北大拿下2篇最佳论文，DeepSeek实习生立功，华人横扫这场AI顶会

主要观点总结

ACL 2025会议中，华人科研人员在自然语言处理领域取得显著突破，包揽半数最佳论文。其中，北大、DeepSeek和华盛顿大学联合团队揭示了新型稀疏注意力机制，让模型解码速度大幅提升；北大-灵初智能联合实验室团队则探索了语言模型对齐的困境。此外，华人AI研究者在ACL的杰出论文评选中也表现出色，占比达50%。会议中，AI安全、监督、对齐等议题备受关注。

关键观点总结

关键观点1: 华人科研人员在ACL 2025会议上取得显著成果，包揽半数最佳论文。

中国大陆科研人员在本届ACL会议中实现明显突破，表现在最佳论文和杰出论文的评选上。两篇来自中国大陆的最佳论文分别由北大、DeepSeek和华盛顿大学联合团队以及北大-灵初智能联合实验室摘得。

关键观点2: DeepSeek等机构的获奖论文揭示原生稀疏注意力（NSA）机制。

DeepSeek等机构的获奖论文提出了原生稀疏注意力（NSA）机制，这是一种面向硬件对齐且可原生训练的稀疏注意力机制。NSA可用于超快速的长上下文训练与推理，通过动态分层稀疏策略，结合粗粒度的token压缩和细粒度的token选择，保留全局上下文感知能力和局部精确性。

关键观点3: 北大-灵初智能联合实验室的获奖论文揭示了语言模型对抗对齐的现象。

该论文揭示了语言模型在训练过程中的一种内在机制——“弹性”，即模型在对齐时会表现出抵抗和反弹的行为。研究还发现这种行为可以用压缩率变化来衡量，为此构建了理论模型并从信息论的角度进行了分析。

关键观点4: 华人AI研究者在ACL的杰出论文评选中表现突出。

在ACL 2025的杰出论文评选中，有13篇论文的第一作者为华人，占比达到50%，显示出华人AI研究者在全球范围内的学术影响力正不断扩大。

关键观点5: ACL 2025会议中，AI安全、监督、对齐等议题备受关注。

在ACL 2025会议中，除了自然语言处理的学术研究，AI安全、监督、对齐等议题也成为备受关注的重要议题。这些议题对于AI技术的发展和应用具有重要的指导意义。

免责声明