AiDD研发数字峰会-北京站

出品人：王鑫

国家重点研发计划项目首席科学家，教育部重点领域教学资源及新型教材建设项目专家组成员，教育部知识工程课程群虚拟教研室带头人。中国计算机学会杰出会员、中国计算机学会信息系统专委会秘书长、中国计算机学会数据库专委会执行委员；中国中文信息学会语言与知识计算专委会委员。研究方向：知识图谱、图数据库、大数据处理。在IEEE TKDE、IEEE TPDS、ICDE、IJCAI、AAAI、WWW、CIKM、ISWC、《计算机学报》、《软件学报》等国内外学术期刊和会议上发表论文150余篇。担任国际会议DASFAA 2023、APWeb-WAIM 2020、JIST2019程序委员会主席以及多个国际会议程序委员会委员。担任《计算机工程与应用》副主编、国际期刊KBS副主编以及BDR、DSE、NLP Journal编委。曾获得天津市教学成果奖特等奖、天津市科技进步一等奖。

天津大学智能与计算学部教授、博导，人工智能学院副院长

下一代知识工程

论坛聚焦大模型时代知识工程的创新与突破，探讨符号系统与大语言模型的有机融合路径。论坛将围绕知识记忆与推理机制、大模型可解释性技术、神经符号协同演化、自主可控大模型框架等核心议题展开，结合教育、医疗、金融等领域落地实践，剖析知识工程在破解大模型幻觉、数据质量等挑战中的关键作用。

大语言模型的知识机理分析与知识增强

陈玉博

中科院自动化所副研究员

内容简介：

近年来，大语言模型在知识密集型的自然语言处理任务上取得了令人瞩目的进步。这似乎表明，大语言模型能够自发地从语料中学习大量知识，并隐式地保存在参数之中。然而，这一现象的背后机理仍然萦绕着许多谜团。大语言模型如何存储和运用知识？如何按需修改大语言模型中的知识？如何弥补大语言模型的知识不足？这些问题都亟待进一步探索。该报告将重点介绍大语言模型的知识机理分析、知识编辑与知识增强方面的基础知识和近期研究进展。

演讲提纲：
1.研究背景介绍
1.1大模型发展历程
1.2大模型知识表现
1.3大模型知识迷雾
2.大模型知识机理分析
2.1知识神经元理论
2.2简并知识神经元
2.3知识局部化假设评估
2.4知识神经元特征分解
3.大模型知识编辑
3.1大模型知识编辑任务简介
3.2大模型终身知识编辑
3.3大模型表面知识编辑机制分析
4.大模型知识增强
4.1基于结构化知识的增强
4.2基于RAG的知识增强
4.3基于工具学习的知识增强
4.4基于多智能体的知识增强
5.大模型知识评测与增强工具
5.1代表性大模型知识评测
5.2典型大模型知识增强工具

听众收益：
1.深入理解大模型的知识机理
听众将了解主流的大模型知识机理分析方法，探索大模型的知识机理，从知识视角打开大模型的黑盒，提升大模型的可解释性。
2.了解代表性大模型知识编辑方法
听众将学习代表性的大模型知识编辑技术，在无需大规模更新模型参数的条件下，完成大模型的定向知识编辑。
3.学习主流大模型知识增强技术
听众将学习到主流的大模型知识增强技术，从结构化知识图谱增强、非结构化文本检索增强、工具学习增强、多智能体协作增强等多维度实现大模型知识增强，为大模型领域应用提供知识保障。

入选第五届中国科协青年人才托举工程、中国科学院青年创新促进会会员、全球华人AI 青年学者、北京市科技新星，2023、2024年连续入选美国斯坦福大学发布的全球前2%顶尖科学家榜单。研究方向为自然语言处理、知识图谱和大模型，在ACL、EMNLP、AAAI 等国际重要会议和期刊发表学术论文80余篇，Google Scholar引用量7000余次，其中一篇论文入选ESI高被引论文，两篇论文入选ACL、EMNLP高影响力论文（Paper Digest评选），获得国际语义网大会ISWC 2023（CCF B类会议）最佳张贴论文奖，并多五获得全国最佳论文奖。出版学术专著两部《知识图谱》、《知识图谱：算法与实践》，入选十三五国家重点图书出版规划教材。主持国家自然科学基金面上项目、青年基金项目，参与国家自然科学基金重点项目、2030新一代人工智能重大项目、重点研发计划课题。任中国中文信息学会青年工作委员会副主任，曾获中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖，北京市科学技术进步奖一等奖。

