张开颜
衔远科技（Frontis.AI）CTO
张开颜，衔远科技首席技术官（CTO）。本科与硕士毕业于哈尔滨工业大学计算机科学与技术专业，博士毕业于清华大学电子工程系，师从上海人工智能实验室主任、首席科学家周伯文教授，曾获博士研究生国家奖学金等荣誉。主要研究方向为大语言模型、强化学习、多智能体协同、自进化智能体等，致力于构建能从自身经验中持续学习并递归改进的自进化智能体：研究测试时强化学习、多智能体训练与奖励建模等“AI for AI”自我改进机制，将其应用于企业与科学发现等高价值场景并构建真实任务评测。代表性工作包括 TTRL、MARTI、NatureBench、RL4LRM、UltraMedical 等；主导的开源模型与数据集在 Hugging Face 下载量超过 40 万次，主导及参与的开源项目在 GitHub 累计获得超过 1 万 Star；在 NeurIPS、ICLR、ICML、ACL、EMNLP 等顶级会议和期刊发表论文 40 余篇，Google Scholar 引用近 4000 次、h 指数 26。担任北京市科技计划项目负责人、科技创新 2030“新一代人工智能”重大项目课题骨干，长期致力于前沿研究的开源共享与产业落地。
演讲主题
元智能体驱动的 AI 训练与自进化：AI4AI 技术与产业实践
本次分享以 Frontis-MA 系列元智能体模型为核心，介绍 AI4AI 驱动的模型训练、能力扩展与自进化实践。围绕专业化模型研发和 Agent 自动化训练，分享任务环境构建、自主实验、训练评测与经验学习的技术路径，讨论模型能力与智能体系统协同优化的方法。结合 NatureBench 等真实任务，展示如何验证跨任务泛化与科学问题求解能力；进一步结合产业实践，分析效果、效率、成本与部署约束之间的工程取舍，探索执行经验反哺模型训练、持续提升智能体能力的实践路径。 大纲：①Frontis-MA 系列元智能体与 AI4AI 能力构建；②机器学习工程与专业化模型的自动研发；③NatureBench 与真实科学任务求解；④Agent 自动化训练、经验学习与持续进化；⑤产业研发交付与工程取舍。 听众收益： 理解元智能体驱动的智能生产体系；了解专业化模型和 Agent 自动化训练的实践路径；掌握连接研发经验、训练评测与业务反馈的思路；建立效果、效率与成本的综合评价视角。
