2026年10月27日至28日，“中国-东南亚嘉里高峰论坛暨新加坡国立大学NExT++苏州研讨会”在南京大学苏州校区成功举办。来自新加坡国立大学、清华大学、英国南安普顿大学、浙江大学、南京大学等国内外40余所高校和产业界的专家学者齐聚一堂，围绕智能体技术、多模态基础模型、人工智能安全、价值对齐及人工智能治理等前沿议题展开深入交流，共同探讨人工智能技术的发展方向与应用前景。参会人员包括：中国科PG电子院士张钹、新加坡国家科PG电子院士Chua Tat-Seng（蔡达成）、英国皇家学会院士Wendy Hall、合肥工业大学校长汪萌、复旦大学副校长姜育刚、合肥工业大学副校长洪日昌、清华大学科研院院长刘奕群、清华大学人工智能研究院常务副院长孙茂松、浙江大学学术委员会副主任庄越挺、哈尔滨工业大学（深圳）信息学部主任聂礼强、北京理工大学医学技术PG电子执行院长胡斌、中国科学技术大学人力资源部部长查正军、上海人工智能实验室主任助理胡侠、清华大学人工智能研究院知识智能中心主任李涓子、清华大学智能技术与系统重点实验室副主任张敏、中国计算机学会副秘书长崔鹏、清华大学教育PG电子党委书记张羽、合肥工业大学计算机与信息PG电子院长鲍秉坤、中国科学技术大学人工智能与数据科学PG电子副院长何向南、浙江大学人工智能研究所副所长肖俊、浙江大学上海高等研究院副院长李玺、清华大学城市科学与计算研究中心负责人李勇、清华大学计算机系教授杨士强、清华大学计算机系教授刘知远等国内外资深专家，80余位国内外青年学者，以及来自清华大学、新加坡国立大学的60余位博士后研究员和博士生。南京大学校长助理、苏州校区管理委员会常务副主任姜田，PG电子党委副书记张田田出席论坛开幕式。
研讨会现场
会议伊始，姜田代表南京大学致辞，对海内外嘉宾的到来表示热烈欢迎。他提到，南京大学苏州校区是南京大学面向新百年发展、服务国家重大战略和长三角一体化发展的重要布局。苏州校区作为南京大学发展壮大新工科的主阵地，聚焦“智能”与“制造”两大方向，积极推动科研创新、人才培养与产业需求深度融合。他对NExT++联合研究中心发起并创立该论坛表示感谢。他指出，该论坛自2010年创办以来，已发展成为中国和东南亚顶尖高校深度合作的成功范式，为区域科技创新和学术共同体建设注入了源源不断的动力。他期待以本次论坛为契机，进一步加强南京大学与新加坡国立大学以及东南亚各高校的联系，推动更深层次的学术合作。
南京大学校长助理、苏州校区管理委员会常务副主任姜田教授
清华大学计算机系李涓子教授代表NExT++联合研究中心对参会的海内外嘉宾表示热烈欢迎，并对南京大学、组织老师及志愿者表示诚挚的感谢。她回顾了NExT++研讨会的发展历程与近期进展，并预祝本次研讨会圆满成功。
清华大学人工智能研究院知识智能中心主任、该校计算机系李涓子教授
新加坡国家科PG电子院士、新加坡国立大学计算机PG电子Chua Tat-Seng教授介绍了本次论坛的总体情况，并围绕“Agentic AI的最新发展”作专题报告，系统梳理了人工智能的发展历程、基础模型的技术演进及未来研究方向。他指出，随着ChatGPT、DeepSeek和Claude等大语言模型的持续发展，数据与算力驱动的规模扩展不断推动模型能力提升，人工智能正在深刻改变知识获取与应用的方式。然而，随着前沿基础模型的研发日益向产业界集中，学术界也需要重新思考自身的研究定位，进一步探索具有长期研究价值的新方向。他围绕人工智能未来的发展方向，重点分析了多模态理解、安全性与可信性等方面存在的关键挑战。