RSI是否能通往AGI？大模型智能体强化学习与自进化论坛 | CNCC2026

嘉宾简介：周明博士，1985 年获重庆大学本科学位，1991 年取得哈尔滨工业大学博士学位。1991–1999 年任教于清华大学，其间赴日本开展中日机器翻译研究；1999–2020 年任职于微软亚洲研究院。他是 ACL Fellow、CCF 会士，曾任 ACL 主席、CCF 副理事长、微软亚洲研究院副院长。在微软亚洲研究院期间，带领团队深耕机器翻译、问答、语言学习等方向，并率先启动通用、多模态、编程类大模型前沿研究，相关成果落地于微软多款核心产品。他深耕自然语言处理三十余年，担任多校博导，培养二十余名博士和二十余名博士后，持续推动产学研融合。2021 年，在创新工场支持下创办澜舟科技，自研孟子大模型与 LangClaw 企业智能体系统，聚焦企业自主 AI 核心技术研发与产业落地。

嘉宾简介：杨健，北京航空航天大学副教授，华为卓越青年学者，聚焦代码大模型与智能体，研究方向覆盖预训练、后训练、协同生成与评测，在 ICLR、NeurIPS、ACL、EMNLP 等国际权威学术期刊和会议发表论文百余篇，第一与通讯作者 30 余次，多次担任 ARR（ACL、EMNLP、NAACL）SAC/AC、INLG 2026 Program Chair、AAAI（AIA Track）SPC 与 AC，谷歌学术引用 42000+，获 WAIC 2026 云帆奖。博士毕业后，以阿里星（阿里人才计划）加入阿里巴巴通义千问团队，作为千问大模型 Qwen 系列及千问代码大模型 QwenCoder 系列的核心贡献者，负责千问模型代码能力建设及专项代码模型 QwenCoder 的研发。加入北航后，主导研发循环代码大模型 LoopCoder，以及面向工业场景的 InCoder-32B，覆盖 7B、14B、32B、40B 多个参数量级。在代码大模型应用落地方面，获得发明协会创新创业一等奖，累计专利、应用证明、漏洞证明十余项。

嘉宾简介：陈冠华，南方科技大学助理教授，博士生导师，中国中文信息学会青工委执委，CCF 自然语言处理专委会执委。研究兴趣为推理大模型智能体的持续学习与自进化。他获得 2025 年度微软亚洲研究院铸星学者，主持一项国家自然科学基金青年项目和一项广东省自然科学基金面上项目，并作为核心骨干成员参与一项科技部重点研发青年科学家项目。近三年来在 ICML、ICLR、ACL 等 CCF-A/B 类会议以第一作者或通讯作者身份发表论文 40 篇，担任人工智能领域会议和期刊审稿人和 ICLR/ACL/EMNLP 领域主席。

开场致辞：RSI 递归自主改进的发展与挑战

内容简介：递归自进化（RSI，Recursive Self-Improvement）是当前通用智能与智能体领域的前沿研究方向，核心是让 AI 系统具备自我诊断、自我迭代、自我优化的闭环进化能力，突破传统模型依赖人工调参、人工迭代、人工优化的研发范式。近年来，随着大模型、代码智能体与循环推理架构的快速成熟，RSI 从理论构想逐步走向受限场景的工程落地，在代码生成、模型微调、任务自迭代等方向展现出巨大潜力。但整体而言，RSI 仍处于早期探索阶段，面临迭代稳定性差、自我进化难以收敛、评价体系不完备、复杂任务递归退化、安全对齐难度大等关键瓶颈。本次分享将系统梳理 RSI 技术的演进脉络、当前阶段性成果，剖析落地中的核心技术难题与未来发展路径。

演讲：共进化 AI 与不可解释的可验证的创新

嘉宾简介：沈阳，清华大学人工智能学院、新闻学院双聘教授，主要研究方向为自进化 AI、AIGC、新媒体、大数据、网络舆论、XR 应用。现为近十个部委专委会专家，以及多个二级学会副会长或秘书长，中宣部“文化名家”暨“四个一批”入选者、教育部新世纪人才计划入选者。

报告摘要：本报告围绕自进化 AI、自主算法优化与智能自我检验技术，构建人机共进化新范式，建立“不可解释过程+强可验证结果”创新理论框架。自进化 AI 可自主开展高维探索、算法迭代优化，创新推演链路超出人类认知边界；依托内嵌多层级自检体系，自动完成精度校验、误差修正与成果复现核验，实现黑箱进化、结果可信。报告重塑人机分工模式，人类负责目标设定与边界管控，AI 承担自主探索、创新产出。团队已形成自进化智能、自动寻优、自主校验等系列原创成果。该范式推动 AI 从工具智能走向自生智能，为持续学习、可控进化的下一代智能系统提供创新方法论与落地路径。

