拒绝不必要Think：微软&北大提出第一种自适应大型混合推理模型
微软研究院与北大提出的大规模混合推理模型LHRMs能够在用户查询时自适应地决定是否进行思考，实现更快、更自然的日常交互，并在推理和通用能力方面超越现有模型的同时显著提高了效率。
北京大学
百万规模数据集打造人形机器人通用大模型，实现精细动作跨平台、跨形态动作迁移丨北大人大联合发布
北大卢宗青团队在通用人形机器人动作生成领域取得突破，提出Being-M0框架和MotionLib数据集，实现了大规模且多样化的复杂人类动作生成，并验证了大数据+大模型的可行性。
ICML Spotlight MCU：全球首个生成式开放世界基准，革新通用AI评测范式
该研究由通用人工智能研究院与北京大学合作开发了一种名为MCU的生成式开放世界平台，用于评估通用智能体在复杂环境中的能力。MCU支持无限多样化的任务配置和环境变量，旨在全面测试智能体的真实能力和泛化水平，并通过高效的工具简化评测流程。论文详细介绍了MCU的设计及其功能突破。
ICML 2025 Spotlight｜华为诺亚提出端侧大模型新架构MoLE，内存搬运代价降低1000倍
Mixture-of-Experts（MoE）架构尽管稀疏激活减少了计算量，但显存资源受限的端侧部署仍面临挑战。研究提出Mixture-of-Lookup-Experts（MoLE），通过将专家输入改为嵌入(token) token，利用查找表代替矩阵运算，有效降低推理开销，减少数千倍传输延迟。
共探AI前沿新范式｜2025北京大学校友科技创新论坛成功举办
2025年北京大学校友科技创新论坛在北京大学秋林报告厅举办，汇聚全球顶尖科学家、企业家和创业者。论坛聚焦前沿技术趋势与产业转化路径，促进产学研合作，推动科技创新与发展。
CVPR 2025 Oral DiffFNO：傅里叶神经算子助力扩散，开启任意尺度超分辨率新篇章
本文提出了一种名为 DiffFNO 的方法，利用神经算子和扩散模型解决超分辨率问题。它通过加权傅里叶神经算子、门控融合机制和自适应 ODE 求解器实现了高精度和快速推理，超越了现有技术。
Agentic RAG-R1：让大模型从「检索助手」跃升为「思考+搜索王者」！
Agentic RAG-R1 是由北京大学研发的一项开源研究项目，通过引入强化学习策略（GRPO），构建了一个可自我规划、检索、推理与总结的智能体式 RAG 系统，显著提升了语言模型的自主性和效率。
北大物院200人合作，金牌得主超50人！PHYBench：大模型究竟能不能真的懂物理？
北大联合人工智能研究院等推出全新物理评测基准PHYBench，包含500道高质量物理题目，旨在评估大模型在物理感知与推理方面的表现，并通过创新的EED评分机制揭示前沿模型与人类专家之间的差距。
机器人也会挤牙膏？ManipTrans：高效迁移人类双手操作技能至灵巧手
研究团队提出ManipTrans方法，通过两阶段迁移学习实现从人类手到机械灵巧手的操作技能转移。该方法利用通用轨迹模仿器预训练模型模仿人类手部动作，并引入残差学习模块对动作进行精细调整。同时发布DexManipNet大规模数据集用于验证。