随着人工智能技术的迅猛发展，大规模智能模型正经历从被动响应向主动决策的深刻转变。以自主推理、交互决策、策略规划为核心能力的智能体大模型（Agentic Large Models, ALMs）逐渐成为研究热点，这类模型通过整合感知、认知、记忆与行动模块，构建起具备环境适应能力的智能系统。然而，如何充分释放其潜力，仍是当前人工智能领域亟待突破的核心课题。
尽管相关研究已取得显著进展，构建高效可靠的智能体模型仍面临多重挑战。行为对齐技术需确保模型决策符合人类价值观；多步推理能力要求系统在复杂场景中保持逻辑连贯性；环境适应性则考验模型在动态条件下的鲁棒性。工具使用熟练度、多智能体协作机制及安全保障体系的建设，均是推动技术落地的关键环节。在科学探索、工业制造、机器人控制、通信网络等领域的实际应用中，模型需具备更强的泛化能力、操作稳定性及跨领域迁移性。
为系统梳理该领域前沿成果，《清华大学学报自然科学版（英文）》Tsinghua Science and Technology期刊特推出专题征稿活动。本期聚焦智能体大模型的基础理论、系统架构与创新应用，涵盖但不限于以下方向：模型基础架构设计、认知机制（如规划、记忆、工具使用与长程推理）、动态环境交互行为、多智能体协同机制、行为对齐与安全保障、数据知识融合方法、自主智能评估体系，以及在机器人、科学发现、工程优化、通信系统等领域的实践案例。
投稿要求方面，研究需体现原创性与技术突破性，既可深入解析智能体模型的内在机理，也可提出增强其自主性的创新方法，或通过典型应用展示技术潜力与挑战。所有稿件将通过期刊官方投稿系统提交，截止日期为2026年5月31日。投稿通道现已开启，作者可访问https://mc03.manucentral.com/tst完成在线提交。
Tsinghua Science and Technology由教育部主管、清华大学主办，是信息科学领域权威学术期刊。自1996年创刊以来，始终聚焦人工智能、大数据、通信工程、控制科学等前沿方向，由中国工程院院士孙家广担任主编，中国科学院院士刘云浩担任副主编。期刊通过发表高水平原创成果，致力于搭建国际化学术交流平台，推动信息科学领域的理论创新与技术落地。