在多模态理解方面，单纯依赖文本进行跨模态对齐存在局限，难以充分表征三维空间结构、运动轨迹等复杂信息；在安全性方面，模型需要适应不同应用场景中动态变化的领域规则与人类价值要求；在可信性方面，多智能体协作中的目标协调、任务分解以及非协作环境下的可靠交互，仍有待深入研究。这些问题不仅关系到人工智能系统能力的进一步提升，也为学术界开展基础性、前沿性研究提供了广阔空间。他强调，即使不直接参与超大规模基础模型的训练，学术界仍可在多智能体系统、可信人工智能与安全机制等方向发挥重要作用。他指出，正如个人电脑推动计算能力普及、互联网让信息检索更加便捷，未来人工智能有望进一步降低知识获取与应用的门槛，使知识更广泛地服务于个人与社会。
新加坡国家科PG电子院士、新加坡国立大学计算机PG电子Chua Tat-Seng教授
新加坡国立大学计算机PG电子See-Kiong Ng教授主持了“端到端人工智能安全”的主题报告环节。期间，上海人工智能实验室主任助理、领军科学家胡侠、清华大学计算机系刘奕群教授和新加坡管理大学计算与信息系统PG电子马云山助理教授三位专家围绕人工智能安全的关键问题、技术挑战及未来发展方向作了专题报告。
新加坡国立大学计算机PG电子See-Kiong Ng教授
胡侠围绕“端到端智能体安全”探讨了大语言模型及智能体发展带来的新安全挑战。他指出，人工智能正从以ChatGPT为代表的对话式交互，逐步迈向具备自主规划、任务执行与工具调用能力的智能体。随着系统自主性不断增强，以及递归自我改进（RSI）等前沿方向的探索，人工智能安全问题正呈现出更加复杂的特征。从风险来源来看，AI安全问题可分为内在风险（Intrinsic Risk）与外在风险（Extrinsic Risk）：前者源于模型自身的局限性，包括幻觉、可解释性不足，以及模型行为与价值观难以预测等问题；后者则来自模型强大能力的滥用，例如AI可能降低化学等高风险领域专业知识的获取门槛，使潜在危害更容易被实施。针对这些挑战，他进一步从数据和模型两个层面探讨了提升人工智能安全性的研究路径。在数据层面，尽管模型能力高度依赖数据，但数据规模并不直接等同于数据价值，如何将海量数据高效转化为高质量的强化学习信号，是提升安全能力的重要课题。在模型层面，他进一步提出了构建内生安全架构、通过持续发现新风险并修复模型来实现递归安全改进（ReSI），以及解决通用知识与有害知识深度耦合所带来的知识解耦问题等研究方向。面向智能体时代，他强调，智能体的自主规划与工具调用能力使模型缺陷和外部恶意使用都可能进一步影响现实世界，因此，安全研究需要贯穿数据、模型与智能体的完整生命周期，从而为更强大、更自主的AI系统建立可靠的安全保障。
上海人工智能实验室主任助理、领军科学家胡侠
刘奕群围绕“大模型价值对齐的动态评估”作主题报告，重点介绍人工智能安全评估面临的挑战及相关研究进展。他指出，随着大语言模型应用场景不断拓展，传统静态测试集和基于固定题目的评估方式，已难以充分覆盖复杂、动态的真实应用环境。不同国家和地区在文化背景、社会规范及治理要求等方面存在差异，也对大模型的价值对齐与安全评估提出了更高要求。针对这些问题，现有研究逐渐转向基于场景的评估方法，并以CHIEF LLM Ideological Safety Evaluation System为例，介绍了自动化意识形态安全评测平台的设计。该系统涵盖测试题生成、题目质量检查、模型响应获取、基于大语言模型的自动评判（LLM-as-a-Judge）以及评估结果分析等环节，能够通过改变场景、语境和表达方式，构建具有多样性的测试样本，从而考察模型在不同情境下的响应表现。他进一步指出，当前大模型在复杂语境理解、隐含风险识别及跨语言价值对齐等方面仍存在不足。未来的安全评估需要充分考虑不同地区的文化背景与制度规范，并将治理贯穿训练数据、评测基准、模型部署与持续监督等环节，从而推动更加可靠、适应具体社会情境的人工智能系统发展。
