2026年10月21日至24日，第二十三届中国计算机大会（CNCC2026）在四川成都举行。在国家科技重大专项、省重点研发计划项目的支持下，哈尔滨理工大学计算机科学与技术学院、黑龙江省智能信息处理及应用重点实验室孙广路教授、赵俊峰老师、周凯老师带队，组织11名博、硕研究生参会。我校师生围绕大模型、智能体、持续学习、可信人工智能、具身智能、知识图谱、数据工程及科学智能等前沿方向，深入参与多场专题论坛与学术交流活动，与领域专家学者探讨前沿科学问题、与行业企业大咖商谈技术合作，在“数聚驱动，智算未来”的大会主题下拓展学术视野、凝聚科研思路，探索人工智能技术创新与学科交叉融合的新路径。
一、走进CNCC2026：一场首次落址四川的学术盛会
本届大会由中国计算机学会（CCF）主办，以“数聚驱动，智算未来”为主题，在中国西部国际博览城和天府国际会议中心举行，是中国计算机大会创办以来首次在四川举办。大会汇聚计算机科学领域的专家学者与产业界代表，围绕人工智能基础理论、前沿技术、智能计算及产业应用等议题开展深入交流，为学术创新与产业发展搭建了高水平交流平台。
二、聚焦前沿：沿着三条主线深入参与专题研讨
人工智能技术正加速向复杂推理、自主决策、多智能体协同及真实场景应用演进，相关基础理论与关键技术面临新的发展机遇与挑战。参会期间，实验室师生结合自身研究方向与科研需求，分赴不同主题的专题论坛，重点关注大模型能力演进、智能体自主学习、复杂环境下的持续适应、可信智能系统建设以及人工智能赋能科学研究等前沿问题。
在大模型与智能体领域，师生参加了“企业级Agent实践：从‘Demo’到‘生产’”“大模型智能体强化学习与自进化”“智能体记忆：理论、系统与应用”“智能体在工业真实场景落地的机遇与挑战”等专题论坛，围绕智能体的自主规划、记忆管理、强化学习、协同决策及实际场景部署等方向开展学习交流；同时通过“生成式人工智能前沿探讨”“AutoResearch：自主科研智能体新框架与新技术”等论坛，进一步了解生成式人工智能与自主科研智能体的研究进展，关注智能系统从模型能力提升走向复杂任务执行的发展趋势。
在机器学习与可信人工智能领域，师生参与了“面向开放环境的持续学习：理论、方法与大模型时代的新挑战”“非平稳环境下的自适应机器学习第二届论坛——大模型带来的挑战”“大模型时代的概率可信学习：不确定性、校准与可靠推理”等专题活动，并围绕“重构可信边界：大模型内生安全与外围防线的协同之道”“多智能体系统：从方法到安全，从评测到实践”等议题开展交流。相关研讨涉及模型可靠性、持续学习、风险识别与安全防护等关键问题，为师生理解复杂智能系统的理论基础、技术瓶颈及未来研究方向提供了新的视角。
在交叉学科与智能计算领域，实验室师生还参与了第十届知识图谱论坛、具身智能与多智能体协同论坛、AI4Science相关论坛，以及“智能时代的数据系统”“联邦大模型与持续学习”“第四届科学智算平台技术前沿：AI4S智能体探索与产业赋能”等专题活动。跨领域的学术交流进一步加深了师生对知识增强、具身感知、数据管理、科学计算与人工智能融合等研究方向的认识，为后续开展交叉研究、凝练关键科学问题、探索技术创新路径积累了有益经验。
三、深度参与：孙广路教授出席“数据工程”专题论坛
10月24日，孙广路教授作为论坛嘉宾参加 “数据工程，如何成为大模型时代的智能基座？”专题论坛。论坛由哈尔滨工业大学计算学部副教授、博士生导师丁小欧担任主席，哈尔滨工业大学计算学部长聘教授王宏志担任联合主席，汇聚高校、科研团队与产业界专家学者，围绕大模型时代数据工程的关键技术、发展趋势与产业实践展开深入研讨。
随着大模型技术持续发展，数据已不再只是模型训练过程中的基础资源，而是支撑知识更新、复杂推理、智能体运行与模型能力持续演进的重要基础。面对多源异构数据、多模态信息处理、高质量数据供给、数据价值评估及动态知识更新等新需求，传统数据工程的技术体系正面临新的挑战。如何推动数据工程从面向数据存储、集成与治理的传统模式，转向面向模型能力提升和智能系统持续演化的新型基础设施，成为本次论坛关注的核心议题。
论坛邀请了来自清华大学、浙江大学、东北大学及中国航空工业集团等高校和产业机构的专家作专题报告：欧阳森山结合行业实践探讨人工智能时代的数据治理，王建民围绕工业时序数智库的体系架构与应用展开分享，牟文平介绍人工智能赋能航空制造的思考与实践，杨晓春分享多模态数据压缩与检索方面的研究进展，高云君围绕大规模数据合成与垂域智能分析展开报告，冯骁骋则聚焦从大模型到智能体的演进过程，分析幻觉机制、风险传播及安全防护问题。
与会专家从数据治理、数据供给、模型能力提升及智能体安全等多个维度，探讨了数据工程与人工智能深度融合的技术路径，并对三方面给予重点关注：一是构建面向大模型全生命周期的数据工程体系，提升高质量数据的获取、处理、治理与持续供给能力；二是探索面向模型能力提升的数据价值评估机制，从传统的数据规模与质量评价进一步走向数据对模型性能及任务表现的实际贡献评估；三是推动数据、模型与应用环境协同演化，探索适用于检索增强生成（RAG）、智能体（Agent）及在线反馈场景的数据管理机制，在支持知识动态更新与能力持续提升的同时，降低数据污染、反馈偏置及模型能力退化等风险。
孙广路教授参加此次论坛，体现了实验室对数据工程与人工智能交叉前沿的持续关注。相关交流进一步凸显了高质量数据供给、智能数据治理与可信智能系统建设在大模型发展中的重要作用，也为实验室拓展研究视野、跟踪前沿技术趋势提供了有益参考。
四、以会促研、以研育人：把学术交流转化为创新动能
从大模型与智能体的前沿探索，到持续学习与可信人工智能的理论研究，再到数据工程支撑智能系统发展的专题研讨，此次CNCC2026之行展现了哈尔滨理工大学计算机学院和省智能信息处理及应用重点实验室对计算机科学与人工智能前沿问题的持续关注，也为实验室师生开展跨领域学术交流、拓展研究视野、凝练科研方向创造了良好条件。
实验室将继续立足科研任务与学科发展需求，深化基础理论研究与关键技术探索，积极开展高水平学术交流，促进科研创新与人才培养协同发展。面向人工智能技术快速演进的新阶段，实验室将持续关注大模型、智能体、可信学习、数据工程及科学智能等领域的发展动态，推动前沿理论探索、关键技术突破与实际应用需求深度结合，不断提升团队科研创新能力与人才培养质量，为计算机科学与人工智能领域的创新发展贡献力量。
图1 省重点实验室师生在CNCC2026会场“数聚驱动 智算未来”主题展台前合影
图2 “智能体记忆：理论、系统与应用”专题论坛现场
图3 清华大学李勇教授作“从AI4S到AI科学家”主题报告
图4 “数据工程，如何成为大模型时代的智能基座？”专题论坛现场
