院士领衔、IEEE Fellow 坐镇，清华、上交大、复旦、同济等专家齐聚 2025 全球机器学习技术大会

摘要：随着 Manus 出圈，OpenManus、OWL 迅速开源，OpenAI 推出智能体开发工具，全球 AI 生态正经历新一轮智能体革命。大模型如何协同学习？大模型如何自我进化？新型强化学习技术如何赋能智能体？

随着 Manus 出圈，OpenManus、OWL 迅速开源，OpenAI 推出智能体开发工具，全球 AI 生态正经历新一轮智能体革命。大模型如何协同学习？大模型如何自我进化？新型强化学习技术如何赋能智能体？

围绕这些关键问题，由 CSDN&Boolan 联合举办的「2025 全球机器学习技术大会」将于 4 月 18-19 日在上海隆重举行。大会云集院士、10 所高校科研工作者、近 30 家一线科技企业技术实战专家组成的超 50 位重磅嘉宾。他们将以独特的视角，解读智能体、联邦学习、多模态大模型、强化学习等前沿议题。无论你是科研学者、技术专家，还是行业从业者，都将在这里收获前沿洞见和实践经验，共同推动 AI 时代的技术变革与应用落地。

官网：https://ml-summit.org/

院士领衔、学术领军者、顶会论文作者解锁 AI 技术关键议题

2025 全球机器学习技术大会诚邀加拿大工程院及加拿大皇家学院院士杨强，清华大学人工智能研究院副院长、IEEE Fellow 朱军，清华大学交叉信息研究院助理教授、前 OpenAI 研究员吴翼，同济大学计算机科学与技术学院教授、博导胡亮，上海交通大学人工智能学院长聘教轨副教授温颖，中国人工智能领军科学家刘志毅，上海人工智能实验室青年科学家崔淦渠，复旦大学大数据学院青年副研究员周宝健，深圳人工智能与机器人研究院（AIRS）具身智能中心副研究员夏轩等学术权威，围绕联邦学习、强化学习、大模型对齐、多智能体学习等前沿技术展开深入探讨。

杨强：联邦大小模型协作学习

在 2025 ML-Summit 上，杨强院士将带来《联邦大小模型协作学习》的精彩演讲。杨强院士认为，未来 AI 将是大小模型协作的时代，云端大模型与本地化小模型可借助联邦学习和迁移学习实现协同增强，在提升模型能力的同时，有效保护各方隐私和数据安全。

杨强作为加拿大工程院及加拿大皇家学院院士，微众银行首席人工智能顾问，香港科技大学荣休教授，AAAI-2021 大会主席，国际人工智能联合会（IJCAI）前理事会主席，曾获 ACM SIGKDD 及 IJCAI Donald E. Walker 杰出服务奖。他是《ACM TIST》和《IEEE TRANS on BIG DATA》的创始主编，亦是 CAAI/AAAI/ACM/IEEE/AAAS Fellow。作为联邦学习与迁移学习领域的先驱，著有《迁移学习》《联邦学习》《隐私计算》《联邦学习实战》等书，推动 AI 技术在数据隐私与安全领域的前沿发展。

朱军：扩散策略学习的若干进展

朱军是清华大学人工智能研究院副院长、清华大学计算机科学系博世 AI 教授、IEEE Fellow、AAAI Fellow、生数科技创始人兼首席科学家，曾任卡内基梅隆大学兼职教授。朱军长期从事机器学习研究，包括概率机器学习、贝叶斯方法的基础理论、高效算法和编程库，并利用贝叶斯方法研究深度神经网络的对抗鲁棒性以及复杂环境下的决策学习等问题。发表 CCF A 类会议/期刊论文百余篇，谷歌学术引用 2.5 万余次；担任国际著名期刊 IEEE TPAMI 的副主编，担任 ICML、NeurIPS、ICLR 等（资深）领域主席 20 余次。

朱军在 2025 ML-Summit 的演讲将聚焦扩散策略学习的最新进展。扩散模型作为近年来生成式 AI 领域的重要突破，在图像生成、文本生成等任务中展现出强大的能力。策略学习是强化学习领域的重要分支，旨在学习最优策略以最大化回报。

