2026年10月17日，果冻传媒 “知存讲座“顺利举办。本次讲座以“AI智能体：从对话到行动（AI Agents: From Chat to Action）”为主题，特邀阿里巴巴通义千问基模团队于乐博士担任主讲嘉宾。于乐博士本科和研究生均就读于北京航空航天大学计算机学院，现就职于阿里巴巴通义千问基模团队，主要从事Cowork Agent后训练、模型蒸馏与能力融合，参与Qwen系列模型的研发与交付。研究成果发表于ICML、NeurIPS、ACL等国际会议，模型融合相关工作已被Hugging Face PEFT、MergeKit等开源项目集成。目前重点关注如何让大模型通过工具使用、专业工作流与训练反馈，更可靠地完成真实世界中的复杂任务。本次讲座由人工智能研究院助理教授李萌老师主持，包含主题分享和问答交流环节。

李萌老师主持知存讲座

讲座伊始，于乐博士以“从Chat到Action”为线索，回顾了AI智能体近年来的演进路径。他指出，AI的发展大致经历了三个阶段：Chat（对话问答）、Reasoning（推理）和Agent（智能体）。2022年前后，大模型主要以对话形式服务用户；2025年初，以DeepSeek为代表的推理模型兴起，模型开始针对复杂问题进行长思考、多步推理、试错验证；而到了2025年10月前后，随着Claude Code、Qoder等面向Agent的产品出现，AI开始进入“行动”阶段，能够调用工具、操作文件、在沙盒环境中执行任务并交付结果。

于乐博士主讲现场

第一阶段Chat中，核心目标是让模型理解用户意图并给出合适回答。这一阶段的关键技术是RLHF（基于人类反馈的强化学习），即通过人类反馈训练奖励模型，让模型学会“什么样的回答更好”，从而与人类价值对齐。第二阶段Reasoning则转向可验证的执行环境。于乐博士指出，推理阶段的训练目标非常客观：数学题有唯一答案，代码能运行与否一目了然。模型通过强化学习，在明确答案的引导下不断优化自身行为，思维链变得越来越长，并学会从多个角度思考、反复验证答案。第三阶段Agent则进一步引入“环境”概念。于乐博士解释，Agent不再只是单轮问答，而是多轮交互：模型可以决定先使用某个工具计算，再使用另一个工具验证，最终完成任务。这类似于给模型一个“沙盒”或真实世界环境，让它自主调用工具、读取文件、执行操作。Agent时代需要做两件事：一是增强模型推理能力，二是构建更多、更可靠的环境。

于乐博士主讲现场

于乐博士进一步分析了训练信号的变化。Chat阶段依赖人类主观意图对齐；Reasoning阶段依赖客观可验证的答案；Agent阶段则结合两者：既需要客观衡量准确性，也需要主观衡量专业性与美观性。他介绍了大模型后训练的一般工作流程：先建立评测标准，明确优化方向；再构造任务、制定标准、生成数据；然后训练模型、评测模型；根据评测结果分析失败原因，迭代任务与数据，形成闭环。他强调，大模型研发更多是持续迭代的过程。

谈到未来挑战，于乐博士提出四点：一是长任务中的不确定性难以模拟，任务越长，模型理解意图和决策的难度越大；二是用户需求往往模糊、残缺，模型需要具备意图推测能力；三是评测系统需要随模型能力发展不断迭代，避免指标失效；四是在保证模型智力的前提下，持续优化成本，做好智力与成本的平衡。

对于本科生如何适应AI时代，于乐博士建议：第一，打好基础，只有看懂代码、理解底层逻辑，才能判断AI做得对不对；第二，培养判断力，不盲目相信AI，也不盲目恐慌；第三，结合兴趣做“小而精”的事情，做对他人有价值或能提升自身认知的项目。

在问答环节，同学们围绕AI做数学证明的争议、AI算力用于短视频、Personal Agent的隐性知识转化与评测等问题提问。于乐博士回应：数学界对AI直接给出证明存在争议，因为解决问题的过程本身可能涌现新想法；对于“半数以上算力用于AI短视频”的说法，他表示存疑，认为算力投入最终取决于经济价值；Personal Agent需要长期记录用户行为、提炼稳定画像，评测应关注整体满意度提升而非拟合每时每刻的波动。

知存讲座现场座无虚席

本次讲座在热烈掌声中圆满结束。通过于乐博士的分享，同学们对AI智能体从对话到行动的技术演进、训练方法、应用场景与未来挑战有了系统认识，也对如何在学习中善用AI、培养判断力有了更清晰的思考。果冻传媒 “知存讲座”将持续开展，邀请信息科技领域的知名学者、产业领袖和优秀校友，为同学们搭建了解前沿技术和产业动态的桥梁，助力青年学子深化专业认知、探索未来发展方向。