面向知识增强应用场景的文档解析实践

刘焕勇

360人工智能研究院资深算法专家

内容简介：

在有多少数据，就有多少智能，文档解析在知识工程中的数据处理、清洗和加工上至关重要，但真实场景下的文档解析任务存在诸多问题，内容形式多样，不同的业务需求，如RAG知识库、文档校对、文档恢复、检索推荐等场景，对处理的精细度有不同的要求。本报告讲介绍团队的360Structure文档解析方案，其中有些研发经验可以做个分享，例如其中遇到的问题表现、采取的措施(GraphRAG、数据合成、pipeline or end2end or ensemble)、支撑的应用，尝试回答在面向知识增强的真实应用场景时，智能文档解析可能的方案会是什么，以及会引发怎样的思考。

演讲提纲：
1.知识库工程在大模型落地中的必要性
2.真实知识库场景下文档解析存在的典型问题
3.360structure的文档解析应对方案
4.360structure支撑的典型业务场景
5.总结性思考

听众收益：
1.了解当前主流文档解析的代表方案
2.了解当前文档解析遇到的实际问题及一些应对策略
3.了解知识图谱+文档智能+大模型的一些落地玩法

360人工智能研究院资深算法专家，知识图谱及文档理解方向负责人，曾就职于中国科学院，腾讯云TVP。主导或参与全行业事理图谱(学迹)、360百科图谱、360自研文档解析模型(360Structure)、360智脑大模型等项目。发明专利授权3项、申请10余项，发表TOIS、ICASSP等顶会论文数篇，在OGB-Wikikg2实体链接预测、ICPR2024多行公式识别、ICDAR2025等国际竞赛中获多项冠亚军；开源项目70余项，累计star数超20k，follower数超6k，Github中国区排名Top70；创立“老刘说NLP”公众号/社区，读者数超53K。

不确定性知识图谱

吴天星

东南大学副教授

内容简介：

近年来知识图谱在人工智能领域被广泛应用，而知识图谱中的不确定性也逐渐引起学术界与工业界的重点关注。知识图谱的不确定性主要来源于两方面：首先是图谱构造过程中自动化算法产生的噪声，其次是如医疗、法律、金融等领域涉及的知识难以使用确定的方式进行表达。本报告将介绍不确定性知识图谱构建与推理的研究进展，探讨实体、关系、图谱的不确定性建模方式及其在知识计算与推理补全中的价值。

演讲提纲：
1.不确定性知识图谱构建
2.不确定性知识图谱推理
3.不确定性知识图谱推理工具
4.不确定性知识图谱应用

听众收益：
1.理解知识图谱不确定性的核心成因与挑战
2.掌握不确定性知识图谱构建与推理关键技术
3.了解不确定性知识图谱应用工具并洞悉实践价值

东南大学计算机科学与工程学院长聘副教授、院长助理、博士生导师。主要研究方向：知识图谱、大语言模型、人工智能应用。曾获江苏省计算机学会优秀博士学位论文奖，SIGIR 2024最佳短文提名，CCKS 2022、WISA 2024最佳论文奖，OpenKG 2024优秀开放资源奖。主持国家自然科学基金面上项目、青年项目纵横向课题多项。在人工智能领域内国际期刊及会议发表论文70余篇，10余项国家发明专利获得授权。担任国际著名期刊International Journal on Semantic Web and Information Systems、Data Intelligence编委，及多个国际著名会议的领域主席、（高级）程序委员会成员，包括IJCAI、AAAI、WWW等。

基于知识流水线的知识工程落地实践

朱怡诺

中兴通讯数据研发中心知识工程负责人

内容简介：

知识是大模型及AI智能体在企业落地的关键，随着大模型时代到来，知识工程正从传统专家系统向数据驱动与认知智能融合的新范式跃迁。本次分享介绍了AI时代下知识工程的创新落地实践。

