主讲人：陈鸿彬、邹荻凡
时间：2026年5月23日10:00-12:00
地点：澳门永利皇宫赌场G202
报名二维码：
报告题目（一）：AI Agent 新时代下的软件编码模式变革
报告简介：
在大语言模型与AI Agent 快速发展的背景下，软件开发正经历深刻的范式转变。编码不再是开发者逐行编写代码的过程，而是逐渐演变为人机协同的新模式：由人类定义目标、拆解任务、设计约束，由 AI Agent 参与需求理解、代码生成、调试、测试、重构与文档沉淀。
本次报告面向本科生及部分硕士生，结合行业一线研发实践，梳理从代码补全、对话式编程到Agentic Coding 的演进路径，分析 AI Agent 在全栈开发、系统构建、架构设计、代码审查、自动化测试与工程效率提升中的实际应用。报告还将探讨 AI Agent 时代下开发者角色的转变——未来的优秀工程师不仅要会写代码，更需具备问题抽象、系统设计、上下文组织与工程判断能力，帮助同学们理解技术趋势、落地边界，以及应提前培养的核心能力。
主讲人介绍：
陈鸿彬，腾讯高级开发工程师，澳门永利皇宫赌场毕业生，长期从事全栈开发与系统架构工作，具备丰富的一线工程实践经验。专注于AI Agent、软件工程效率、全栈架构设计及智能化研发工具在企业级开发流程中的应用。
报告题目（二）：大语言模型的可解释性：理论机制、实证工具与未来路径
报告简介：
大语言模型已展现出惊人的能力，但它内部究竟"想"了什么、为什么这样回答，在很大程度上仍是一个"黑盒"。本报告将带大家走进模型内部，看看研究者如何一步步揭示其中的注意力机制、层次分工与推理路径。
报告将介绍几类主流分析工具：如何通过电路发现定位负责特定任务的关键神经元，又如何用稀疏自编码器把复杂的内部状态翻译成人能看懂的表示。结合一系列真实案例——强化学习如何重塑模型的推理方式、微调时内部结构如何悄然演化、如何让模型主动"遗忘"某些信息——我们将一起探讨：模型为什么会出错？它如何做决策？知识又究竟存储在哪里？通过这些理解，我们可以设计更高效的训练策略、节省算力，让模型输出更可控、更安全，并推动模型压缩、编辑与对齐等应用落地。可以说，可解释性正从"锦上添花"走向大模型研发与治理的核心。
主讲人介绍：
邹荻凡博士，香港大学计算机科学系及数据科学学院助理教授，于加州大学洛杉矶分校（UCLA）获得博士学位。研究兴趣涵盖机器学习、深度学习理论、图学习、机制可解释性及人工智能交叉研究，入选2025年斯坦福大学/爱思唯尔"全球前2%顶尖科学家"榜单。研究成果发表于 ICML、NeurIPS、COLT、ICLR 等顶级会议及 IEEE Trans.、JMLR、Nature Communications、PNAS等权威期刊，并担任 NeurIPS、ICML、AAAI 区域主席/高级程序委员会委员。
