VCC 科研讲座：从大模型的内部机理到智能体 Token 效率优化

2026 年 8 月 25 日上午，深圳大学可视计算研究中心（VCC）科研讲座在致真楼 801 顺利举行。我作为主持人，非常荣幸邀请到 中国人民大学高瓴人工智能学院马彦彪老师，为大家带来题为 「从大模型的内部机理到智能体 Token 效率优化」 的精彩报告。

大语言模型驱动的智能体正面临严峻的 Token 效率瓶颈，而现有优化方案往往缺乏对模型内部机理的深层利用。马老师的报告从大模型推理的几何机理出发，指出推理过程本质上是高维表征空间中的低维动力学过程，有效推理需要同时满足表征表达力、流形压缩与非退化信息体积三重约束。在此基础上，报告揭示了两个关键应用：其一，模型接收 Prompt 后内部几何信号即编码请求难度，无需生成任何 Token 即可预判可解性，实现”先评估再执行”；其二，智能体多步执行中几何信号编码上下文效用差异，可指导动态裁剪与冗余压缩。上述发现已在 TierFlow 系统中集成验证，基于 WildClawBench 的 36 组实验表明可显著降低 Token 消耗并维持任务质量，构建了从推理机理到智能体效率优化的完整链条。

报告内容深入浅出、视角新颖，现场师生就智能体效率优化、推理机理分析等问题展开了热烈讨论，大家收获颇丰。衷心感谢马彦彪老师的精彩分享，也感谢 VCC 各位老师同学的支持与参与，期待未来更多深入的交流与合作！

📄 阅读 VCC 公众号官方报道

Talk Info

• Title: 从大模型的内部机理到智能体Token效率优化
• Speaker: 马彦彪（中国人民大学高瓴人工智能学院 讲师）
• Host: 李梦柯
• Date: 2026 年 8 月 25 日，10:00
• Location: 深圳大学 致真楼 801（L6-801）

Lecture Poster