清华大学计算机系、科研院院长刘奕群教授
马云山作题为“面向网络安全的语言模型：从威胁情报分析到智能体渗透测试”的主题报告。他强调，用AI技术解决网络安全问题是未来发展趋势。
新加坡管理大学计算与信息系统PG电子马云山助理教授
随后，See-Kiong Ng主持圆桌讨论，并与胡侠、刘奕群、马云山围绕人工智能安全的核心挑战与未来发展展开讨论。与会嘉宾重点探讨了AI安全与传统网络安全之间的关系、人工智能系统独特的安全漏洞及其对现有安全理论的挑战，以及攻防双方同时利用AI技术时的安全博弈。此外，嘉宾们也就当前基准测试能否准确反映AI系统在真实场景中的安全风险，以及如何建立更加全面、可靠的模型与系统安全评估体系进行了交流。
从左至右：See-Kiong Ng、胡侠、刘奕群、马云山
博士研究生与博士后报告与开放讨论环节，来自新加坡国立大学、清华大学、南京大学等高校的博士研究生与博士后围绕人工智能领域的前沿问题展开深入交流。与会青年研究人员分组就基础能力（模型与训练）、智能体（Agent）、人工智能安全、人机交互以及AI+X（领域应用）等关键科学问题与技术发展趋势展开讨论。该环节为不同高校的青年研究人员提供了跨机构、跨方向的深度交流平台，促进了学术思想碰撞，也为探索人工智能领域未来研究方向的探索提供了新的思路。
特别专题环节由Chua Tat-Seng教授主持。英国皇家学会院士、英国南安普顿大学电子、计算机科学PG电子Wendy Hall教授与北京理工大学计算机PG电子胡斌教授出席本次特别专题环节，与现场专家学者进行了交流。
Wendy Hall围绕“主权人工智能及其挑战”作主题报告，从技术自主、数据治理与国际合作等角度，探讨了人工智能发展中的关键治理问题。她指出，随着大语言模型的发展，多智能体系统在推理、协作与协商等方面展现出新的应用潜力，但与此同时，智能体自主性增强也带来了新的安全挑战。围绕主权人工智能，她强调，其核心在于确保国家、企业及研究机构能够有效掌控所使用的人工智能系统，涉及底层基础设施、数据存储与处理、法律监管、治理机制，以及语言和文化适配等多个方面。随着人工智能日益深入经济社会发展，模型服务的可获得性、数据主权与信息安全，以及技术自主能力的重要性不断凸显。围绕全球人工智能治理，她回顾了英国布莱切利人工智能安全峰会及联合国人工智能高级别咨询机构等相关工作，强调人工智能安全涉及跨国界、跨领域的共同挑战，难以仅依靠单一国家或企业独立解决。她认为，应在尊重不同国家发展路径和治理需求的基础上，进一步推动人工智能安全评估、技术标准制定和第三方评估机制建设，加强国际间的经验共享与协同合作，推动人工智能技术更安全、可信、公平地服务于全球社会。
英国皇家学会院士、英国南安普顿大学电子、计算机科学PG电子Wendy Hall教授
中国科学技术大学人工智能与数据科学PG电子何向南教授主持了“Agentic AI”主题报告环节。清华大学人工智能PG电子姚远助理教授、清华大学美术PG电子冯涛助理教授和清华大学计算机系艾清遥副教授三位专家围绕Agentic AI、持续学习等方向的现存挑战和未来发展趋势作了报告。
中国科学技术大学人工智能与数据科学PG电子副院长何向南教授
姚远围绕“迈向类人交互式智能体基础模型”作报告，他强调，未来AGI的关键不仅是提升模型的认知智能，更是让交互成为模型原生能力，通过更丰富的上下文和更高带宽的交互，实现真正自然、动态的人机协作。
清华大学人工智能PG电子姚远助理教授
