会议简介
全国社会媒体处理大会由中国中文信息学会社会媒体处理专业委员会（Social Media Processing, SMP）主办，大会专注于以社会媒体处理为主题的科学研究与工程开发，传播社会媒体处理最新的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的重要学术活动。
本次全国社会媒体处理大会（SMP 2025）将于2025年11月20日至23日在湖北武汉召开。本届大会的主题是“走向人类社会的大模型”，旨在探索在大模型快速发展的今天，大模型赋能人类社会可持续发展的路径，聚焦大模型与人类发展的深度融合。大会议程将包括讲习班、大会特邀报告、特高水平综合期刊（Science、Nature）论文作者交流专场、基础模型论坛、交叉专题论坛、SMP 基金项目论坛、SMP 特色论坛、评测与竞赛、海报与系统展示等环节。
讲习班报告日程
讲习班主席
杨洋
浙江大学
计算机科学与技术学院
教授
主席简介：杨洋，浙江大学计算机科学与技术学院教授、博导、人工智能系主任，国家优青项目获得者。长期从事面向大规模图数据、时间序列数据、大语言模型推理的人工智能领域前沿问题，已发表领域权威期刊和会议论文 90 余篇。近年来负责主持国家自然科学基金项目、浙江省杰出青年基金项目、国家电网/华为/蚂蚁金服科研基 金等 30 余个国家级、省部级和企业科研项目。获得人工智能国际顶级会议 AAAI'23杰出论文奖、中国教育部科技进步一等奖、吴文俊人工智能科学技术奖科技进步一等奖、英特尔中国学术成就奖-卓越创新等荣誉。担任国际期刊IEEE Transactions on Big Data 编委、中国中文信息学会社会媒体处理专委会常委以及 KDD、WWW、AAAI 等国际学术会议程序委员会委员。
林衍凯
中国人民大学
高瓴人工智能学院
准聘副教授
主席简介：林衍凯，中国人民大学高瓴人工智能学院准聘副教授，主要研究方向为预训练模型和大模型智能体， Google Scholar 统计引用达到 2.1 万次， 2020-2024 年连续五年入选爱思唯尔（Elsevier）中国高被引学者和斯坦福大学全球前 2% 顶尖科学家年度榜单、AI 100 青年先锋。其成果获评教育部自然科学一等奖、 2022 年世界互联网大会领先科技成果（全球共15项）。现任 CCF NOI 科学委员会委员。
讲习班嘉宾
20日上午：大模型推理
崔淦渠
上海人工智能实验室
青年科学家
报告题目：强化学习驱动的大模型推理：方法与原理
报告摘要：强化学习技术是构建大模型深度推理能力的核心。本报告将从强化学习基础出发，介绍强化学习如何应用于提升大模型推理能力。从基于结果奖励的强化学习开始，本报告将深入探讨大模型强化学习面临的挑战：(1) 面对奖励稀疏性，如何将密集奖励应用于大模型强化学习；(2) 面对熵坍塌，我们如何使大模型在“探索-利用”之间找到平衡；（3）对于强化学习是否能够提升模型上限的质疑，我们如何实证地证明强化学习能够教会模型新的技能。最后，本报告还将介绍讲者团队在科学推理领域应用强化学习的最新进展和实践经验。
讲者简介：崔淦渠，上海人工智能实验室青年科学家，博士毕业于清华大学计算机系，研究方向为大语言模型的对齐与强化学习技术。在 ICML, NeurIPS, ACL, KDD等国际人工智能顶级会议与期刊上发表论文二十余篇，谷歌学术引用超 12000 次。获 WAIC 云帆奖明日之星、清华大学优秀博士论文、清华大学优秀毕业生等荣誉。代表作包括偏好对齐数据 UltraFeedback, UltraInteract，密集过程奖励算法 Implicit PRM, PRIME 以及对强化学习熵机制的研究。
20日下午：大模型智能体
桑基韬
北京交通大学
教授
报告题目：模型原生的 GUI 智能体