报告题目：第一性原理视角下的智能进化：从模型基础到运行框架

嘉宾简介：钱泓锦，北京智源人工智能研究院研究员，北京大学博士后，研究方向为检索智能体与智能体记忆，主持国家自然科学基金青年项目。在人工智能与信息检索领域的国际期刊与会议发表论文数十篇。其所在团队长期专注于开源模型生态建设，相关项目在 GitHub 上累计获星超过一万，模型在 Hugging Face 平台月下载量达数亿次。

报告摘要：在大模型逐步掌握对话、推理、代码编写与工具调用之后，自主研究将成为人工智能的下一个重大突破：智能体能够像研究者一样，主动提出问题、搜集证据、形成假设、检验结论，并最终产生超越既有知识边界的新发现。本报告将从第一性原理出发，围绕复杂问题中普遍存在的“求解—验证”不对称性，探讨智能进化的基本机制与系统实现。我们提出“求解—评估双循环智能体”，通过持续求解、结果评估与反馈改进，实现解决方案的递归优化，并在深度研究、机器学习与算法工程等场景中验证其有效性。在此基础上，我们将进一步讨论支撑长期智能进化的运行框架，以及如何通过“技能蒸馏”将人类知识转化为适合智能体自主研究的技能基础，从而构建融合模型能力、循环优化与人机协同的智能进化体系。最后，报告将探讨智能进化对现实应用场景的赋能，并展示相关原型系统与评估框架。

报告题目：从强化学习到自我演化：迈向长程智能体

嘉宾简介：林衍凯，中国人民大学高瓴人工智能学院预聘副教授，主要研究方向为大模型智能体。Google Scholar 统计引用达 3.1 万次，2020—2025 年连续六年入选爱思唯尔（Elsevier）中国高被引学者和斯坦福大学全球前 2% 顶尖科学家年度榜单，入选北京市科技新星、吴文俊人工智能青年科技奖、《麻省理工科技评论》中国与 DeepTech 联合发布的“AI100 青年先锋”等。其成果获评教育部自然科学一等奖、世界互联网大会领先科技成果。现任 CCF NOI 科学委员会委员。

报告摘要：长程推理是通用智能体的核心瓶颈。本报告以能力的持续获取为主线，先探讨如何用智能体强化学习提升长程推理与跨任务泛化，再剖析人类在任务、奖励与验证上的监督上限，进而介绍自我演化：让智能体自主构造任务与反馈，形成自我提升闭环，突破监督瓶颈，探索通用智能体可持续进化的路径。

报告题目：Agentic AI 的进化配方：模型、环境与数据的反馈闭环

嘉宾简介：林涛，西湖大学工学院人工智能系特聘研究员、博士生导师、独立 PI（课题组负责人），入选国家级青年人才计划。2022 年博士毕业于瑞士洛桑联邦理工学院（EPFL）。研究领域为（1）深度学习与优化，（2）高效深度学习与推理，（3）分布式深度学习与系统。相关论文获评 ECCV 2024 最佳论文提名。2024—2025 年连续入选斯坦福大学全球前 2% 顶尖科学家榜单。实验室主页：https://lins-lab.github.io/。

报告摘要：当前，大语言模型正从单一的“一次性问答系统”，演进为具备工具调用、环境干预以及基于反馈持续决策能力的“智能体（Agent）”。本报告聚焦“什么是智能体、如何训练智能体、如何实现智能体自进化”三大核心议题，系统性地梳理了一条从规模化工程实践到构建反馈闭环的研究路线。 首先，AWorld 通过分布式智能体与环境的交互大幅提升经验采集效率，为智能体强化学习构筑了高可扩展的训练基础设施；其次，Environment Tuning 结合结构化课程、可执行的环境反馈与细粒度进度奖励，使智能体能够在极少量任务中实现稳定学习；进一步地，RODS 利用多次 rollout（模型对同一任务的多次采样）的平均进度奖励与奖励方差来探测模型的能力边界，并围绕这一动态边界在线合成数据，从而实现训练任务与模型能力的协同进化。 上述工作共同勾勒出了 Agentic AI 的演进范式：智能体训练不应局限于孤立的模型优化，而应立足系统全局视角，构建起“模型、训练环境与训练数据”三位一体、相互促进的反馈闭环。