2025年1月4日，由南京大学智能科学与技术学院主办的“南京大学湖畔大模型论坛”在南京大学苏州校区南雍楼东105顺利举行，会议旨在探讨前沿大模型技术的应用与发展趋势，吸引了众多业内人士参与。
此次会议邀请了多位知名专家与学者参会，包括：北京交通大学于剑教授，中国人民大学赵鑫教授，上海人工智能实验室青年科学家王文海，香港大学助理教授黄超，腾讯高级研究员李珂，北京大学助理教授袁粒，南开大学副教授王亚星，智谱AI研究员张昱轩，面壁智能研究员郭宗昊。
会议由我院副院长单彩峰教授做开场致辞，并由我院助理教授傅朝友和计算机学院副教授霍静共同主持。单彩峰在开场致辞中强调，大模型技术为人工智能领域带来新一轮变革与机遇，此次研讨会的召开，不仅为业内人士搭建了沟通与合作的平台，也期待推动大模型行业的进一步发展。
赵鑫在“基于大语言模型的慢思考方法探索”的报告中讨论了在当今环境下大模型的局限，展示了大模型快思考和慢思考的区别，并以树搜索方案、模型设计等实践案例展示了慢思考方法的探索路径，刨析了慢思考领域的关键问题，给大模型慢思考的研究提供了具有启发性的想法。
王文海在“书生-万象多模态大模型的技术演进与应用探索”报告中讲解了多模态大模型的基本实现范式，展示了视觉-语言模型从无到有的开发之路，展示了一个优秀的多模态大模型如何不断提升和优化的过程。
黄超在“当图数据遇见大语言模型”报告中指出，图数据能够更好地反映不同对象间的关系，他们提出了GraphGPT模型，赋予了大语言模型理解图数据的能力，还介绍了如何通过MoE的架构设计更加适配图数据的模型结构，并通过LightRAG技术的使用提升模型的性能，展示了GraphAgent的产品。
李珂在“大模型执行工作流的新范式”报告中清晰地介绍了工作流的概念，展示了工作流接入大模型后存在的问题，通过FlowAgent模型探索了工作流的新型表达形式，并提出了新的PDL语言，兼备自然语言的灵活性和流程的严谨性，还通过自动化的评测框架中展示了模型优秀的性能，为大模型在实际应用中的实现提供了新的思路。
袁粒在“基于扩散模型的视频生成能否实现视觉世界模型”的报告中分析了视觉生成与理解的差异，并探讨了将二者统一到同一框架下的实现路径。围绕这一目标，袁粒展示了Open-Sora Plan视频生成开源计划及对视觉世界模型的探索，深入剖析关键问题，为统一大模型的研究提供了明确方向与实践参考。
王亚星在“文生图模型中文本和图像表征的思考”的报告中主要汇报了最近所作的三篇代表性论文，聚焦于扩散模型的加速与优化。第一篇论文提出了语义绑定优化，有效解决文本提示下的多对象属性混淆问题，显著提升生成质量。第二篇论文专注于负目标压制，通过优化文本嵌入，在无需模型微调的情况下，实现了精确的目标排除。第三篇论文通过对编码器特性的深度分析，提出编码器传播和并行处理机制，将推理速度提升了40%以上，同时保持高质量生成效果。这些研究不仅突破了扩散模型的效率瓶颈，也为实际应用提供了全新方向。
张昱轩在“智谱开源大模型”的报告中介绍了智谱的开源成果与最新进展。报告涵盖视频生成模型CogVideo系列，重点展示了CogVideoX1.5在推理加速方面的突破，以及CogVideoX的低成本微调和定制化支持。图像生成方面，介绍了CogView系列的最新应用。多模态视觉理解模型方面，CogAgent具备GUI操作能力，CogVLM实现了从图像到视频理解的跨越式发展。最后，他还详细讲解了智谱的开源生态，包括流程规范和国际生态适配，为开源社区的发展提供了新方向。
郭宗昊在“MiniCPM-V：迈向GPT-4V级端侧多模态大模型”的报告中系统阐述了多模态大模型的发展历程及科学价值，重点介绍了MiniCPM-V这一高效端侧多模态大模型的关键技术与应用。MiniCPM-V在高效模型结构、高效训练方法和高质量数据构建方面取得突破：采用高分辨率视觉编码框架，并针对GPT-4V视觉编码的系统性缺陷进行深入分析；在多语言多模态泛化和多模态反馈数据优化中，克服了标签模糊和学习效率的挑战。模型实现了多图联合理解、多模态上下文学习和视频理解能力，在OpenCompass等评测中表现优异。他还介绍了MiniCPM-V的实际应用与社区关注，为未来多模态模型的发展提供了清晰方向。
此次研讨会为大模型领域的技术发展提供了新的方向，并进一步促进了业内人士的深度交流与合作。本次会议中参会人员积极交流，在思维碰撞中学习进步，最终会议在1月4日下午5点圆满完成。
