AI Scientist 中的上下文动态优化与自我演进｜AICon北京

12 月 19-20 日， AICon全球人工智能开发与应用大会收官之站"将在北京举办，本次大会 将以 “探索 AI 应用边界” 为主题，聚焦企业级 Agent 落地、上下文工程、AI 产品创新等多个热门方向，围绕企业如何通过大模型提升研发与业务运营效率的实际应用案例，邀请来自阿里、字节、华为、京东、快手、美团等头部企业、大厂以及明星创业公司的专家，带来一线的大模型实践经验和前沿洞察。一起探索 AI 应用的更多可能，发掘 AI 驱动业务增长的新路径！

灵犀量子（北京）医疗科技总经理王则远已确认出席并将在「Context Engineering"」专题发表题为《AI Scientist 中的上下文动态优化与自我演进"》的主题分享。在“科学智能”范式下，构建能够模拟人类科学家进行复杂探索与创新的通用智能体（AI Scientist）已成为前沿焦点。然而，通用大型语言模型在应用于高度专业化、长周期且充满不确定性的医学研究任务时，面临着知识边界固化、任务规划刚性及过程可靠性不足等核心挑战。

本次分享将介绍一种旨在提升医学 AI 智能体自主进化能力的创新框架。该框架通过引入“模式探索-过程反思”双重机制，将任务执行过程中的隐性知识显性化，并动态构建与优化一个我们称之为“行动手册”的元认知上下文。

此“行动手册”并非静态的知识库和记忆库，而是一个自适应演化的策略集合，它为智能体提供情境感知的行动指导，使其具备从单次任务迭代中学习与泛化的能力。我们将详细阐述该框架的设计哲学、系统架构及其在模拟医学研究任务中的初步实证结果，探讨其如何驱动 AI 从一个被动指令执行器，向一个具备持续学习与自主探索能力的科研伙伴演进。

王则远是澳大利亚悉尼大学计算机博士、智能医学中心研究员，北京市亦城优秀人才，北京市科学技术委员会科技项目审评专家，高级工程师（副高），专注于机器学习和自然语言处理在医学领域的应用。任灵犀医疗创始人&CEO，中国新闻文化促进会数字健康专业委员会理事，2023年入选胡润U30中国创业先锋榜，曾任辉瑞（美国）全球研发中心高级研究员、AT&T贝尔实验室研究员。先后主持研发了20余个基于人工智能的多模态医学决策平台，累计发表SCI文章20余篇（累计影响因子>150分），国家发明专利40余项、软件著作权10余项，承担科技部重点研发计划课题、国家自然科学基金项目和北京市、上海市自然科学基金项目10余项。他在本次会议的详细演讲内容如下：

演讲提纲：1.医学 AI Scientist 的机遇与研究缺口研究背景： AI for Science 作为科学发现的第四范式研究动机： 通用智能体在医学科研等专家领域的应用瓶颈知识局限性 : 预训练知识的静态性与医学领域知识的动态性、高精度要求之间的矛盾规划脆弱性 : 基于静态思维链的规划在面对科研任务的超长依赖链、高不确定性与动态环境时的失效问题执行不可靠性: 工具调用的语义鸿沟与在关键决策节点上缺乏可验证的置信度核心研究问题： 如何构建一个能够从自身经验中学习、实现能力持续进化的专用智能体2.核心框架：基于动态上下文的自主进化机制理论基础： 从“In-Context Learning”到“In-Task Learning”的范式演进静态上下文的局限： 一次性信息注入无法捕捉任务执行过程中的时序依赖与情境变化动态上下文的必要性： 建立一个随任务进程自适应更新的上下文，以实现更精细化的决策引导 “行动手册”：一种元认知上下文的实现定义： 一个结构化的、动态演化的策略知识库，编码了关于“如何成功执行任务”的元知识，包括但不限于：高效工具调用序列、问题分解策略、失败归因模式及验证启发式规则“模式探索-过程反思” 双循环引擎模式探索：在线机制，于任务执行中通过算法（如序列模式挖掘）识别并泛化高价值的行动模式过程反思： 离线机制，在任务终止后，对完整的执行轨迹进行因果归因，特别是针对失败或次优路径，生成可操作的修正策略闭环学习： PE-PR 模块的输出被整合并更新至“行动手册”，形成一个持续自我完善的学习闭环3.系统架构与算法实现分层智能体架构： “元控制器-规划器-执行器-反思器”四层模型规划器的动态重规划能力自适应重规划: 在执行节点上，依据环境反馈与“行动手册”的实时建议，进行局部路径的动态调整与剪枝分层规划结合初始“行动手册”生成宏观任务图执行器的工具接地超越 API 调用： 训练模型理解工具的先决条件、副作用及参数的语义含义，实现从“Tool Invocation”到“Tool Manipulation”的转变策略驱动的 工具选择： “行动手册”为工具组合提供贝叶斯优化或强化学习策略，以替代启发式选择4.反思器的知识蒸馏从日志到洞察： 利用大模型自身的推理能力，将低阶的执行日志抽象为高阶的策略规则知识表示与泛化： 探讨如何以符号化或向量化形式存储“行动手册”中的知识，以平衡其可解释性、泛化能力与检索效率5.实证案例6.实验、评估与挑战评估范式结果导向 vs. 过程导向： 提出面向过程的评估指标，如规划修正率、无效操作率、反思有效性等，以补充结果成功率的不足当前挑战与开放问题：知识的稳定性-可塑性困境：如何在持续学习新策略的同时，避免对已验证的旧策略造成灾难性遗忘计算开销与性能的权衡: “反思”过程的计算复杂性及其对智能体响应延迟的影响人机协同的干预策略设计：如何在智能体的自主进化环路中，设计高效、可信的专家知识注入与干预策略，实现人机知识的协同进化7.总结与展望听众收益：了解动态演化的上下文工程是如何进展的？

除此之外，本次大会还策划了LLM 时代的软件研发新范式"、Context Engineering"、Data+AI / Agent 落地实践"、大模型系统工程"、企业级 Agent 的设计与落地"、大模型时代下的搜广推系统实践"、多模态从技术突破到创新应用落地"等10多个专题论坛，届时将有来自不同行业、不同领域、不同企业的50+资深专家在AICon北京站现场带来前沿技术洞察和一线实践经验。

现在报名即可以享受 9 折优惠，单张门票立省580 元，详情可扫码或联系票务经理 13269078023 咨询。