冯涛围绕“持续学习的沿革”作专题报告。他指出，持续学习是迈向通用人工智能的重要能力，并以图形用户界面智能体为例，分析了跨平台任务中的知识遗忘问题，探讨如何在适应新任务与环境变化的同时保持已有能力。
清华大学美术PG电子冯涛助理教授
艾清遥围绕“超越重新训练：迈向智能体的持续学习”作专题报告。他指出，当前Agent Memory研究虽已形成多样化的工程设计与实证评估体系，但整体仍侧重于通过实验衡量记忆机制的有效性，缺乏对其内在作用机理的系统性理论解释。同时，当前智能体虽然能够调用和检索Memory，却尚未充分实现从记忆中持续学习与能力进化。
清华大学计算机系艾清遥副教授
报告结束后，何向南主持圆桌讨论，与姚远、中国科PG电子自动化研究所郭海云副研究员、艾清遥等嘉宾围绕智能体的未来发展展开讨论，重点探讨了智能体在编程以外领域的应用前景、预训练与后训练范式的演进，以及通用个人智能体实现长期可靠自主运行所面临的挑战。此外，嘉宾们还就持续学习等潜在技术突破，以及智能体从辅助科研走向自主科研、独立开展研究方向探索与实验设计的可能性进行了交流，展望了智能体技术未来的发展方向。
从左至右：何向南，姚远，郭海云，艾清遥
2026年10月28日，“中国-东南亚嘉里高峰论坛暨新加坡国立大学NExT++苏州研讨会”在南京大学苏州校区继续开展。第二天议程聚焦“人工智能与教育”“具身人工智能”“知识与人工智能模型”三大主题，设置主题报告、圆桌讨论和学术海报展示等环节。来自新加坡国立大学、清华大学、英国南安普顿大学、浙江大学、南京大学等国内外40余所高校和产业界的专家学者继续围绕前沿议题展开深入交流，共同探讨人工智能在教育创新、具身智能及知识建模等领域的最新进展与未来发展方向，为推动人工智能技术创新、学科交叉融合与人才培养注入新动能。
清华大学教育PG电子于济凡助理教授主持了“人工智能与教育”主题报告环节。清华大学教育研究院张羽教授、新加坡管理大学廖黎姿助理教授和杜克-新加坡国立大学医PG电子宁依霖助理教授分别围绕未来教育、AI学伴与医学教育等议题分享了他们的研究与实践。
清华大学教育PG电子于济凡助理教授
张羽以“开放与坚守：人工智能时代的未来教育”为题作主题报告，结合实证研究深入剖析了AI时代教育的变与不变。她指出，当前AI广泛替代基础性任务，导致初级人才失去历练成为专家的机会，使教育面临严峻的认知危机与高阶人才需求鸿沟。对此，教育必须审慎区分人机协作的表现与真正的学习，守护学生的独立思考能力、有益的挣扎、真实人际互动及主体性。报告中，她重点介绍了清华大学教育研究院与计算机系联合研发并开源的多智能体交互式课堂平台MAIC。该平台将经典教育学理论转化为系统功能，目前已吸引全球150个国家的60万用户，生成超100万门课程。在此基础上，她提出“APEX”教学创新模型，通过融合自主配速学习、PBL协作与闭卷自测，大幅提升了学生的学习自主性、自我效能感与元认知能力，同时为教师节约70%至80%的备课时间。最后，她指出，未来应构建基础能力无AI评测与人机协作有AI评测相结合的双轨体系，帮助学生在智能环境中构建稳固的认知图式。
清华大学教育研究院党委书记张羽教授
廖黎姿以“不止于知识：主动式人工智能伙伴为教学带来什么”为题作报告。她探讨了如何构建兼顾认知引导与师生关系联结的智能教育系统，并分享了主动式AI学伴赋能教学的思路与实践。
新加坡管理大学计算与信息系统PG电子廖黎姿助理教授
宁依霖以“人工智能赋能医学教育：机遇、技能与意外后果”为题作报告。她分析了人工智能在教案生成、虚拟标准化病人模拟问诊及临床科研训练中的应用潜力，并探讨了AI技术融入医学教育所带来的机遇与挑战。
