题目：意图与结构之间：从表格特征转换到 LLM Agent编排的统一范式

主讲人：堪萨斯大学电气工程与计算机科学系 王东杰教授

主持人：西南财经大学统计与数据科学学院 黄雁勇教授

时间：2026年5月23日（周六）下午13:00-14:00

地点：西南财经大学光华校区光华楼1003会议室

报告摘要：

本次讲座围绕“意图与结构之间的翻译”的这一核心问题展开，提出 Translation Is the New Bottleneck 的研究视角。报告从两个时代的对比切入：1990 年由程序员把人的意图翻译为 C 代码和机器码，2026 年则希望由大语言模型把自然语言意图翻译为 API、solver、文件操作等可执行结构。王东杰教授将指出，问题的本质并未改变，真正困难的是如何让这个“translator”在复杂任务中更加稳健。报告将系统讨论 translation 的三个重要属性及其对应的研究洞见：第一，意图到结构通常是 multi-step 的，因此需要把“编排”作为一等运行时组件，而不是仅依赖一次性计划；第二，同一个意图往往存在多种合理翻译，因此粗粒度的层级承诺比过度精确的 DAG 更鲁棒；第三，工具调用、schema 漂移、空结果和格式坍塌等 leaky failure 难以避免，因此局部修复优于全局重来。围绕这些问题，报告将结合 RouteLLM、RETO Layered Execution、RETO Schema-Aware Reflective Correction 以及 CityEditing 等工作，展示如何通过分层 sub-agent、context-constrained invocation、schema-aware correction 和 rollback 机制提升 LLM Agent 的执行稳健性。最后，报告将把上述框架反向映射到王东杰教授过去五年的表格特征工程研究，说明从 GRFG、RAFT/CAPS 到 FEDFT 的多篇工作同样遵循 multi-step、uncertain 与 leaky 这三个结构属性。报告将进一步展望 AgentOS：当 translation 成为操作系统级基础设施时，自然语言界面、agent kernel 与 skills 将共同推动 agent 成为未来软件的默认形态。

主讲人简介：

王东杰是堪萨斯大学电气工程与计算机科学系的助理教授，研究方向包括数据中心AI、LLM agent、因果图学习、用户画像与图挖掘。博士期间曾在Nokia Bell Labs、NEC Labs America和京东硅谷研究院实习。已在NeurIPS、KDD、AAAI、WWW等顶级会议和TKDE、KAIS等期刊发表论文60余篇，NeurIPS论文获spotlight，4篇论文（SIGSPATIAL、两篇ICDM，一篇CIKM）获最佳论文提名。他的城市规划自动化研究曾被Synced AI与UCF Today报道，并担任KDD、AAAI、IJCAI等会议及TKDE、TPAMI、Nature Cities等期刊审稿人。