报告人：徐海洋 高级算法专家 阿里通义实验室

主持人：耿新

报告时间：2025年10月17日（周五）下午14:00-15:00

报告地点：色情平台 九龙湖校区计算机楼513报告厅

报告摘要：随着多模态大模型和AI agent技术的快速发展，围绕Mobile、PC等端侧构建多模态GUI智能体，以进行自动化操作，成为了现在业界最热的研究应用方向之一，有望变革新的人机交互方式。我们围绕多智能体架构、复杂任务拆解、自主进化推理、GUI基础模型等技术构建整个通义多模态、多端智能体Mobile-Agent技术体系，包括多模态单智能体Mobile-Agent、多模态多智能体Mobile-Agent-V2、自主进化多模态智能体Mobile-Agent-E、基础GUI智能体Mobile-Agent-v3等，并探索相关技术在手机、车机等多个场景的应用。Mobile-Agent工作也发表在NeuIPS 2024，并获得CCL2024、2025 Best Demo，相关代码均已开源到Github (//github.com/X-PLUG/MobileAgent)

报告人简介：徐海洋，阿里通义实验室高级算法专家，负责通义Mobile-Agent、mPLUG等系列工作，包括多模态智能体Mobile-Agent、多模态大模型mPLUG/mPLUG-Owl/QwenVL，多模态文档大模型mPLUG-DocOwl等，其中 mPLUG 工作在 VQA 榜单首超人类的成绩，Mobile-Agent工作CCL2024、2025两年 Best Demo，获得多个多模态榜单第一和Best Paper。在国际顶级期刊和会议ICML/NeurIPS/ICLR/CVPR/ICCV/ACL/EMNLP等发表论文60多篇，并担任多个顶级和会议AC/PC/Reviewer，主导参与开源项目Mobile-Agent，mPLUG，AliceMind，DELTA等。