SMP 2026｜前沿技术讲习班

一、会议简介

全国社会媒体处理大会（China National Conference on Social Media Processing）由中国中文信息学会社会媒体处理专业委员会主办，专注于以社会媒体处理为主题的科学研究与工程开发，为传播社会媒体处理最新学术研究与技术成果提供广泛的交流平台，旨在构建社会媒体处理领域的产学研生态圈，成为中国乃至世界社会媒体处理的风向标。全国社会媒体处理大会创办于 2012 年，每年举办一次，现已成为社会媒体处理领域的重要学术活动。

第十四届全国社会媒体处理大会（SMP 2026）将于 2026 年 11 月 12 ~ 15 日在北京召开，由中国传媒大学媒体融合与传播国家重点实验室承办。大会主题是“大模型驱动人机共生”，旨在探索大模型日益普及的今天，大模型与人类社会深度共生的途径，聚焦大模型和智能体技术如何赋能人机协同的价值释放。

二、会议安排

会议时间：2026 年 11 月 12 日-15 日

2026 年 11 月 12 日-13 日：前沿技术讲习班
2026 年 11 月 14 日-15 日：主会议（特邀报告、分论坛等）

会议地点：北京辽宁大厦

会议官网：http://smp2026.cips-smp.org/

三、讲习班报告日程

四、讲习班嘉宾

/ 潘亮铭 /

嘉宾简介：潘亮铭，北京大学计算机学院助理教授、研究员、博士生导师，国家海外高层次青年人才，北京大学博雅青年学者、智源青年学者、图灵班科研导师，入选 Elsevier 全球前 2% 顶尖科学家。主要研究方向包括自然语言处理、机器学习、大语言模型与可解释人工智能。他聚焦可信大模型与智能体的构建，致力于揭示大模型内部机理，并以此为基础打造可靠、可控、安全的大语言模型。已在 ICML、NeurIPS、ICLR、ACL、EMNLP 等国际顶级会议和期刊发表论文 70 余篇，Google Scholar 总引用量超过 7500 次，并常年担任上述顶级会议的领域主席。于 2022 年获新加坡国立大学计算机科学博士学位，并曾先后担任美国加州大学圣塔芭芭拉分校博士后研究员、美国亚利桑那大学信息科学学院助理教授。

报告题目：打开大模型的黑箱：从机理可解释性到机理驱动的模型优化

报告摘要：大语言模型通过大规模预训练与后训练获得了强大的涌现能力，但其内部工作机理在很大程度上仍是一个“黑箱”：知识如何在参数中存储与检索？模型内部如何完成复杂推理？为什么大规模后训练能够催生涌现能力？机理可解释性（Mechanistic Interpretability）试图以“逆向工程”的方式还原模型内部的计算过程，不仅为理解大模型提供了窗口，也为有针对性地改进大模型开辟了新路径。本报告将系统介绍这一方向的核心思想、前沿进展与课题组的最新探索，内容包括四个部分：（1）机理可解释性的基本概念与研究范式，包括特征、表征与神经回路等核心概念；（2）探针、激活修补、回路分析与稀疏自编码器等关键分析技术；（3）大模型推理的内部机理，探讨多步推理、隐式推理与思维链忠实性等前沿问题；（4）机理驱动的模型优化：从定位行为的内部成因、追溯其训练数据来源，到开展表征干预与数据层面的精准优化。报告最后将展望该方向面临的挑战与未来机遇,探讨机理研究对提升大模型安全性、可靠性以及指导未来模型设计的重要意义。

/ 魏忠钰 /

嘉宾简介：魏忠钰，复旦大学大数据学院教授，上海创智学院全时导师，复旦大学数据智能与社会计算实验室负责人，香港中文大学博士。主要研究领域包括大模型智能体和社会模拟，发表学术论文 100 余篇，谷歌总引用 11000 余次，提出社会模拟世界模型 SocioVerse 和国内首个开源社交媒体仿真框架 HiSim。多次担任国际顶级会议 ACL，EMNLP，NAACL 高级领域主席（SAC）。入选上海市东方英才青年项目，国家一流本科生课程负责人，入选 “AI 100 青年先锋”计划。