演讲提纲：
1.AI时代带给知识工程的挑战。
2.端到端知识库构建实践：4层知识流水线模型，通过知识流水线实现端到端低成本构建知识库，包括内容类语料、代码脚本类语料通过流水线构建成RAG知识库的解决方案及落地实践。
3.未来展望：自动生成预训练语料，跨领域的知识体系自动化构建

听众收益：
1.了解如何将企业私域知识快速构建整合、转化为知识库和大模型可用的语料
2.借鉴知识管理、知识工程在研发项目快速落地方法

中兴通讯有线院需求域教练，从事研发过程改进工作，曾从0到1设计落地研发一站式管理平台，在软件研发生产力工具、知识工程领域有丰富实践经验。
目前为中兴通讯有线院数据研发中心知识工程负责人，负责端到端知识工程和智能体网络的规划设计及落地。

重构认知边界：知识增强混合RAG的技术实践与应用

贾勇哲

天大智图（天津）科技有限公司总经理

内容简介：

在大模型日益强大的今天，如何让AI真正“懂业务、会说话、能落地”？本次演讲将围绕“知识增强混合RAG”展开，结合我们公司（天大智图（天津）科技有限公司）在 “医疗领域”“智能问答”“企业知识管理” 的实战经验，深入解析如何将多源知识融合、多阶段检索与生成机制相结合，打造真正“有知识、有逻辑、有价值”的AI系统。通过技术剖析与应用案例分享，让你看到生成式AI落地的现实路径与未来潜力。

演讲提纲：
1.引言
1.1大模型背景下的知识盲区与幻觉问题
1.2传统RAG简介及其局限性
1.3引出主题：知识增强混合RAG
2.RAG技术基础回顾
2.1RAG基本架构：检索 + 生成
2.2主要流程与模型结构
2.3优势与当前挑战
3.知识增强混合RAG架构解析
3.1混合检索机制：稠密+稀疏、多通路融合
3.2多源知识整合：文档、数据库、图谱、API等
3.3生成模型调用与提示优化
3.4答案可信度评估与引文溯源
4.应用场景与实践案例
4.1企业内部智能问答系统
4.2科研、法律、医疗等垂直场景
4.3结合公司产品的典型应用落地
4.4客户价值体现
5.优势总结与技术挑战
5.1优势：精准生成、动态融合、灵活可控
5.2挑战：延迟控制、知识冲突、成本平衡
6.未来展望
6.1Agent化RAG的工作流演化
6.2自动知识更新与用户反馈闭环
6.3多模态知识增强趋势
7.总结与Q&A

听众收益：
1.深入理解混合RAG的技术原理与应用机制
听众将掌握如何通过多源知识整合与多策略检索机制，提升生成式AI在复杂任务中的准确性与实用性。
2.获得知识增强型AI在实际场景中的落地方法论
结合企业实践案例，听众将看到混合RAG如何在智能客服、知识管理、垂直问答等领域实现从模型到产品的闭环落地。
3.启发企业或个人如何构建“更懂业务”的AI系统
听众将从演讲中获得灵感与路径，探索如何用混合RAG驱动自身业务场景的智能化转型，提升AI系统的实用价值与用户信任度。

博士研究生，教授级高工，中组部天津市第十三批千人计划专家，曾公派日本北陆先端科学技术大学院留学，现任天大智图（天津）科技有限公司创始人兼总经理。2018年入选天津市“131”创新型人才培养工程，2019年入选首届“天津青年创业能手”、获得天津市政府引导基金的千万级投资，2020年入选首批“天津新型企业家”，2021年获评为“天津市战略性新兴产业领军企业”并成功入选市级“项目+团队”重点培养项目。2023年创办的天大智图（天津）科技有限公司，核心产品“海河·岐伯”中医药大模型、“海河·智教”大模型与核心技术GraphIntell知识引擎结合，为企业提供智能知识库构建和大模型应用支持。公司参与国家级《知识图谱选型与实施指南》编制，并连续获评"中国最具成长潜力留学人员创业企业"、"天津市战略性新兴产业领军企业"、“天津市信创企业”等。

AiDD峰会

K+峰会

联系我们