2026年1月20日，全球人工智能领域最顶尖的学术会议——AAAI 2026（第40届美国人工智能协会年会）在新加坡博览中心盛大开幕。作为人工智能领域历史最悠久、覆盖内容最广泛的国际顶级学术会议，AAAI自1979年创办以来，每年举办一届，已成为全球AI学者、企业与科研机构展示创新成果、碰撞思想火花的核心平台。本届会议共收到23680篇有效投稿，最终4167篇论文被录取，录取率仅17.6%，竞争之激烈堪称“AI学术界的奥林匹克”。来自HKBU等学者给出《基础模型的可信机器推理》教程。

基础模型（Foundation Models）的最新进展推动了机器推理（Machine Reasoning）领域的显著突破，使系统能够处理数学、编程、科学探索及现实决策中日益复杂的任务。然而，尽管取得了这些进展，基础模型的推理能力仍面临关键的可信度（Trustworthiness）问题，包括对噪声输入的敏感性、产生幻觉或误导性的推理轨迹（Reasoning Traces）、对对抗攻击的脆弱性以及有限的可解释性。 本教程旨在建立对基础模型可信机器推理的统一且系统的理解。我们不再将推理性能、鲁棒性、安全性和可解释性孤立看待，而是综述了提示工程（Prompting）、测试时扩展（Test-time Scaling）、后训练（Post-training）以及智能体推理（Agentic Reasoning）框架等领域的最新进展，重点阐述这些组件如何共同塑造可信的推理行为。 本教程共分为四个主要部分。第一部分，我们介绍大模型中机器推理的基础，探讨其能力、局限性及新兴趋势。第二部分，我们提出基础模型可信推理的核心技术，包括提示策略、测试时扩展方法，以及增强鲁棒性与安全性的后训练方法。第三部分，我们将讨论扩展至基础智能体（Foundation Agents），涵盖工具增强（Tool-augmented）、多智能体（Multi-agent）及多模态推理，并分析其独特的可信度挑战。最后，我们考察现实世界的应用与开放性研究问题，重点关注可信代码智能体（Code Agents）及基于智能体的编程系统，这些系统整合了推理与工具使用以实现可靠的部署。通过整合最新进展与开放挑战，本教程旨在为可信机器推理系统的未来研究奠定基础。

日程安排

时间： 2026年1月20日，14:00地点： Peridot 202 * 第一部分：基础模型可信机器推理导论 (Bo Han, 30分钟) * 第二部分：基础模型可信机器推理技术 (Zhanke Zhou, 50分钟) * 第三部分：基础智能体可信机器推理技术 (Chentao Cao, 50分钟) * 第四部分：AI代码智能体可信机器推理应用 (Brando Miranda, 50分钟) * 总结致辞 (Zhanke Zhou, 10分钟) * 问答环节 (Q&A)