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

這12篇論文覆蓋了語言理解、安全評估、類腦智能規(guī)劃等關(guān)鍵方向。這標志著理想汽車正從傳統(tǒng)車企向AI科技公司轉(zhuǎn)型，通過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：大模型的跨歷法時間推理、復(fù)雜指令遵循與3D場景重建

人工智能國際會議（AAAI）是國際人工智能領(lǐng)域的頂級學(xué)術(shù)會議，今年錄用率僅17.6%，競爭程度遠超往年，而理想汽車基座團隊的3篇論文成功入選。

在大模型時間推理方面，理想汽車基座模型團隊獨立完成的《SPAN》論文，提出業(yè)界首個覆蓋公歷法、農(nóng)歷、伊斯蘭歷等6種歷法體系的跨歷法時間推理測試基準，并基于此進一步提出工具增強的時間智能體來提升跨歷法時間推理的效果。這項技術(shù)已經(jīng)率先在AI理想同學(xué)日歷場景中落地，讓理想同學(xué)掌握更加精確的歷法時間推理。

理想汽車與高校合作發(fā)表的LexInstructEval全新評測基準，建立了一套全新的大模型指令遵循能力評測基準。通過形式化語法規(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，評判AI到底有沒有“聽懂人話”，對提升AI可控性研究有重要貢獻。

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場景，為自動駕駛、具身智能提供更可靠的視覺基礎(chǔ)。本篇論文在會上獲得了口頭報告的殊榮，這一報告形式的錄取率通常低于3%。

02NeurIPS 2025：類腦運動規(guī)劃框架與多角色身份對應(yīng)

神經(jīng)信息處理系統(tǒng)大會（NeurIPS）是機器學(xué)習(xí)和計算神經(jīng)科學(xué)領(lǐng)域的頂級國際會議，也是CCF推薦的人工智能領(lǐng)域A類學(xué)術(shù)會議。

智能車輛尋找路徑的難點從來不只在“算得快”，而是“看得準、想得明白”。真實世界里，車輛要面對地圖不完整、障礙會移動的實際問題，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動規(guī)劃框架（NeuroMP）。通過模擬人類大腦的路徑尋優(yōu)方法，以腦功能機制啟發(fā)為核心：先做“視覺空間感知”把可行通道抓出來，再用“語義-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針對多角色姿態(tài)驅(qū)動動畫的系統(tǒng)性解決方案（EverybodyDance）。其創(chuàng)新性提出二部圖匹配方法，能夠準確區(qū)分多角色動畫中的不同個體，簡單來說，就是讓AI生成動畫里的多個角色不“串戲”。

03EMNLP 2025：多智能體協(xié)作與語言安全

EMNLP作為自然語言處理領(lǐng)域的頂級國際會議，2025年主賽道錄取率約22%。理想汽車基座模型團隊的2篇論文成功入選，充分體現(xiàn)了團隊對智能座艙人機交互和內(nèi)容安全的前瞻性布局。

在多智能體協(xié)作評估方面，理想汽車與高校合作提出了一套新的評測框架（Collab-Overcooked），創(chuàng)新性地將協(xié)作解構(gòu)為“發(fā)起”與“響應(yīng)”兩個關(guān)鍵階段，設(shè)計細粒度過程化評測指標，測試多個AI之間能不能進行團隊協(xié)作。該工作榮獲Senior Area Chair Highlight獎項，被評審委員會視為具有突出學(xué)術(shù)價值的論文。

理想汽車與高校合作研發(fā)的HED-COLD（諧音增強冒犯語言檢測）構(gòu)建了首個大規(guī)模中文諧音語音數(shù)據(jù)集，驅(qū)動模型對諧音數(shù)據(jù)的語義響應(yīng)與原始數(shù)據(jù)保持一致。大量實驗顯示，該方案在多個權(quán)威基準測試中均獲最優(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，有效強化對話系統(tǒng)的內(nèi)容安全防護能力。

04ACM MM 2025：跨模態(tài)一致性與視覺推理

ACM MM作為多媒體領(lǐng)域的頂級國際會議，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隊的2篇論文成功入選。

理想汽車與多個高校合作發(fā)表的PRISM（跨模態(tài)知識一致性評測框架），可以測試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，是否會給出自相矛盾的答案，為多模態(tài)AI的可靠性提供關(guān)鍵標準。

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

05ICCV 2025：計算機視覺領(lǐng)域全面開花

作為計算機視覺領(lǐng)域的頂級國際會議，ICCV 2025見證了理想汽車基座模型團隊在視覺技術(shù)方面的深厚積累，團隊已披露的3篇論文涵蓋了目標檢測、場景理解、視覺生成等多個核心方向。

理想汽車與高校合作提出了業(yè)界首個大規(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，對視頻生成領(lǐng)域有重要貢獻。

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Token剪枝策略和自投機解碼策略，加速推理、更會抓重點，在長問答任務(wù)上可實現(xiàn)1.5倍的提速。

12篇頂會論文的背后，是理想汽車對AI技術(shù)體系化布局的深度思考。從跨歷法時間推理到3D場景重建，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)正在從實驗室走向量產(chǎn)車。當(dāng)用戶與理想同學(xué)對話時，背后是語言安全技術(shù)在保駕護航；當(dāng)車輛規(guī)劃行駛路徑時，類腦決策框架正在發(fā)揮作用；當(dāng)自動駕駛系統(tǒng)理解復(fù)雜場景時，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。