2025年三季度以來(lái)，理想汽車基座模型團(tuán)隊(duì)在國(guó)際頂級(jí)AI學(xué)術(shù)會(huì)議上取得重大突破，共有12篇高質(zhì)量研究論文入選AAAI、NeurIPS、EMNLP、ACM MM、ICCV五大頂會(huì)。

這12篇論文覆蓋了語(yǔ)言理解、安全評(píng)估、類腦智能規(guī)劃等關(guān)鍵方向。這標(biāo)志著理想汽車正從傳統(tǒng)車企向AI科技公司轉(zhuǎn)型，通過(guò)深度布局人工智能基礎(chǔ)研究，為智能汽車的下一代技術(shù)革新奠定基礎(chǔ)。

01AAAI 2026：大模型的跨歷法時(shí)間推理、復(fù)雜指令遵循與3D場(chǎng)景重建

人工智能國(guó)際會(huì)議（AAAI）是國(guó)際人工智能領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議，今年錄用率僅17.6%，競(jìng)爭(zhēng)程度遠(yuǎn)超往年，而理想汽車基座團(tuán)隊(duì)的3篇論文成功入選。

在大模型時(shí)間推理方面，理想汽車基座模型團(tuán)隊(duì)獨(dú)立完成的《SPAN》論文，提出業(yè)界首個(gè)覆蓋公歷法、農(nóng)歷、伊斯蘭歷等6種歷法體系的跨歷法時(shí)間推理測(cè)試基準(zhǔn)，并基于此進(jìn)一步提出工具增強(qiáng)的時(shí)間智能體來(lái)提升跨歷法時(shí)間推理的效果。這項(xiàng)技術(shù)已經(jīng)率先在AI理想同學(xué)日歷場(chǎng)景中落地，讓理想同學(xué)掌握更加精確的歷法時(shí)間推理。

理想汽車與高校合作發(fā)表的LexInstructEval全新評(píng)測(cè)基準(zhǔn)，建立了一套全新的大模型指令遵循能力評(píng)測(cè)基準(zhǔn)。通過(guò)形式化語(yǔ)法規(guī)則拆解復(fù)雜指令，以判斷大模型執(zhí)行復(fù)雜指令的能力，評(píng)判AI到底有沒有“聽懂人話”，對(duì)提升AI可控性研究有重要貢獻(xiàn)。

理想汽車與高校合作發(fā)表的SRSplat，只需少量低分辨率視圖，即可生成高分辨率3D場(chǎng)景，為自動(dòng)駕駛、具身智能提供更可靠的視覺基礎(chǔ)。本篇論文在會(huì)上獲得了口頭報(bào)告的殊榮，這一報(bào)告形式的錄取率通常低于3%。

02NeurIPS 2025：類腦運(yùn)動(dòng)規(guī)劃框架與多角色身份對(duì)應(yīng)

神經(jīng)信息處理系統(tǒng)大會(huì)（NeurIPS）是機(jī)器學(xué)習(xí)和計(jì)算神經(jīng)科學(xué)領(lǐng)域的頂級(jí)國(guó)際會(huì)議，也是CCF推薦的人工智能領(lǐng)域A類學(xué)術(shù)會(huì)議。

智能車輛尋找路徑的難點(diǎn)從來(lái)不只在“算得快”，而是“看得準(zhǔn)、想得明白”。真實(shí)世界里，車輛要面對(duì)地圖不完整、障礙會(huì)移動(dòng)的實(shí)際問(wèn)題，傳統(tǒng)規(guī)劃常因信息不完備或結(jié)構(gòu)推理能力不足，而導(dǎo)致規(guī)劃效率和質(zhì)量下降。

理想汽車與高校合作提出了一種類腦運(yùn)動(dòng)規(guī)劃框架（NeuroMP）。通過(guò)模擬人類大腦的路徑尋優(yōu)方法，以腦功能機(jī)制啟發(fā)為核心：先做“視覺空間感知”把可行通道抓出來(lái)，再用“語(yǔ)義-情景”做協(xié)同決策，有效解決了車輛的感知-決策困境。

此外，理想汽車還與高校合作提出了一個(gè)針對(duì)多角色姿態(tài)驅(qū)動(dòng)動(dòng)畫的系統(tǒng)性解決方案（EverybodyDance）。其創(chuàng)新性提出二部圖匹配方法，能夠準(zhǔn)確區(qū)分多角色動(dòng)畫中的不同個(gè)體，簡(jiǎn)單來(lái)說(shuō)，就是讓AI生成動(dòng)畫里的多個(gè)角色不“串戲”。

03EMNLP 2025：多智能體協(xié)作與語(yǔ)言安全

EMNLP作為自然語(yǔ)言處理領(lǐng)域的頂級(jí)國(guó)際會(huì)議，2025年主賽道錄取率約22%。理想汽車基座模型團(tuán)隊(duì)的2篇論文成功入選，充分體現(xiàn)了團(tuán)隊(duì)對(duì)智能座艙人機(jī)交互和內(nèi)容安全的前瞻性布局。

