SMP 2026 主旨报告预告｜田渊栋：AI Building AI: Progress Toward Recursive Self-Improvement

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、主旨报告嘉宾简介

/ 田渊栋 /

田渊栋，Recursive Superintelligence 联合创始人，前 Meta AI 人工智能研究院（FAIR）研究总监，大模型推理与决策团队负责人。研究方向为深度强化学习，大模型高效推理规划，与模型可解释性。围棋开源项目 OpenGo 研究及工程负责人和第一作者，基于无人类棋谱自我进化，单卡零封多名韩国棋院职业棋手。曾以一作身份获2021年国际机器学习大会（ICML）杰出论文奖提名，2013 年国际计算机视觉大会（ICCV）马尔奖提名，及 2022 年 CGO 杰出论文。历任机器学习国际会议 ICML，NeurIPS，ICLR, AAAI, CVPR, AIStats 领域主席。2013-2014 年在 Google 无人驾驶团队任软件工程师。2005 年及 2008 年于上海交通大学获本硕学位，2013 年于美国卡耐基梅隆大学机器人研究所获博士学位。

四、报告主题

题目：AI Building AI: Progress Toward Recursive Self-Improvement

摘要：Recent advances in artificial intelligence are transforming not only what AI systems can accomplish, but also how AI itself is developed. As AI becomes increasingly capable of contributing to research and engineering, a compelling possibility emerges: AI systems that can help build increasingly powerful AI systems, potentially paving the way toward recursive self-improvement. In this talk, I will review the evolution of AI-driven AI research, from early approaches such as self-play and automated optimization to recent advances in AI research agents. I will then highlight recent progress at Recursive Superintelligence, showcasing our publicly released research results and our AI model, Flint, to illustrate how AI-driven research can accelerate model development and push the boundaries of AI capabilities and efficiency. Finally, I will discuss the broader vision of AI building AI, its potential to transform the pace of technological progress, and its implications for scientific discovery across disciplines.