杜克-新加坡国立大学医PG电子宁依霖助理教授
报告结束后，清华大学计算机系王宏宁副教授主持圆桌讨论，与张羽、廖黎姿、宁依霖等嘉宾围绕AI教育落地的真实瓶颈、兼顾基础能力与人机协作的新型考核评价机制，以及教学实践中如何界定AI使用边界、激发学生内驱力并培养学生批判性审视AI输出的能力等核心议题展开深入研讨。
从左到右：清华大学教育研究院党委书记张羽教授、新加坡管理大学廖黎姿助理教授、杜克-新加坡国立大学医PG电子宁依霖助理教授 、清华大学教育PG电子于济凡助理教授
新加坡国立大学计算机PG电子Roger Zimmermann教授主持了“具身人工智能”主题报告环节。他回顾了13年前到访新加坡国立大学苏州研究院的经历，并对与会嘉宾的到来表示欢迎。他指出，大语言模型尚不能解决具身智能中的所有问题，机器人在实际任务中的应用仍有许多问题值得探索。围绕本场主题，他介绍了报告嘉宾及其研究背景，并邀请与会学者就相关研究进展展开交流。北京大学信息工程PG电子周大权助理教授、浙江大学人工智能PG电子汤斯亮教授和复旦大学可信具身智能研究院叶子逸助理教授三位专家分享了关于具身智能的最新进展。
新加坡国立大学计算机PG电子Roger Zimmermann教授
周大权以“基于人类数据的具身模型规模化规律”为题作报告。他分享了利用大规模人类视频数据提升具身模型能力的研究探索。他指出，现有模型在特定任务中的较高成功率，并不意味着具备可靠的零样本泛化能力；通用大语言模型在操作技能和执行效率方面也仍存在局限。因此，具身模型的发展既需要扩大数据规模，也需要提高数据利用与模型扩展的效率。围绕这一问题，他介绍了从互联网视频中筛选第一人称数据、重建手部运动、提取操作轨迹并生成细粒度描述的数据构建流程，以及结合仿真与视频生成模型、保持多视角一致性的训练数据生成方法。通过模型训练与机器人操作案例，他展示了人类视频和生成数据在改善泛化能力、执行效率及抗干扰表现方面的潜力。
北京大学信息工程PG电子周大权助理教授
汤斯亮以“超越身体与心智：从适应世界到重塑世界”为题作报告，探讨了主动改造环境对具身智能发展的作用。他指出，现有研究主要关注增强机器人的身体能力与模型智能，而环境往往被视为固定、被动的背景。实际上，环境既是机器人学习过程中需要应对的“对手”，也可以成为认知的延伸和能够主动改造的资源。机器人可通过整理物体、借助工具和调整任务条件，降低操作难度与环境不确定性，并弥补自身硬件能力的不足。在此基础上，他介绍了环境驱动的递归自我提升思路，并结合人体运动数据构建、行为可控性评测、程序化导航纠错和可交互三维场景等研究，讨论如何形成探索、执行、反馈与改进的持续循环，使机器人在改造环境的过程中不断提升自身能力。
浙江大学人工智能PG电子汤斯亮教授
叶子逸以“具身智能：面向精细操作的感知、学习与推理”为题作报告，分享了多模态感知、交互学习与推理在机器人精细操作中的研究进展。
复旦大学可信具身智能研究院叶子逸助理教授
清华大学计算机系、该系人工智能所所长张敏教授主持了“知识与人工智能模型”主题报告环节。北京大学计算机PG电子潘亮铭助理教授，浙江大学软件PG电子张宁豫副教授，中国计算机学会副秘书长、清华大学计算机系崔鹏副教授分别从大模型内部机制、模型知识与持续学习、结构化数据建模等方面介绍了相关研究成果。
清华大学计算机系、该系人工智能所所长张敏教授
潘亮铭以“打开大语言模型的黑箱：从机理理解到定向干预”为题作报告。她围绕计算机制、来源归因与精准干预三个层次，介绍了团队在大语言模型内部推理机制、训练数据归因及模型行为调控方面的研究进展，探讨了如何通过机制可解释性研究提升模型的可靠性与安全性。