在多智能體協(xié)作評(píng)估方面，理想汽車與高校合作提出了一套新的評(píng)測(cè)框架（Collab-Overcooked），創(chuàng)新性地將協(xié)作解構(gòu)為“發(fā)起”與“響應(yīng)”兩個(gè)關(guān)鍵階段，設(shè)計(jì)細(xì)粒度過(guò)程化評(píng)測(cè)指標(biāo)，測(cè)試多個(gè)AI之間能不能進(jìn)行團(tuán)隊(duì)協(xié)作。該工作榮獲Senior Area Chair Highlight獎(jiǎng)項(xiàng)，被評(píng)審委員會(huì)視為具有突出學(xué)術(shù)價(jià)值的論文。

理想汽車與高校合作研發(fā)的HED-COLD（諧音增強(qiáng)冒犯語(yǔ)言檢測(cè)）構(gòu)建了首個(gè)大規(guī)模中文諧音語(yǔ)音數(shù)據(jù)集，驅(qū)動(dòng)模型對(duì)諧音數(shù)據(jù)的語(yǔ)義響應(yīng)與原始數(shù)據(jù)保持一致。大量實(shí)驗(yàn)顯示，該方案在多個(gè)權(quán)威基準(zhǔn)測(cè)試中均獲最優(yōu)表現(xiàn)，尤其在性別、地域等易受諧音攻擊的領(lǐng)域提升顯著，有效強(qiáng)化對(duì)話系統(tǒng)的內(nèi)容安全防護(hù)能力。

04ACM MM 2025：跨模態(tài)一致性與視覺推理

ACM MM作為多媒體領(lǐng)域的頂級(jí)國(guó)際會(huì)議，匯聚了全球在圖像、視頻、音頻等多模態(tài)研究方向的前沿成果，理想汽車基座模型團(tuán)隊(duì)的2篇論文成功入選。

理想汽車與多個(gè)高校合作發(fā)表的PRISM（跨模態(tài)知識(shí)一致性評(píng)測(cè)框架），可以測(cè)試AI模型在處理不同形式（文字或圖片）但意思相同的內(nèi)容時(shí)，是否會(huì)給出自相矛盾的答案，為多模態(tài)AI的可靠性提供關(guān)鍵標(biāo)準(zhǔn)。

視覺推理動(dòng)態(tài)優(yōu)化方面，理想汽車與高校合作提出了讓視覺語(yǔ)言模型具備“思考-檢驗(yàn)-修正”能力的創(chuàng)新框架（ VL-DynaRefine），即“邊做邊檢查”。讓模型在每個(gè)推理步驟中動(dòng)態(tài)檢測(cè)并糾正錯(cuò)誤，無(wú)需微調(diào)即可顯著提升視覺問(wèn)答與定位性能，開啟動(dòng)態(tài)自我糾錯(cuò)新范式。

05ICCV 2025：計(jì)算機(jī)視覺領(lǐng)域全面開花

作為計(jì)算機(jī)視覺領(lǐng)域的頂級(jí)國(guó)際會(huì)議，ICCV 2025見證了理想汽車基座模型團(tuán)隊(duì)在視覺技術(shù)方面的深厚積累，團(tuán)隊(duì)已披露的3篇論文涵蓋了目標(biāo)檢測(cè)、場(chǎng)景理解、視覺生成等多個(gè)核心方向。

理想汽車與高校合作提出了業(yè)界首個(gè)大規(guī)模高質(zhì)量人臉視頻數(shù)據(jù)集，具備多種族、高質(zhì)量、大容量等特性，可用于訓(xùn)練多模態(tài)數(shù)字人臉視頻生成基座大模型，對(duì)視頻生成領(lǐng)域有重要貢獻(xiàn)。

理想汽車與高校合作提出一種全新的圖像定制化微調(diào)范式，讓圖像的定制化生成更快、更準(zhǔn)確，可以適配各種生成模型。

理想汽車與高校合作提出一種自適應(yīng)VLM Token壓縮&推理加速方法，通過(guò)Token剪枝策略和自投機(jī)解碼策略，加速推理、更會(huì)抓重點(diǎn)，在長(zhǎng)問(wèn)答任務(wù)上可實(shí)現(xiàn)1.5倍的提速。

12篇頂會(huì)論文的背后，是理想汽車對(duì)AI技術(shù)體系化布局的深度思考。從跨歷法時(shí)間推理到3D場(chǎng)景重建，從類腦智能規(guī)劃到多模態(tài)理解，這些研究成果不是孤立的學(xué)術(shù)探索，而是圍繞智能汽車核心場(chǎng)景構(gòu)建的完整技術(shù)拼圖。

更重要的是，這些技術(shù)正在從實(shí)驗(yàn)室走向量產(chǎn)車。當(dāng)用戶與理想同學(xué)對(duì)話時(shí)，背后是語(yǔ)言安全技術(shù)在保駕護(hù)航；當(dāng)車輛規(guī)劃行駛路徑時(shí)，類腦決策框架正在發(fā)揮作用；當(dāng)自動(dòng)駕駛系統(tǒng)理解復(fù)雜場(chǎng)景時(shí)，3D重建技術(shù)提供了關(guān)鍵支撐。

我們相信，真正的技術(shù)領(lǐng)先不僅體現(xiàn)在論文數(shù)量，更在于將前沿研究轉(zhuǎn)化為用戶價(jià)值的能力。理想汽車將繼續(xù)深耕AI基礎(chǔ)研究，攜手學(xué)術(shù)界共同推動(dòng)智能汽車技術(shù)的邊界，為每一位用戶創(chuàng)造超越期待的智能出行體驗(yàn)。