简介
论坛将聚焦智能体的数据基础，重点探讨面向智能体的数据管理系统、智能体数据的组织与治理、以及智能体时代的新型数据基础设施。 论坛将围绕以下问题展开讨论：智能体需要构建什么样的数据管理系统？如何统一管理知识、工具、记忆、交互轨迹等异构数据，并支撑智能体的持续学习与协同？如何评估和提升智能体数据质量，构建高质量任务数据和反馈数据？ 推荐原因在于其前沿性和重要性：随着人工智能从“大模型”迈向“智能体”，数据基础正从静态语料扩展到动态环境与交互数据。构建支撑智能体感知、决策、执行和持续进化的数据基础，已成为智能体发展的关键支撑，也是学术界与产业界共同关注的重要方向。
简介为官网原文，部分内容可能未写完。
人员
主席
- 童咏昕 · 北京航空航天大学
嘉宾
- 高云君 · 浙江大学
- 王宇翔 · 北京航空航天大学
- 王健楠 · 清华大学
- 赵鑫 · 中国人民大学
- 刘浩 · 香港科技大学（广州）
- 李钰 · 阿里云计算有限公司
报告安排
Agent for Data：从数据制备到分析
高云君 · 浙江大学
简介
从数据角度看，智能体（Agent）推动数据从“消费存量”走向“创造增量”，能够与环境交互制备新数据，并通过多步推理和动态工具调用实现自主数据分析。然而，当前仍面临两大挑战：1）数据制备规模有限、成本较高；2）数据分析多停留在SQL编码阶段，亟需向多模态、跨场景分析拓展。为此，本报告将分享汇报人负责团队在这方面的最新探索与进展：先提出基于集体智能的大规模高质量数据制备技术（譬如，大规模的SQL生成、科教数据生成、医患数据生成），以缓解数据制备规模小、成本高的难题；而后构建面向真实垂域的多模态数据分析智能体（譬如，CT数据报告生成、商业数据分析报告生成、单细胞数据分析报告生成），以拓展自主数据分析的模态和应用场景；最后展望数据智能体的可能未来方向。
智能体时代的数据科学系统
王健楠 · 清华大学
简介
本报告讨论智能体时代数据科学系统的四个关键转变：一是场景转变，数据科学任务将从由人类调用工具完成，转向由智能体自主规划、执行与验证；二是技术转变，数据库技术将更深入地融入数据科学软件栈，为复杂数据工作流提供统一的管理与优化；三是模态转变，处理对象将从结构化表格扩展到文本、图像、视频等多模态数据；四是硬件转变，系统将从以CPU为中心走向CPU、GPU、NPU等异构硬件协同。报告将分析这些转变带来的系统挑战，并探讨如何构建面向智能体的新一代数据科学系统。
大模型智能体系统的高效构建
赵鑫 · 中国人民大学
简介
本报告将围绕“大模型智能体系统的高效构建”，系统梳理从工具调用到复杂编排的关键路径。首先介绍面向大模型的工具调用方法，探讨如何设计强化学习算法让大模型使用外部工具；在此基础上，引入上下文管理机制，实现跨会话的长期记忆与状态保持，为智能体的连续推理与自主进化提供支撑。进而聚焦交互环境的构建，通过高保真模拟环境与沙箱机制，提升智能体对复杂工作环境的适配能力。最后，结合编排框架，探讨复杂任务的分解、多智能体协作与执行流程优化，并进行未来展望与总结。
Agentic Data Scientist：面向开放世界的数据科学智能体构建
刘浩 · 香港科技大学（广州）
简介
大模型能力上界的持续突破正在推动数据科学由辅助工具走向自主智能系统。然而，通用智能体框架在处理开放世界数据科学任务时仍面临问题形式化能力不足、迭代执行代价高、分析经验难以复用及跨任务泛化受限等挑战。本报告将围绕可通用、自演化的数据科学智能体构建，探讨如何将开放问题转化为可执行、可验证、可复现的端到端数据科学工作流，并结合团队近期研究成果，介绍开放问题数学建模、可复用数据分析技能学习、自演化工作流优化及数据科学世界模型方面的进展。
Agent时代的大数据架构演进
李钰 · 阿里云计算有限公司
简介
随着大模型和智能体（Agent）技术快速发展，数据基础设施正在从传统大数据平台向面向智能体的新一代数据架构演进。本报告将围绕“Agent时代的大数据架构演进”，回顾数据仓库、数据湖、湖仓一体等大数据架构的发展历程，分析AI时代对数据平台提出的新需求。 报告将重点探讨面向Agent的数据基础设施演进方向，包括全模态数据管理、实时上下文构建、知识增强、智能数据治理以及面向智能体的数据服务能力。结合阿里云大数据平台实践，分享智能湖仓、实时计算、开放数据生态等关键技术，探讨如何构建能够被智能体理解、调用和推理的新一代数据底座，推动数据与人工智能应用深度融合。