吴翼：专为大型推理模型设计的灵活高效的开源强化学习系统

吴翼是清华大学交叉信息研究院助理教授，曾任 OpenAI 研究员，研究方向涵盖深度强化学习、多智能体学习、推理模型与人机交互。2019 年于加州大学伯克利分校获博士学位，师从 Stuart Russell 教授，本科毕业于清华大学姚班。其代表作包括 Value Iteration Network、MAPPO/MADDPG 算法以及 OpenAI 多智能体捉迷藏项目，并曾获 NIPS2016 最佳论文奖与 ICRA2024 最佳演示奖入围。

在 2025 ML-Summit 上，吴翼将介绍 AReaL——专为推理模型与强化学习设计的高效训练系统。随着 o1/R1 级推理模型的崛起，强化学习正成为推动 AGI 发展的关键引擎。然而，强化学习算法复杂度远高于传统深度学习，对训练系统提出严苛要求。吴翼将解析 AReaL 如何应对强化学习的独特挑战，并展示其在推理模型训练中的应用。

胡亮：类脑认知多模态大模型

胡亮是同济大学计算机科学与技术学院教授、博导，入选国家海外高层次青年人才计划，上海海外高层次人才，分别在上海交通大学获得计算机应用技术博士学位，澳大利亚悉尼科技大学（UTS）获得分析学（Analytics）博士学位。研究涵盖人工智能、推荐系统、数据科学、隐私计算、大模型及跨学科交叉融合的新一代智能技术。发表百余篇高水平论文，主持多项国家级科研项目，并积极推动 AI 技术在电子商务、医疗、税务、金融、交通等领域的落地应用。曾主办 IEEE ICAACE 2023/2024 国际会议，担任多个国际 AI 会议程序委员会委员。

胡亮本次在 2025 ML-Summit 上将探讨类脑认知多模态大模型的构建，旨在实现人类大脑、AI 大脑与机器人大脑的无缝连接。报告将介绍受神经科学启发的持续机器学习与遗忘机制，并探讨人类大脑信息编码（如 fMRI）与生成式 AI 之间的解码交互。这些研究为多模态 AI 发展、人机协作及智能体交互提供了全新范式。

温颖：基于强化反馈的大模型自我提升与推理增强

温颖是上海交通大学人工智能学院长聘教轨副教授、博士生导师，研究方向涵盖多智能体学习、强化学习及博弈论应用。2020 年获英国伦敦大学学院计算机系博士学位，入选上海海外高层次人才，主持国家重点研发计划课题及上海市青年科技英才扬帆计划。其研究成果发表于 ICML、NeurIPS、ICLR 等顶级会议，并获 CoRL 2020 最佳系统论文奖及 AAMAS 2021 Blue Sky Track 最佳论文奖。

本次演讲聚焦大模型的数据再生产与推理增强。LLM 的持续进化依赖于高质量数据和反馈信号，而人工数据生产成本高昂，难以满足增长需求。温颖将探讨如何通过强化学习和自我迭代机制，实现大模型的数据生成、筛选与优化，以提升推理能力和复杂决策任务的表现。

刘志毅：基于大模型技术的 Agent 范式创新与思考

刘志毅是中国人工智能领军科学家，长期研究智能计算、空间智能及超级 AI 对齐问题。现为上海市人工智能社会治理协同创新中心研究员，并担任多个 AI 伦理与治理相关学术职务。入选福布斯中国“十大人工智能影响力人物”，著有《智能经济》《数字经济学》《智能的启蒙》等十余部中英文专著。

本次演讲将聚焦基于大模型技术的 Agent 范式创新，探讨如何利用大模型增强 AI 代理（Agent）的推理、规划与自主决策能力。

崔淦渠：结合隐式过程奖励的大模型强化学习

崔淦渠是上海人工智能实验室青年科学家，清华大学计算机系博士，师从刘知远副教授，研究方向为大语言模型对齐与强化学习技术。在 ICML、NeurIPS、ICLR、ACL、KDD 等顶级会议和期刊发表论文十余篇，谷歌学术引用超 8000 次。

崔淦渠本次演讲将介绍基于可扩展过程奖励的在线强化学习方法 PRIME，通过隐式过程奖励解决大模型强化学习中的关键问题。基于 Qwen2.5-Math-7B-Base 训练的 Eurus-2，仅用 1/10 Qwen 开源数据，数学能力超越 Llama3.1-70B 和 GPT-4o，PRIME 贡献了 16.7% 绝对提升，远超现有开源方案。本次演讲将解析其核心机制，并探讨强化学习在大模型推理能力提升中的未来方向。

