主题论坛23以人为中心的协同推荐

简介：

蒋斌，湖南大学计算机学院教授，博导，计算机工程系主任。日本东京工业大学工学博士，外国人特别研究员。CCF高级会员，ACM、IEEE会员，CCF大数据专家委员会(TFBD)专家委员，CCF协同计算专业委员会(TCCC)委员，CCF计算机应用专业委员会(TCAPP)委员，中国人工智能学会(CAAI)会员，教育部学位与研究生教育评估专家，北京市自然科学基金评审专家，湖南省科技咨询与评审专家，湖南省工业机器视觉工程技术研究中心专家指导委员，长沙市工业科技特派员，邵阳市人民政府科技经济顾问，株洲市网络安全和信息化专家。

简介：

杨超，湖南大学计算机学院副教授、博导，CCF杰出会员，CCF协同计算、计算机应用专委执委，CAAI智能信息网络专委委员，CSF社会计算与智能仿真专委委员，教育部学位与研究生教育评估专家，CCF YOCSEF长沙2021-2022年度学术委员会主席。本科、硕士均毕业于湖南大学计算机与通信学院，博士毕业于日本东京工业大学，获最优博士论文奖和秋山奖。主要研究方向为信息检索与推荐、跨媒体分析与推理、多智能体系统、可信AI等。主持国家、湖南省自然科学基金和科技计划10余项，在AAAI、MM、ICCV、ECCV、COLING、ICMR、RecSys、TMM等会议和期刊发表论文60余篇。主持多项企业委托研发课题，授权发明专利12项。

简介：

张谧，教授，白泽AI负责人，专注于AI安全、大模型与智能体安全研究，在网络安全与AI领域顶会顶刊发表论文百余篇；联合起草国家标准《生成式人工智能服务安全基本要求》，任TC260人工智能安全标准工作组（WG9）专家成员，参与《智能体应用安全基本要求》等多项国家标准的制订；主持科技部重点研发计划课题与奇安信、华为、阿里等企业合作项目，获CCF科学技术奖自然科学二等奖等荣誉；培养硕博数十人，带领团队研发JADE大模型安全风险分析与治理平台，相关成果被腾讯朱雀实验室、蚂蚁集团“蚁鉴”等收录为经典安全测评数据集，被新华社、人民日报、环球网、凤凰网、南方都市报等主流媒体多次报道。

报告题目：从协同过滤到自主智能体：推荐系统安全范式的演进与挑战

报告摘要：

随着大模型和智能体技术的发展，推荐系统正从传统协同过滤演进为能够理解、规划和执行任务的智能体系统，安全风险也由交互数据污染扩展到开放文本、长期记忆、自主决策和真实执行风险。 本报告将系统介绍推荐系统安全范式的演进过程，结合生成式搜推、推荐智能体、GUI Agent、多智能体协同等前沿场景，分析新型攻击与防御案例，进一步探讨推荐系统安全未来的发展方向与关键挑战。

简介：

张凯博士，硕导，中国科学技术大学计算机学院副研究员，主要从事人工智能、大语言模型、知识表示与推理、个性化推荐等方向研究。担任中国人工智能学会智能服务专委会委员、中文信息学会社会媒体处理（SMP）、大模型与生成专委会委员。近年来，在重要国际学术期刊和会议上发表CCF A类论文40余篇，多篇入选ESI高被引、热点论文，申请/授权国家发明专利20余项，曾获国际人工智能会议“最佳论文候选”、中国机器学习会议“最佳学生论文”、中国人工智能学会博士论文激励计划候选、小米青年学者等奖项荣誉。

报告题目：面向公平可信的个性化协同推荐方法

报告摘要：

本报告围绕面向公平可信的个性化协同推荐方法展开，探讨大模型时代推荐系统从“精准匹配”向“用户价值导向”的发展方向。报告将结合可信反馈建模、公平推荐决策、个性化用户表示与跨域协同推荐等关键技术，介绍如何通过实体感知去噪、深层特征偏差消除、推荐表示优化以及多模态智能生成等方法，提升推荐系统的可靠性、公平性和个性化水平。通过构建以用户为中心的协同推荐框架，实现推荐效果与用户体验的协同优化，为下一代智能推荐系统的发展提供新思路。

简介：

彭鹏于2016年毕业于北京大学计算机科学技术研究所，获得理学博士学位；2016年8月入职湖南大学计算机学院软件工程系，任助理教授；2019年12月，晋升为副教授。目前其主要研究方向为知识图谱、人工智能、图数据库。彭鹏近年来发表论文30余篇，包括SIGMOD、ICDE、VLDB Journal、TKDE等国际顶级会议/期刊论文。彭鹏主持国家级项目2项，省部级项目3项，长沙市科技重大专项1项。这些工作涵盖了知识图谱、人工智能、图数据管理、分布式查询处理等领域。彭鹏长期从事于产学研合作，与湖南银行、长沙海信智能系统研究院有限公司等多个公司长期合作，获得2021年中国产学研合作创新与促进奖一等奖。