报告摘要：智能体的基本能力，如规划、工具使用和记忆，正逐步从外部编排的“流水线”范式到能力内化的“模型原生”范式转变。这也影响了智能体应用的构建方式。但 GUI 智能体在输入端的多模态感知需求与环境动态性、以及在输出端的动作细粒度、缺乏语义且不可逆等特点给端到端训练带来了困难。报告将梳理智能体基本能力和GUI智能体从流水线向模型原生的发展趋势，并讨论强化学习在这一趋势中的驱动作用，以及未来的技术路径和应用发展方向。
讲者简介：桑基韬，北京交通大学教授。主要研究方向为多媒体内容分析、可信与对齐、推理与 AI Agent。曾获得中科院院长特别奖、ACM 中国新星奖等，作为负责人承担了相关方向的国家自然科学基金重点项目、(首批)新一代人工智能重大项目、北京市杰出青年基金、国家高层次青年人才计划等，第一/二作者论文7次获得中国计算机学会推荐的国际会议论文奖项，曾获中国电子学会自然科学一等奖和北京市科学技术奖。
王硕
启元实验室
助理研究员
报告题目：大模型长文本技术及 DeepResearch 智能体应用
报告摘要：DeepResearch 智能体因其巨大的实用价值引起业界的广泛关注。本报告将从长文本处理技术的角度，从“性能”和“效率”两个维度出发系统梳理长文本技术的发展趋势，并分享我们在 DeepResearch 智能体构建方面的实践经验。在性能层面，我们将讨论以位置编码、数据工程为代表的关键技术如何帮助模型“看”得更远、理解得更准。在效率层面，则会解析包括稀疏注意力、序列压缩等方法如何降低长序列带来的计算与存储开销。最终，我们将探讨这些技术如何赋能更复杂的应用，特别是以 DeepResearch 为代表的海量信息收集与归纳，从而实现将模型能力转化为实用的效率工具。
讲者简介：王硕，启元实验室助理研究员，清华大学自然语言处理实验室客座研究员，毕业于清华大学计算机系，主要研究方向为大模型长序列高效处理架构与算法。近年来，围绕长序列分治推理、归纳推理、高效推理等方向开展学术研究工作，在 ACL、NeurIPS、ICLR 等人工智能顶级国际会议发表论文二十余篇，引用量一千四百余次。长期担任 ACL、NeurIPS 等国际会议审稿人。以课题负责人或子课题负责人身份承担多项国家重大科研项目。曾获国家奖学金、清华大学计算机系优秀毕业生等荣誉，入选中国中文信息学会“博士学位论文激励计划”等。
21日上午：数据基础设置与大模型智能体安全
张文涛
北京大学
助理教授
报告题目： Data-centric AI 基础设施
报告摘要：人工智能正从模型为中心（Model-centric AI）转向以数据为中心（Data-centric AI, DCAI），本次报告将探讨面向DCAI 的数据基础设施体系，包括支持多模态数据统一管理的 AI 数据库，DataFlow 数据准备与动态训练工具。该体系突破了传统数据湖和数据处理工具的局限，实现了数据与模型的高效协同。通过大模型预训练、企业知识库构建等创新应用验证，展示了 DCAI 基础设施在提升模型性能、降低开发门槛方面的突破性价值，为人工智能向智能化计算新范式演进提供了系统解决方案。
讲者简介：张文涛，北京大学助理教授、研究员、博导，曾任职于腾讯机器学习平台部、Apple AIML 和加拿大 Mila 人工智能实验室。研究兴趣为大模型数据治理，主持国自然基金青年项目、重大研究计划项目、科技部重点研发计划课题。发表 CCF-A 论文 100 余篇，获多个最佳论文奖（如WWW’22 第一作者，APWeb’23 通讯作者，CIKM’24），领导或参与开源多个机器学习系统，如 DataFlow 数据准备系统、 Angel 分布式机器学习系统和 MinerU 数据解析系统。曾获 Apple Scholar、WAIC 云帆奖、ACM SIGMOD 中国新星奖、世界互联网大会领先科技成果奖、华为火花奖、中国电子学会科技进步一等奖等荣誉。