报告题目：人类行为基础模型驱动的社会模拟

报告摘要：智能体社会模拟是自下而上研究复杂社会宏观现象的重要方法，依靠微观个体认知行为建模推演群体涌现规律。自 Generative Agents 提出后，大语言模型驱动的智能体仿真成为主流，AgentSociety、Oasis、SocioVerse、OneSim 等模拟器相继问世。大规模人群模拟的核心挑战在于个体建模需要兼顾精准性、多样性与可扩展性，而通用基础模型易带来人格同质化，丢失人类长尾行为差异，影响宏观涌现结果可靠性。本讲习班将综述该方向主线研究进展，介绍个体行为模拟领域代表性工作与团队相关研究：包含 CURP 个性化建模方法、Socio‑Foundation 人类行为基础模型，以及由其驱动的 SocioVerse 2.0 动态社会模拟平台，支持人机共演化、干预与反事实实验，为计算社会科学提供可复现的大规模人群仿真新范式。

/ 王希廷 /

嘉宾简介：王希廷，中国人民大学高瓴人工智能学院副教授，博士生导师，曾任微软亚洲研究院首席研究员，入选北京市人才计划青年项目，获吴文俊人工智能青年科技奖、CCF 自然科学二等奖，2 篇论文入选 IEEE TVCG（CCF-A 期刊）封面论文。研究领域为大模型解释与对齐,研究成果落地支付宝百灵大模型、微软必应搜索、Outlook 及 MSN，影响上亿用户，年收入增益上亿元。担任 ICML、AAAI 领域主席、Visual Informatics （Q1）青年编委。曾任 IEEE VIS（CCF-A）组委会档案主席。

报告题目：大模型的三重安全风险及应对方法研究

报告摘要：本报告围绕大模型三重安全风险展开介绍，结合全球人工智能安全战略布局与《2026 年国际人工智能安全报告》，系统剖析恶意使用、模型故障、社会系统性风险三大核心安全问题。针对上述风险，梳理现有技术方案及前沿进展，例如基于模型内部机制解释的高效攻击与防御方法、以构念评测与内生价值观对齐解决模型故障的方法，以及依托高阶思维能力分析应对社会系统性风险的思路。最后，指出当前面临数据缺失、多因素建模困难、风险量化不足等现实挑战，并探讨大模型安全研发、治理与落地的未来技术路径。

/ 白雪峰 /

嘉宾简介：白雪峰，哈尔滨工业大学（深圳）计算机科学与技术学院副教授，深圳市孔雀团队核心成员、中文信息学会青工委委员。主要研究方向为自然语言处理与大模型推理，在 ACL、ICML、NeurIPS、ICLR 等自然语言处理与机器学习国际顶级会议和期刊上发表论文 50 余篇，其中 Oral 论文 5 篇，ICML Spotlight 论文 1 篇，论坛优秀论文奖 2 篇。担任 AACL 2026 会议 Workshop Chair，担任自然语言处理国际顶级会议ACL、EMNLP、AAAI、NAACL 以及 NLPCC、CCL 等会议的领域主席。

报告题目：大模型推理的效率、可靠性与泛化：前沿进展与未来展望

报告摘要：近年来，大模型在复杂任务中展现出卓越推理能力，但其推理过程面临三个关键瓶颈：计算冗余高、延迟显著；推理存在行为偏好，结果不可靠；推理能力难以迁移到未见场景。效率、可靠与泛化的协同优化已成为大模型推理研究从“能用”迈向“好用”的关键路径。本次报告聚焦上述三个方向，系统阐述高效推理中的训练加速、思维链压缩、隐式推理等关键技术，可靠推理中的推理机理分析、推理偏好评估、推理行为矫正等主流机制，以及推理泛化中的能力迁移、结构化推理等技术，并讨论未来发展方向。

/ 张骁 /

嘉宾简介：张骁，中国人民大学高瓴人工智能学院副教授，博导，人工智能治理研究院研究员。研究方向为自适应机器学习、可信可控 AI、大模型与信息检索。已在本领域相关的国内外学术期刊和会议上发表论文七十余篇（包括：TPAMI、ICML、ICLR、NeurIPS、SIGIR、KDD 等），获得吴文俊人工智能科技进步一等奖，多次获得国际会议最佳论文（提名）奖，主持科技部人工智能重大专项子课题、国自科（面上、青年）等项目 10 余项，担任 ICLR、ACL、NeurIPS、SIGIR 等国际会议的领域主席。

