划提名，2025年当选CCF高级会员。

个人智能体赋能教育：减论的实践

报告摘要：基于OpenClaw个人智能体的“减论”实践，为高等教育AI入门带来全新范式。传统教学常困于理论堆叠与工具繁杂，而减论主张“以简驭繁”——通过OpenClaw智能体动态拆解知识图谱，将深度学习、神经网络等复杂概念化为可交互的微任务。学习者仅需自然语言对话，智能体便能实时生成代码示例、可视化解释并诊断认知盲区。例如在反向传播教学中，OpenClaw自动构建简化版网络，引导学生在调试中理解梯度消失问题。这种“减法”式学习剥离冗余信息，聚焦核心逻辑，使AI教育从知识灌输转向能力建构，大幅降低入门门槛。

南开大学信息与传播学院副教授，南开大学融媒体研究中心研究员，研究方向聚焦计算传播、大数据挖掘、网络新媒体、信息管理与信息系统。已在SCI、SSCI、CSSCI期刊及国际会议发表论文20余篇，主持国家自然科学基金、教育部人文社会科学研究青年基金、天津市哲学社会科学规划青年项目等5项课题。

一个OpenClaw高强度实践指南

报告摘要：本报告以“一个OpenClaw高强度实践指南”为主线，面向高校师生系统展示这一开源AI智能体如何作为“个人数字员工”常驻运行、自动代办学习与办公任务。 通过课程学习助手、文献检索与整理、代码与数据分析等真实场景案例，演示学生如何利用Skills生态与本地优先部署显著提升学习与科研效率。 同时从教师视角展示其在备课与课件生成、科研项目管理和信息获取中的实战用法，给出可复制的工作流范式与风险边界，为在高校构建OpenClaw辅助教学与科研的新范式提供参考。

2025年本科毕业于西安电子科技大学，现为西湖大学博士研究生。主要研究方向包括多模态大模型、音视频理解与高效推理，相关成果发表于CVPR、ICLR、NeurIPS等国际顶级会议。

Agentic 音视频理解：从被动感知到主动推理

报告摘要：现有全模态大语言模型虽然能够同时接收音频与视频输入，但在细粒度跨模态对齐、长时序事件定位和复杂问题推理方面仍面临较大挑战。本报告将围绕 Agent 与音视频理解展开，介绍音视频理解智能体如何将传统的被动响应式理解转化为主动信息查询过程，并通过按需调用视频、音频和事件工具，逐步收集证据，完成更细粒度的跨模态推理。进一步地，报告将讨论 Agentic 音视频理解的未来发展方向，重点关注具备 tool self-calling 能力的 Agentic 全模态大语言模型。最后，报告也将结合当前方法中的推理开销、训练与评估数据和时序定位能力等问题，探讨该方向在模型训练、评估和实际应用中的挑战。

西湖大学博士研究生，师从林涛教授与陈虹宇教授。研究方向聚焦原理感知科学发现（Principle-Aware Scientific Discovery）与智能体学习，提出将科学原理作为可优化对象的框架，利用信息论驱动科学假设迭代与原理空间演化，致力于构建面向自主科学发现的AI智能体系统。

原理感知的自主科学发现系统

报告摘要：本报告将介绍一种原理感知的科学发现框架，旨在赋予智能体真正的科学直觉。我们创新性地提出将“科学原理”作为智能体系统中可优化的对象，通过构建动态的原理空间，利用信息论方法驱动智能体在实验证据的反馈中迭代更新假设。该框架不仅利用已知定律指导探索，更具备异常驱动的原理拓展能力，能够通过多智能体协作自主探索新规律。我们将展示这一范式如何在材料发现领域，实现从数据拟合到机制发现的跨越，为构建自主进化的AI科学家提供理论与实践基础。