CCF学科前沿讲习班

王昊奋，同济大学特聘研究员，博士生导师。他是全球最大的中文开放188体育app官网：联盟OpenKG轮值主席。他负责主持多项国家AI专项，发表100余篇AI领域高水平论文。他构建了全球首个可交互养成的虚拟偶像—“琥珀·虚颜”；所构建的智能客服机器人已累计服务用户超过10亿人次。目前，他担任CCF术语工委副主任，自然语言处理专委秘书长，信息系统专委常委，智能机器人专委会执委；中国中文信息学会理事，大模型专委会指导委员会委员，语言与知识计算专委会副秘书长；中国指挥控制学会大模型专委会常务委员；上海市计算机学会自然语言处理专委会副主任等社会职位。

专题讲座1：RAG2.0：融合图、推理与决策的知识增强新范式

报告简介： 知识检索增强技术（RAG）作为大语言模型（LLM）优化的关键手段，通过引入外部知识源，有效解决了幻觉问题和知识时效性问题。随着大语言模型的不断进化，包括更大规模的基座模型、复杂推理能力的提升（如以DeepSeek-R1为代表的深度思考模型），以及RAG技术自身的演进（如模块化RAG、GraphRAG、AgenticRAG等），RAG系统正逐步迈向更复杂的应用场景。通过与具备更高推理能力的模型以及图结构的结合，RAG技术正在经历从模糊语义匹配到逻辑驱动的精准检索、从信息堆砌到逻辑自洽的答案建构、从单一问答到系统性决策支持、从盲目检索到智能资源分配、从被动知识助手到认知伙伴的全面升级。本次报告将首先回顾2024年RAG技术的发展动态，并对上次报告中提出的十大挑战及发展路线图进行跟踪与总结。在此基础上，报告将结合当前大语言模型的发展阶段，深入探讨“是否仍需要RAG，以及需要怎样的RAG”这一核心问题。报告将从RAG与图技术的融合、RAG推理能力的提升以及RAG在决策支持中的应用三个维度展开，系统梳理从技术到应用的演进路径，并展望未来趋势。通过这一融合趋势的深入讨论，报告旨在帮助技术管理者与创业者更好地把握Agentic RAG的潜能与价值，为未来的技术升级与创新奠定坚实基础。

专题讲座2：从大模型检索增强到AI搜索

报告简介：本报告将系统性地阐述团队在大模型检索增强领域的最新研究成果与创新实践。报告首先聚焦于传统检索增强生成框架，介绍检索必要性判定机制、高效的检索与排序模型、检索结果精炼技术，以及面向检索增强生成任务的微调策略等一系列创新性工作。其次，介绍团队在多模态信息融合、对话式交互以及智能体驱动等复杂应用场景下，提出的一系列检索增强生成方法，凸显多样化场景下检索增强的适应性与先进性。最后，介绍团队基于前沿大模型推理能力，探索的包括“深度搜索（Deep Search）”与“深度研究（Deep Research）”在内的新的检索增强生成范式，这类方法在生成结果准确性、深度及智能性上取得了进一步提升。

王亮，现任微软亚洲研究院通用人工智能组高级研究员。主要研究方向为信息检索、问答系统和基础模型的增强。2014年和2017年分别获得北京大学学士和硕士学位。目前已在ACL、EMNLP、SIGIR、AAAI、ICLR等自然语言处理和机器学习领域会议发表论文30余篇。主导开发并开源的E5系列的文本向量模型获得了广泛关注，累计下载次数达数百万，并在微软内部产品线上得到应用。

专题讲座3：Test-time Scaling在信息检索中的应用

报告简介：Test-time scaling通过扩展推理阶段的算力，大幅提升了困难推理任务上的性能。本报告将探讨如下几个议题： 1）test-time scaling的基本原理和训练算法；2）如何将test-time scaling应用于信息检索的相关任务，包括文档排序、知识密集型问答等；3）test-time scaling如何驱动搜索智能体解决复杂的研究型任务，并分析其面临的挑战和未来的研究方向。