过去一年，AI的边界不断拓宽。当具身智能学会感知物理世界，当世界模型试图构建数字框架，当AI智能体开始自主决策与行动——下一代技术的真正突破在哪里？
为此，我们在2025年打造近百场#智源TALK，精心邀请全球顶尖AI青年学者共同探寻技术前沿的勇敢想象。
报告讲者均为热门论文第一作者、国际顶级会议声音，前沿项目核心带头人。让学术工作者零时差、零门槛地获取最尖端的学术资源，进行即时思想交锋。
基于对平台近百场优质分享的观看数据、互动深度与技术影响力等多维度的系统梳理，我们分享「智源TALK」年度四大核心内容，呈现过去一年中那些最受瞩目、最具价值、最富启发的思想瞬间：
「最受欢迎」基于社区互动数据遴选，受到广泛关注与认可的高共识成果。
「顶会获奖」来自ICCV、CVPR、NeurIPS、ACL等国际顶级会议获得最佳论文等重要奖项工作。
「前沿领域」追踪具身、Agent、AI for Science等新兴范式关键进展，指引最具潜力的技术方向。
「经典品读」跨越时间周期，重访关键范式形成期的经典文献，寻绎思想脉络。
26篇精华内容，不仅是年度总结，更是一张指引未来探索的“思想地图”。
最受欢迎 高频共鸣
作者提出的 VSI-Bench 首次系统性地将视觉—空间智能从静态图像拓展到视频层面，为评估模型的空间记忆、空间推理与世界建模能力提供了清晰而可复现的基准。
系统性地分析了门控机制对大语言模型的有效性，并通过一系列控制实验证明了门控机制的有效性来源于增强了注意力机制中的非线性与提供输入相关的稀疏性。
重新审视test-time scaling 与推理性能之间的关系。推理能力的提升并不必然依赖更复杂的推理范式，而可以通过对思考过程长度与节奏的直接干预，引导模型自我校验与纠错。
这项工作将目光投向强化学习中长期被视为“配角”的关键环节——奖励建模，并系统性地推进其向通用化与可扩展化迈进。
总结“蒸馏怎么做”，更回答了“小模型究竟能学到什么”“哪些能力值得被蒸馏”这样的关键问题，为研究与实践提供了可操作的判断依据。
讨论推进到“下一代检索范式应如何设计”这一更具挑战性的层面，为知识增强生成系统的稳健性、效率与可解释性提供了清晰的研究坐标。
这场报告以《大语言模型》一书为脉络，对过去数年大模型从萌芽到爆发的技术演进进行了系统而清晰的梳理。完整覆盖了大语言模型从“如何被构建”到“如何被使用”的核心链条。
回顾了从 RLHF 到 RLVR 的关键方法演进，还深入探讨了训练框架、前沿问题、资源需求与实际应用场景，清晰呈现了大模型与环境在长期进化中的交互机制。
通过融合专家评估的深度推理能力与自动化方法的可扩展性，为学术评审、故事生成及开放式任务等复杂评估问题提供了一种全新范式。
深入剖析了大语言模型思维链与强化学习中的核心机制，思维链中仅少量高熵 tokens 决定了逻辑分叉方向，而大量低熵 tokens 则在既定方向内完成推理。
顶会最佳 国际顶级学术里程碑式
NeurIPS 2025 最佳论文
NeurIPS 2025 最佳论文
ICCV 2025 最佳论文「马尔奖」
NeurIPS 2025 Best Paper Runner-up Award
NeurIPS 2025 Best Paper Runner-up Award
ICCV 2025 最佳论文荣誉提名
ICCV 2025 最佳学生论文提名
学术前沿 最具潜力未来方向
系统展示高斯特征场在三维重建与动态场景理解中的前沿进展，从静态 3D 到时序 4D 的连续突破，勾勒出视觉智能走向可交互、可推理世界模型的清晰路径。
系统将科学发现过程形式化为一个贝叶斯优化问题，通过“假设、验证、分析”的分层循环来执行，并利用一个持续累积的“发现记忆库”在探索新奇假设与利用已有成果之间进行智能权衡 。
REFRAG高效解码框架，通过压缩、感知和扩展三阶段优化RAG延迟。利用上下文的稀疏结构，在保持困惑度不变的前提下，将首词生成时间加速30.85倍。
Absolute Zero Reasoner自主进化自己的训练内容和推理能力。AZR完全没有使用外部数据，它在编程和数学推理任务上仍然达到了当前最先进的性能，超过依赖大量人工数据的模型，且具有良好的通用性和可扩展性。
系统解读 PKU Alignment 团队两项具有范式意义的最新成果。从多轮图文交互中的偏好演化，到“会思考、能辩论”的生成式奖励模型，报告深入探讨如何突破传统对齐方法的局限。
直面机器人学习长期受限于数据规模与质量的核心瓶颈，提出了首个覆盖真实复杂场景的大规模高质量数据集 AgiBot World，并在此基础上构建了具备良好可扩展性的通用操作模型 GO-1。
品读经典 值得反复品味经典洞见
自从 2023年ChatGPT横空出世，对于 AGI（通用人工智能）的讨论终于摆上了台面。关于智能是什么的话题，也逐渐有了更多讨论。有人说智能就是压缩，也有人说智能就是学习，还有人说 LLM 不能产生 AGI。然而，所有这些观点，都能追溯到一个统一的源头，那就是柯尔莫哥洛夫复杂度，以及所罗门诺夫归纳。我们仔细探寻，会发现其中蕴涵了丰富的宝藏——从压缩与智能的关系，到强化学习、正则化技巧，乃至持续学习，都能从这些经典工作之中汲取灵感。
19世纪中叶,数学与物理学的基础正处于深刻的变革前夜。1854年,伯恩哈德·黎曼在哥廷根大学发表了其标志性的就职演讲《论几何学基础的假设》。为微分几何学奠定了基石，更深刻地重塑了后世对于空间、维度与几何本身理解。