2026年5月29日上午9:30，哈尔滨工业大学社会计算与交互机器人研究中心（哈工大SCIR）邀请到了清华大学电子工程系助理教授、博士生导师丁宁和清华大学新闻与传播学院副教授、博士生导师陈慧敏带来学术讲座。
丁宁助理教授作报告
陈慧敏副教授作报告
本次“赛尔讲坛”在哈尔滨工业大学科创大厦J509举行，丁宁助理教授的报告主题为“从强化学习到同策略蒸馏：大模型训练的最后一步”；陈慧敏副教授的报告主题为“大模型的社会对齐”。讲坛由哈工大SCIR语言分析组车万翔教授主持。
车万翔教授主持讲坛
丁宁助理教授客观阐释了大模型强化学习（RL）与同策略蒸馏（OPD）的技术演进与底层机制。报告指出，RL范式在克服训练与推理不一致性后已转向工程优化，其训练稳定性受模型降熵以换取奖励的物理机制控制。作为当前后训练的核心技术，OPD的有效性建立在师生模型于Top-K Token重叠区梯度信号集中的基础上，本质是思维模式的对齐；同时，针对OPD在长文本任务（>10k Token）中暴露的熵崩溃这一逻辑缺陷，报告提出了采取前置SFT与注入OOD数据的干预手段，以防止模型过度自信并修复早期Token信息传播失效的漏洞。
陈慧敏副教授从社会计算视角系统揭示了大模型在社会对齐与风险治理中的三大底层缺陷及干预方案：首先，评测证实主流模型对日常非法请求的安全拦截率不足75%且存在弱势群体偏见，表明当前安全对齐数据存在严重不足；其次，研究通过溯源预训练阶段形成的“幻觉神经元”，准确定位了模型因迎合虚假前提而编造事实的顺从性逻辑漏洞，并提出知识边界感知强化学习算法以实现认知纠偏；最后，研究客观量化了大模型的价值观代表性不平等现象，预警了规模化应用可能导致的人类认知与信息环境同质化风险。
哈工大SCIR师生与陈慧敏副教授、丁宁助理教授合影
讲座过后，哈工大SCIR师生与陈慧敏副教授、丁宁助理教授进行了深入交流。丁宁助理教授明确界定了OPD技术的工程条件与能力边界：该技术严格依赖师生模型的词表对齐，其机制本质为局部降本的模型压缩而非突破智能上限，并依赖同策略（On-policy）的局部微调特性来避免全局知识的灾难性遗忘。陈慧敏副教授则针对社会对齐议题厘清了产学界的职能分工，指出学术界应规避通用安全领域的资源重叠，转而聚焦本土语境的定向评测与黑箱解释机制；同时客观指出，纯计算机学科在价值定义上存在先天的认知局限，必须引入社会科学的底层理论框架，以纠正跨文化法理差异在模型评测中造成的偏差。
哈工大SCIR师生提问
讲者简介：
丁宁，清华大学电子工程系助理教授、博士生导师。研究方向为人工智能，尤其注重探究具备强推理能力的通用人工智能理论、方法和系统，并致力于将其应用到创新科学发现中。他在Nature Machine Intelligence、ICLR、NeurIPS、ICML、ACL等人工智能会议和期刊发表多篇论文，谷歌学术引用量超过一万次。
陈慧敏，清华大学新闻与传播学院副教授、博士生导师。主要研究方向为社会计算、可信大模型、智能与计算传播，曾在人工智能和传播学国内外知名期刊和会议上发表多篇论文，曾获教育部高等学校科学研究优秀成果奖二等奖、中国人工智能学会吴文俊人工智能科学技术奖科技进步奖一等奖、中国人工智能学会社会计算专委会社会计算青年学者新星荣誉。担任中文信息学会社会媒体处理专委会委员、中文信息学会青年工作委员会委员、中国新闻史学会新媒体传播委员会理事、Journal of Social Computing期刊编委。