周宝健：大规模图上的高效局部计算与优化

周宝健是复旦大学大数据学院青年副研究员。2020 年获得纽约州立大学奥尔巴尼分校博士学位，之后在石溪大学从事博士后研究工作（2020-2021）。长期从事大规模图机器学习和数据挖掘的理论研究工作，特别是动态图表示学习以及图上的加速算法研究。近年来，在大规模图数据挖掘上的异常子图检测、图结构约束优化、图机器学习以及动态图表示学习的异常检测等研究方向取得了一些列的研究成果。研究成果先后在 ICML、NeurIPS、KDD、IJCAI、AAAI、ICDM、CIKM、TKDE 等国际数据挖掘和机器学习会议上发表论文 20 余篇。

在 2025 ML-Summit 上，周宝健将带来《大规模图上的高效局部计算与优化》的主题分享，他将介绍一个新框架——局部演化集过程（Locally Evolving Set Process），该框架可以有效地将标准迭代求解器局部化。该方法显著提高了扩散向量计算的速度，具有次线性运行时间复杂度，反映了实际应用中算法的性能表现。该框架利用了扩散向量的局部化特性，提供了显著的计算节省，特别适用于 GPU 上的大规模动态图。报告中还将讨论一些开放问题和未来的研究方向。

梁家卿：面向领域的大模型思维能力

梁家卿是复旦大学大数据学院青年副研究员，专注于知识图谱与大模型的认知智能研究。在 TKDE、AAAI 等顶级会议和期刊发表论文 50 余篇，研发的知识图谱与大模型应用平台累计被调用超 17 亿次，拥有近 20 项专利。曾获语言与智能技术竞赛信息抽取比赛第一名。主持研发的中文大模型 CuteGPT 在多家公司落地应用。曾获 ACM-ICPC 区域赛金牌、TopCoder Open 全球前 150 名、吴文俊人工智能奖科技进步奖等多项荣誉。

在 2025 ML-Summit 上，梁家卿将带来《面向领域的大模型思维能力》主题演讲。大模型在通用智能领域取得突破，但在特定领域的思维能力仍面临挑战，尤其是复杂指令遵循、精准模仿领域思维、强化学习试错与工具结合等方面。o1 类模型展现出强大的推理潜力，但如何在多约束场景下提升其理解与执行能力，仍是关键问题。本演讲将探讨优化训练范式与工具集成的方法，以增强大模型在领域任务中的推理与决策能力，助力其在复杂场景下实现更精准、高效的应用。

一线技术实战派与开源先锋共话产业落地实践

2025 全球机器学习技术大会嘉宾不止于学术领军者、IEEE Fellow、顶会论文作者，还有一线科技产业技术实践派、开源先锋组成的豪华嘉宾阵容，共同探讨 AI 技术在实际应用中的创新突破与落地挑战。

CSDN 高级副总裁、Boolan 首席技术专家 李建忠，数势科技创始人兼 CEO黎科峰，阶跃星辰 Tech Fellow段楠，新浪微博首席科学家及 AI 研发部负责人张俊林，生数科技 CTO鲍凡，阿里巴巴通义实验室大模型资深算法总监李永彬，小红书推荐算法负责人严岭，得物机器学习高级专家孟令公，字节跳动 Trae IDE 架构师段潇涵，百度 Comate 架构师张立理，快手大模型算法专家宋欢，百川智能多模态负责人孙豪泽，微软亚洲研究院高级研究员、Logic-RL 贡献者邱凯，DeepWisdom 算法研究员、OpenManus 项目一作梁新兵，美国东北大学电子与计算机工程系副教授王言治，Jina AI 创始人及 CEO肖涵，小红书音频技术负责人解奉龙，英飞流联合创始人兼 CEO张颖峰，数势科技数据智能产品总经理岑润哲，字节跳动 AI 开发平台研发工程师沈桐，微软亚洲研究院研究员卢帅，京东算法总监邓金秋，建宇智造 CTO吴岸城，商汤科技小浣熊家族技术负责人张涛，金山办公 AI 应用算法负责人张家瑞，阿里巴巴高级技术专家张玉明，LLaMA Factory 核心开发者冯张驰，eBay 高级算法专家Eason Zhao，eBay 机器学习平台软件开发工程师谢吉兵，Pinterest 高级软件工程师罗震霄，北京邮电大学博士生，TeleAI 研究院 AI 治理实习生初佳明。他们将共同探讨 AI 技术在实际应用中的创新突破与落地挑战，为参会者带来行业最前沿的实践经验和技术洞见。