报告一:面向生物医药的大语言模型和多智能体系统

报告简介：随着大语言模型与多智能体系统的快速发展，人工智能正从通用认知工具迈向深度参与科学发现的新阶段。本报告围绕“面向生物医学的大语言模型与多智能体系统”，介绍我们在 AI for Science 方向上的代表性探索与方法论进展。报告重点分享三方面工作：一是面向医学推理的多智能体协作框架，通过角色分工与交互推理，实现高精度、可解释的自动化医学决策；二是蛋白质与分子设计的新范式，结合结构与生化约束，推动分子建模与设计效率的系统性提升；三是面向 AI 科学家的基础设施与评测体系，探索在真实科研场景中构建可靠、可控的智能研究系统。最后，报告展望以多智能体为核心的“自主科学发现操作系统”，推动人工智能从科研辅助工具升级为能够生成假说、设计实验并形成闭环验证的科研合伙人，为生物医学研究范式转型提供新的技术路径。

报告人：唐相儒，耶鲁大学计算机系博士，斯坦福博士后。以一作/共同一作在 Nature Biotechnology、Nature Communications、ICLR、ACL等期刊/会议发表十多篇学术论文。论文总引用一万余次。多次组织ICML、ICLR、CVPR、ISMB研讨会、讲习班。曾获2025 世界人工智能大会云帆奖明日之星，AAAI 2025 AI4Research WS最佳论文奖，IJCAI 2024 AI4Research WS最佳论文奖。

报告二:探究大模型智能体的尺度效应

报告简介：基于大语言模型（LLM）或视觉语言模型（VLM）的智能体已经展现出解决复杂问题的强大能力，并正在快速拓展到操作系统级工作流自动化、科研与发现、具身智能等多种下游应用。随着 VLM、VLA、生成模型等基础模型的融合，以及记忆机制、系统提示词、外部知识库与工具调用等外部支架的引入，面向长序列、复杂任务的系统化智能体正在出现。与此同时，人类社会本质上是由多种组织构成的复杂系统：个体在环境规则下协作与竞争，以实现共同目标或间接影响环境状态。因此，我们进一步设想：建立在基础模型之上的多智能体系统，有望从单体智能体扩展到“组织级实体”，呈现可扩展的集体能力。本报告将回顾 AI 智能体的发展脉络，简要介绍各领域中基于基础模型的单智能体架构，并重点讨论面向多智能体任务完成的群体智能。最后，我们将探讨这些智能体在真实部署中如何形成集体智能，以及人类社会与 AI 智能体共存的可能形态。

报告人：尹榛菲（Zhenfei Yin），现为英国牛津大学博士后研究员，与 Philip Torr 教授合作开展研究；同时也与上海人工智能实验室合作，在“AI for Science”研究中心担任 foundation agents 方向的Co-PI。他的研究目标是构建能够在虚拟世界与物理世界中运行的基础模型智能体。在攻读博士学位之前，他曾在商汤科技 AGI 研究组从事多模态基础模型的研发。