王文轩
中国人民大学
讲师
报告题目：大模型与大模型智能体安全
报告摘要：本次报告将系统探讨大模型及其智能体面临的核心安全挑战。内容聚焦两大维度：一是大模型内容安全，涵盖确保输出无害的内容无毒性，以及使模型价值观符合人类预期的内容对齐性的评测与治理。二是大模型智能体安全，以 GUI Agent 为例，重点分析其面临的内部威胁与外部威胁，并探讨相应的防御思路与评测基准。旨在勾勒从模型内容治理到智能体行为风险防控的安全研究蓝图。
讲者简介：王文轩，中国人民大学信息学院讲师，人工智能治理研究院研究员，校聘吴玉章青年英才，玉兰学者。于 2024 年在香港中文大学计算机系取得博士学位。研究方向为大模型及其应用的可靠性和安全性，近五年发表 A 类论文三十余篇。发表论文获 ACM SIGSOFT 杰出论文奖, EMNLP 最佳论文提名，深圳科协优秀论文奖。谷歌学术总引用四千余次，单篇论文引用超一千次。大模型安全等开源项目在开源社区排名第一，累计获得三千 Github 星标。
21日下午：大模型训练评估与模拟
何俊贤
香港科技大学
助理教授
报告题目：长程大模型智能体训练与评估
报告摘要：大模型智能体在开放场景中往往需要执行数十甚至上百步的工具调用才能完成任务，这对训练数据的构建和模型评估提出了新的挑战。本次报告将系统梳理该方向的相关研究工作，重点涵盖训练数据的构建与合成方法、强化学习在智能体中的应用进展，以及开放场景下评估体系的难点与挑战。除对相关研究的综述外，报告还将介绍我们在这些方向上的探索与实践，包括：用于深度搜索的智能体WebExplorer、面向软件工程智能体的免执行奖励机制 SWE-RM，以及用于评测开放场景长程智能体能力的评测环境与框架 Toolathon。
讲者简介：何俊贤是香港科技大学计算机科学与工程系助理教授。他于 2022 年从卡内基梅隆大学计算机学院获得自然语言处理领域的博士学位。他最近的研究重点是大模型推理、智能体和强化学习。他担任 ICLR、ACL 和 EMNLP 的领域主席。代表作有 Unify-PEFT, C-Eval, CodeIO, SimpleRL 等。
高宸
清华大学
助理研究员
报告题目：基于大模型智能体的城市社会经济模拟
报告摘要：社会实验作为一种典型的社会科学研究方法，通过观察人、组织或社会群体在真实或模拟环境中的行为反应，以研究特定社会现象或政策的影响。进一步地，基于 ABM（Agent-based Modeling）的模拟仿真方法而通过自下而上的模拟，以可扩展、可复制且系统化的计算方法取代了成本高昂、定制化弱的传统实验，而大模型智能体依靠大语言模型的类人感知、推理、决策能力进一步革新了这一研究范式。本次报告将针对基于大模型智能体的社会模拟仿真，介绍社交网络模拟、宏观经济模拟等重要问题上的研究进展，并进一步介绍大模型智能体社会模拟平台 AgentSociety 以及核心技术、关键应用和平台生态。
讲者简介：高宸，清华大学信息国研中心助理研究员，于清华大学电子系获学士学位和博士学位，主要从事具身智能、人工智能、多模态大模型、世界模型等方面的科研工作，在 Nature Communications、ICLR、NeurIPS、ACL、MM、WWW、KDD、SIGIR 等会议期刊发表论文 100 余篇（CCF-A 类 80 余篇），近五年谷歌学术引用 7000 余次。曾获得 CCF 优秀博士论文奖提名、ACL 2024 杰出论文奖、清华大学优秀博士学位论文奖、首届百度学术人工智能华人新星奖，连续入选 Stanford/Elsevier 全球前 2% 科学家。
会议注册
会议现已开放注册 - SMP2025-第十三届全国社会媒体处理大会