北京大学计算机PG电子潘亮铭助理教授
张宁豫以“大语言模型的科学：从机理理解到模型改进”为题作报告。他介绍了团队在知识回路、机制可解释性及持续学习方面的研究成果，重点分享了人工智能辅助机制研究系统Mechanist及知识整合框架Cortex，并探讨了如何将模型内部机制的理解转化为持续学习与模型优化的方法。
浙江大学软件PG电子张宁豫副教授
崔鹏以“迈向结构化数据通用模型”为题作报告，介绍了团队在结构化数据基础模型方面的研究进展。他指出，当前人工智能研究主要聚焦于大语言模型所面向的语义空间和具身智能所面向的物理空间，而连接二者的数据空间同样是实现通用人工智能的重要组成部分。结构化数据广泛应用于工业制造、金融、生物医学和科学研究等领域。但现有大语言模型难以充分捕捉其背后的规律与生成机制，传统专用模型则面临泛化能力有限、开发成本较高等挑战。针对上述问题，团队提出面向结构化数据的大数据模型（Large Data Model，LDM），并研发了LimiX系列模型。该研究以挖掘数据背后的因果结构为核心，通过创新训练目标与模型架构、利用大规模因果合成数据进行预训练，使模型能够跨领域捕捉数据规律，无需针对具体任务重新训练，即可完成分类、回归、异常检测等多种任务。实验结果表明，该模型在跨领域泛化、小样本学习及适应数据分布变化等方面展现出良好潜力，并在工业过程优化、新材料发现及人工智能赋能科学研究等方向具有应用前景。他强调，大语言模型与大数据模型具有互补性，前者侧重于已有知识的理解与应用，后者致力于从数据中发现新的规律与知识，二者的协同发展有望为产业创新与科学发现提供新的技术路径。
中国计算机学会副秘书长、清华大学计算机系崔鹏副教授
在随后举行的“人工智能中的隐式与显式知识”圆桌讨论中，张敏担任主持人，潘亮铭、张宁豫和崔鹏副三位嘉宾围绕人工智能系统中的知识本质、知识表征、模型幻觉以及隐式知识与显式知识的协同关系等问题展开深入交流。与会嘉宾从不同研究视角出发，探讨了知识在模型参数及内部表征中的存储与运作方式，以及知识图谱、规则和外部知识资源在提升模型可解释性、可靠性与安全性方面的作用。与会专家认为，隐式知识与显式知识各具优势，如何有效连接模型内部的隐式表征与人类可理解的显式知识体系，推动二者协同发展，将是未来人工智能研究的重要方向。
此外，会议期间，部分参会青年学者在会场外通过学术海报的形式展示了各自的研究成果，并与其他嘉宾进行了交流。与会人员围绕相关研究内容、技术方法及未来发展方向展开了深入讨论，促进了不同研究方向之间的思想碰撞与学术交流，也为青年学者展示研究成果、拓展学术合作提供了良好平台。
学术海报展示
研讨会最后，新加坡国家科PG电子院士、新加坡国立大学计算机PG电子Chua Tat-Seng教授对本次论坛进行总结。他回顾了人工智能安全、智能体、教育与具身智能等议题，并指出基础模型正推动不同学科的交叉融合，为科研创新与人才培养带来新的机遇。他强调，未来学术研究不应局限于特定任务的性能提升，而应聚焦具有重要科学价值和实际意义的问题，推动形成更具原创性和影响力的研究成果。
本次研讨会主视觉
NExT++联合研究中心简介
NExT++联合研究中心成立于2010年5月，是清华大学在海外设立的首个国际联合研究中心。中心依托清华大学与新加坡国立大学的科研优势，持续推动人工智能相关领域的前沿研究与国际合作。经过十余年的发展，中心在学科建设、科研创新、人才培养及国际学术交流等方面取得了丰硕成果，逐步发展成为连接中国与新加坡及东南亚地区高校的重要学术合作平台，为促进区域科技创新与国际学术交流发挥了积极作用。