报告题目：基于知识图谱与图数据库的协同推荐

报告摘要：

本报告深入探讨大模型时代下，基于知识图谱与图数据库的协同推荐架构。通过引入知识图谱进行检索增强生成（RAG），并实施联合回答质量与开销优化的检索策略，有效破解了传统推荐中的数据稀疏与冷启动难题。该系统不仅显著提升了推荐的准确性与可解释性，更在电商、内容分发等领域展现出广阔的应用前景。

简介：

卓兴翔，芒果TV智能媒资中心算法总监，美国明尼苏达大学计算机科学硕士。曾任职于阿里巴巴、中兴通讯等企业，拥有多年人工智能与互联网产品技术研发经验，长期深耕大数据、推荐系统、大模型应用等方向，具备从底层技术研发、算法架构设计到业务规模化落地的全链路实战经验。 现阶段重点投入AI Agent方向的研发与落地实践，负责推动垂类智能体、IP角色聊天等创新产品建设，围绕多智能体协同、复杂任务规划、长期记忆管理等核心能力，构建面向真实业务场景的Agent技术体系。基于自研RAG架构，深度融合视频内容理解、知识检索与记忆能力，实现内容知识的精准召回与动态推理，支持拟人化情感交互和长期关系演进，打造兼具内容推荐能力与陪伴体验的新一代智能体产品。同时积极推动大模型时代下的推荐系统迭代升级，围绕内容理解、用户兴趣建模、内容分发等方向持续构建和优化智能推荐技术体系，探索大模型驱动的个性化推荐在大规模用户场景下的工程化实践。

报告题目：从单向分发到协同探索：视频场景下的对话式智能体构建

报告摘要：

大语言模型的技术突破正在重塑人机交互范式，推动推荐系统从传统的单向内容分发，向基于自然语言交互的对话式推荐深度演进。在这一新兴模式下，用户不再仅通过点击、观看等行为被动传递偏好，而是能够以自然语言直接陈述即时需求，并通过多轮对话补充约束条件、排除不符选项、动态修正推荐方向；系统也从单一预测 “用户可能喜欢什么”，转向与用户协同完成需求澄清与内容决策，为 “以人为中心的协同推荐” 提供了全新的产品形态与技术路径。 本次分享将结合部署于芒果 TV 多终端的智能 AI 助手落地实践，系统介绍面向视频内容发现场景的智能体系统构建方案。该系统以自然语言交互为统一入口，通过意图理解模块精准识别用户目标与约束条件，动态调度媒资搜索、个性化推荐与内容知识库三大能力，并综合相关性、用户兴趣、当前场景、内容质量和业务规则完成候选排序。 报告将重点探讨对话式智能体如何将搜索、推荐与知识检索能力整合为连贯的内容发现流程，以及如何利用多轮对话上下文与用户实时反馈持续优化结果。其核心设计理念并非由大模型替代用户决策，而是通过技术手段降低用户需求表达与内容筛选的交互成本，让用户能够主动参与、实时修正并全程掌控推荐过程，最终推动视频内容发现从单向的 “猜你喜欢”，迈向人机协同的 “一起找喜欢”。

简介：

卢暾，复旦大学计算与智能创新学院教授、博导、副院长，上海市数据科学重点实验室副主任，复旦大学社会计算研究中心主任，美国卡耐基梅隆大学（CMU）访问学者。现为中国计算机学会杰出会员、协同计算专委秘书长，上海市计算机学会协同信息服务专委会副主任。研究方向为协同与社会计算、群智与人智协同、大模型智能体模拟、数字社会智能治理等。主持多项国家和上海市重要项目，系列成果发表在 CSCW、CHI、UbiComp、ICML、NeurIPS、ICLR、WWW、SIGIR、SIGKDD、IEEE TKDE、ACM TOIS 等领域权威会议和期刊上，曾获得过 CSCW 等多个国际学术会议最佳论文（提名）奖等。

报告题目：基于大模型Agent的人智协同推荐生态系统模拟

报告摘要：

人智协同推荐生态系统是由消费者、生产者、协调者等多种参与主体与AI深度嵌入融合，所形成的动态更新、迭代互动和持续演化的复杂动态社会技术系统。在推荐生态系统中感知潜在风险、把握演化趋势、调控生态平衡，是实现信息服务算法推荐全周期和跨尺度监管与调控的关键。传统单一视角的研究方法难以深入理解和全面剖析推荐生态系统的演化机理及调控路径，存在着演化调控过程不可知和实验不可控的突出问题。大模型Agent模拟技术在角色扮演、行为调节和社会模拟等方面有着独特的优势，为解决这些问题提供了新思路。报告将从HCI+AI的跨学科视角分享团队主要代表性工作，以期为该方向研究提供有益思路。