报告题目：可控人工智能：面向信息获取的测试时模型干预方法

报告摘要：AI 可控性关注人类对AI模型行为的引导、调控与动态干预，是保障人工智能可信可控与持续演化的关键问题之一。本报告介绍可控机器学习的基础框架、理论保证与测试时模型干预算法的分类，围绕模型参数生成、模型参数融合等干预途径，结合大模型可控生成、可控推荐系统等可控信息获取典型场景，阐述实现路径、技术方案与落地进展，并对可控人工智能的未来发展进行展望。

/ 卢暾 /

嘉宾简介：卢暾，复旦大学计算与智能创新学院教授、博导、副院长，上海市数据科学重点实验室副主任，复旦大学社会计算研究中心主任，复旦大学人智协同计算研究中心主任，美国卡耐基梅隆大学（CMU）访问学者。现为中国计算机学会杰出会员、协同计算专委副主任委员（执行），上海市计算机学会协同信息服务专委会副主任。研究方向为协同与社会计算、群智与人智协同、大模型智能体模拟、AI4SS 等。主持多项国家自然科学基金、国家科技部和上海市重要项目和课题，系列成果发表在 CSCW、CHI、UbiComp、NeurIPS、ICLR、ICML、WWW、SIGIR、SIGKDD、IEEE TKDE、ACM TOIS 等领域权威会议和期刊上，曾获得过 CSCW 等多个国际学术会议最佳论文（提名）奖等。

报告题目：以人为中心的人智协同智能体设计与构建——从能力边界透视到协同状态自觉

报告摘要：大模型单体能力的快速跃升，未能自动转化为高质量的人智协同，“协同悖论”揭示人智组合效能常劣于最佳单体。本报告聚焦以人为中心的人智协同智能体的设计与构建，通过“协同透视”突破静态测试的局限，在真实交互中深入刻画AI能力的动态边界，以确保人类建立合理的信任预期；通过“协同自觉”确立系统的状态感知目标，在持续反馈中实现对协同过程的自适应调节与动态授权，以保障人类的最终控制权。当二者循环深化，关系性“协同智能”在人智“之间”涌现。报告结合系列研究成果，为大模型时代的复杂系统协同提供架构和技术支撑，并深刻警示人机共生的底线在于增强而非削弱人类的主体性。

/ 张宁豫 /

嘉宾简介：张宁豫，博士，副教授、启真优秀青年学者，多次入选斯坦福全球前 2% 顶尖科学家榜单，主要研究方向为自然语言处理、大模型、知识图谱、知识编辑等，主持国家自然科学基金青年/面上、科技部科技创新 2030 新一代人工智能重大专项子课题、CCF-百度松果/腾讯犀牛鸟基金、CAAI 华为 MindSpore 基金及头部互联网企业合作项目等十余项，研发了海洋大模型 OceanGPT·沧渊、知识获取系统 DeepKE、大模型知识编辑系统 EasyEdit、大模型轻量记忆系统 LightMem，担任 Neural Networks、Machine Intelligence Research、ACM TALLIP Associate Editor，ACL、EMMLP、NeurIPS、ICLR、KDD 领域(高级)主席，ARR Action Editor，IJCAI 高级程序委员、多个 Nature 子刊审稿人。联合培养学生入选中国科协青年科技人才培育工程博士生专项计划、中国电子学会-腾讯博士生科研激励计划、中国人工智能学会潜力清源学者、中国中文信息学会“博士学位论文激励计划”、浙江省青苗人才计划。

报告题目：智能体记忆与持续学习

报告摘要：随着人工智能技术的快速发展，构建具备长期记忆与持续学习能力的智能体已成为人工智能领域的重要研究方向。本次报告将围绕智能体长期记忆与持续学习的基本概念、关键技术及最新研究进展展开，重点介绍参数化记忆和多模态记忆技术，并展望其在个人智能助手、端侧人工智能、具身智能等领域的应用前景。