大模型“慢思考”技术趋势 - 人工智能大语言模型正从“快思考”模式转向注重推理深度与逻辑连贯性的“慢思考”范式[2] - 以DeepSeek-R1为代表的新型大模型通过强化学习机制强化长思维链推理能力，在复杂任务处理上展现出更强的理解力和决策能力[2] - “慢思考”技术在数学、编程等高阶任务中表现优异，并以开源架构和成本优势推动技术普及，成为推动大模型迈向更高智能水平的关键路径[2] 技术研讨会核心内容 - 研讨会主题为“AI慢思考：大模型复杂推理技术”，由中国人民大学赵鑫教授分享DeepSeek-R1等模型在“慢思考”技术方面的最新研究进展[2] - 赵鑫教授将聚焦大模型慢思考的基础技术与实现方法，系统性讲解以强化学习为主线的关键技术路径，并探讨技术挑战、科学价值及未来发展趋势[9] - 施普林格·自然计算机科学图书编辑总监常兰兰博士将介绍该机构计算机科学和2025年全新人工智能图书资源，分享学术图书出版价值[11] 专家背景与研究成果 - 赵鑫教授为中国人民大学高瓴人工智能学院教授，已发表论文200余篇，谷歌学术引用3万余次，曾主导研发玉兰系列大语言模型[8] - 赵鑫教授曾荣获2020年吴文俊人工智能优秀青年奖、ECIR 2021时间检验奖，CCF-IEEE CS青年科学家奖，并组织编写《大语言模型》中文书[8] - 赵鑫教授与文继荣教授领衔主编的新书构建了系统化的大模型技术框架与路线图，内容凝练经典论文、开源代码与前沿论文精华[19] 行业资源与生态 - 施普林格·自然推出人工智能电子图书合集，涵盖从基础知识到前沿研究的广泛学科主题，包括专著、会议论文集、教科书和手册等资源类型[21] - 该电子图书合集收录预测人类行为的机器学习算法到影响医疗保健行业的神经网络等丰富内容，为科研与学习提供一站式资源[21] - 机器人大讲堂社群汇集工业机器人、服务与特种机器人、医疗机器人、人形机器人、具身智能及核心零部件等领域的众多企业，共享前沿科技及产业动态[26][27][28][29][30][32]