近日，在暨南大学广东智慧教育研究院的支持下，博士研究生白友恒、程腾腾、李薛毅，于2026年6月11日受邀前往天津，参加第一届CCF大模型与AI工程大会暨自然语言处理战略研讨会（LMAE 2026），并在海报展示环节分享最新研究成果，与来自高校、科研机构和企业界的专家学者进行深入交流。

会议简介

本次大会由中国计算机学会（CCF）主办，CCF自然语言处理专业委员会、天津师范大学承办，聚焦大模型技术发展与AI工程化落地，围绕大模型架构与训练、AI系统工程、Agent系统与应用、模型评测与安全治理等关键方向设置多场主旨报告、专题论坛、行业论坛和战略研讨。大会汇聚自然语言处理、人工智能系统、多模态大模型、智慧教育、AI医疗、AI for Science等领域的专家学者和产业代表，深入探讨大模型从基础研究、系统技术到行业应用的发展路径。

会议分享

白友恒在此次大会上进行了题为《Improving Interpretability of Cognitive Diagnosis Models with LLM-based Semantic Augmentation》的海报展示，分享了针对传统认知诊断模型仅利用答题正误信息、难以刻画学生具体认知错误的问题，研究提出SACD框架，通过大语言模型挖掘选项级语义信息，并结合语义表示与行为表示对齐机制，实现更加精细和可解释的学生知识状态建模。实验结果表明，该方法能够在提升预测性能的同时生成具有证据支撑的诊断解释，为智能教育中的个性化学习支持提供了新的思路。

程腾腾在此次大会上进行了题为《PoemDirector: A Multi-Agent Context-Adaptive Instructional Mode Selection Framework for Chinese Classical Poetry Video Generation》的海报展示，针对现有方法依赖人工编辑或缺乏系统性教学设计、导致解释浅层且情境适应能力不足的问题，提出了一种多智能体协作框架，将情境自适应教学模式选择、层次化内容解释与端到端视频生成统一起来。框架以导演智能体为核心，能够从教师协同设计的教学模式库中自动选择合适的教学方式，并协调多个专用智能体，仅凭诗词标题即可生成完整教学视频。实验结果表明，PoemDirector在多项指标上显著优于商业基线，并接近人工制作视频的质量。

李薛毅在此次大会上进行了题为《Improving Scientific Formula Verbalization in Large Speech Language Models for Accessible Learning》的海报展示，分享了针对现有大语音模型在复杂科学公式朗读过程中存在准确性不足的问题，提出一种面向公式语义对齐的增强框架，通过构建语音朗读数据集和引入公式语义适配模块，提高模型对科学公式的理解与语音生成能力。实验结果表明，该方法在多个学科和多种评价指标上显著优于现有基线，为面向无障碍学习和AI Tutor的科学内容表达提供了新的解决方案。

在海报展示环节，三位同学的研究成果吸引了众多大模型与自然语言处理领域专家学者驻足交流，并围绕模型设计、评价方法和实际应用场景等问题展开深入讨论。

心得体会

白友恒在会后表示，本次汇报让自己更加认识到，教育人工智能研究不能只关注模型性能，还需要重视模型对学习过程的解释和支持作用。与相关领域学者围绕认知诊断、学习分析和个性化教育等问题的交流，也让自己对大模型能力如何更好服务真实教育场景有了新的思考。程腾腾表示，自己对大模型工程化落地和智能体协作系统设计有了更直观的理解。学术界和工业界的交流让自己意识到，真实应用不仅要提升生成质量，还要考虑系统成本、响应效率和规模化部署等问题，这也为后续探索更多文学体裁和教育场景提供了启发。李薛毅表示，本次论坛为人工智能与教育深度融合提供了良好的交流平台。通过与专家学者的深入交流，自己进一步拓宽了研究视野，也对人工智能在专业知识表达、无障碍学习和教育场景应用中的价值有了更具体的认识，收获颇丰。