【时间】2026年6月17日（星期三）10:00-11:30

【地点】量子院526报告厅

【主持】张江副研究员  量子算法应用研发团队

【题目】Emergent Slow-thinking in Quantum Intelligence

【摘要】近年来，大语言模型在经过以 GRPO 为代表的 RLVR（reinforcement learning with verifiable rewards）算法训练后，在数学、代码和科学问题中涌现出长思维链推理能力：模型不再只是给出直接答案，而是能够通过多步搜索、验证和修正逐步逼近可检验结论。一个自然且有趣的问题是：如果存在面向量子信息处理的“量子 LLM”，并用类似 RLVR 的可验证奖励机制训练，它是否也会涌现出量子版本的长思维链推理能力？本报告将通过若干简单任务研究这一问题，包括量子态与量子线路表征、可验证量子计算步骤、以及量子问题中不同推理路径的比较。在此基础上，报告将讨论未来量子 LLM 相比经典 LLM 可能具备的优势：例如在高维希尔伯特空间中的状态表示、量子并行搜索、纠缠相关性建模，以及对量子算法和量子物理问题的原生推理能力。

【报告人简介】陈锟，中国科学院理论物理研究所副研究员。致力于研究大语言模型逻辑推理能力的涌现问题，并探索通用人工智能在基础科学研究中的新范式。他在中国科学技术大学获得学士学位后，在合肥微尺度国家实验室和美国马萨诸塞州立大学分别获得量子信息科学和凝聚态物理博士学位。博士后期间，获西蒙斯基金会多电子问题国际合作项目支持，先后在罗格斯大学和 Flatiron 研究所开展研究。其研究受国家级青年人才计划支持。