2025 AI 頂會在收什麼題目：Agent 爆發與 Reasoning 革命

TL;DR 2025 年 AI 頂會的兩個最強訊號：reasoning 論文從 47 篇暴增到 216 篇（4.6 倍）、agent 相關關鍵詞合計超過 150 篇（4.3–11 倍成長）。Diffusion model 已從「爆發」進入「基礎設施」階段，RAG 以五會議全覆蓋的罕見擴散速度成為企業 AI 的主流架構，而 state space model 和 world model 正複製 2020–2021 年 Vision Transformer 的早期軌跡。純 prompt engineering 論文開始遭遇 reviewer fatigue。

#ai-conference #research-trends #2025 #topic-analysis #ai-agent #reasoning #world-model #rlhf #diffusion-model

全面爆發：Reasoning 與 Test-Time Compute
全面爆發：Agentic AI 與多代理系統
穩定主流：Diffusion Model 成為基礎設施
穩定主流：Multimodal 與 LLM 持續深化
新冒頭：World Model、RAG、State Space Model
已飽和或下降
2025 vs 2024：有什麼變了
得獎論文總覽
從 2026 年回頭看：展望
參考資料

系列: AI 頂會導讀 (25 / 25)

2025 AI 頂會導讀：電腦視覺篇

🌏 English version

2025 年是 AI 頂會歷史上投稿量最大的一年：NeurIPS 收了 21,575 篇、CVPR 13,008 篇、ICML 12,107 篇、AAAI 12,957 篇，每一場都在刷新自己的紀錄。但投稿量只是表象——真正的故事在題目的分布裡。一篇對五大會議（ACL、CVPR、ICLR、ICML、NeurIPS）2017–2025 年共 80,814 篇主軌論文的大規模主題分析（Khanbayov & Kurban, 2026）揭示了一個清晰的模式：AI 研究的主題不是平滑演進的，而是經歷「主題相變」（topical phase transitions）——在邊緣待上幾年，然後在一到三年內跨會議同時爆發。

2025 年，我們正目睹至少兩場這樣的相變。

全面爆發：Reasoning 與 Test-Time Compute

如果要用一個詞總結 2025 年 AI 頂會的主旋律，那就是 reasoning。

2024 年底 OpenAI o1 的發佈在走廊裡引爆了討論；2025 年這股興趣直接反映在論文數字上：「reasoning」關鍵詞從 2024 年的 47 篇暴增到 216 篇，成長 4.6 倍，是所有追蹤方向中成長最快的單一關鍵詞。同時「chain-of-thought」和「scaling laws」分別成長 3.3–4.7 倍，三個高度相關的詞同時加速——這種「多個相關關鍵詞同步起飛」的模式，跟 2022–2023 年 LLM 爆發前的特徵一模一樣。

Jay Alammar 對 NeurIPS 2025 全部約 5,800 篇接受論文的視覺化分析佐證了這個觀察：reasoning 是該屆最大的突破主題之一，約 766 篇論文以 reasoning 為核心焦點，佔全部接受論文的 13%。

得獎論文直接映射了這個趨勢：

NeurIPS 2025 Runner-up：「Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?」（Yang Yue 等，清華大學）——用 pass@k 大 k 值系統性探測 RLVR 訓練後 LLM 的推理能力邊界，發現 RLVR 改善的是取樣效率而非推理能力本身，base model 在 k 夠大時反而更強。這篇論文的結論是清醒的：「current RLVR methods have not fully realized the potential of RL to elicit genuinely novel reasoning abilities in LLMs」
ICML 2025 Outstanding Paper：「Train for the Worst, Plan for the Best: Understanding Token Ordering in Masked Diffusions」（Jaeyeon Kim 等，Harvard/MIT）——展示 masked diffusion model 在推理時可以「先解最有信心的 token」，把 Sudoku 準確率從 7% 拉到 90%
ICML 2025 Outstanding Paper：「Roll the dice & look before you leap: Going beyond the creative limits of next-token prediction」（Nagarajan 等，CMU）——實證論證 next-token prediction 本質上限制了創造力，多 token 方法和 input-side seed-conditioning 是出路

這些得獎論文的共同特徵：不是在展示「reasoning model 有多強」，而是在追問「reasoning 的邊界在哪裡、為什麼到不了更遠」。2025 年的 reasoning 研究已經從「demo 階段」進入「科學理解階段」。

全面爆發：Agentic AI 與多代理系統

Agent 是 2025 年的第二個爆發級訊號。四個部分重疊的關鍵詞同時符合「預爆發」特徵：「agent」4.3 倍、「agents」8.3 倍、「llm agents」11.0 倍、「multi-agent system」4.7 倍。合計超過 150 篇論文，分布在五個會議中的四個。

NeurIPS 2025 的 367 篇 agent 相關論文覆蓋了 15 個研究領域：agent benchmarking、tool use、reasoning、multi-agent collaboration、safety。一篇對這 367 篇的綜合分析指出，這屆的核心敘事是從「能力展示」轉向「批判性評估」——發現 agent 系統的根本性短板比展示新能力更重要。

幾個關鍵發現：

Multi-agent 協作系統性失敗：由 capable 個體 LLM 組成的多代理系統在協調上系統性失敗——LLM 缺乏原生的社會智能（溝通協議、theory of mind、合作行為）。agent 之間的同意率高達 90%+，反而限制了它們挑戰錯誤解答的能力
Safety alignment 不遷移到 agentic 場景：模型在靜態 QA 場景下的安全對齊，在有工具存取和環境互動的 autonomous agent 場景下無效
ICLR 2025 Outstanding Paper：「Safety Alignment Should be Made More Than Just a Few Tokens Deep」（Xiangyu Qi 等，Princeton/Google）——發現安全對齊只改變了模型最前面幾個 token 的生成分佈（shallow alignment），這就是為什麼 fine-tuning attack、prefilling attack、decoding parameter attack 都能繞過

ACL 2025 的 4 篇 Best Paper 中，DeepSeek 團隊和北大楊耀東團隊的「Native Sparse Attention (NSA)」直接針對 agent 場景的長上下文效率問題。ICML 2025 的 CollabLLM（Microsoft）則是少數真正展示 LLM 主動協作（而非被動回應）的 Outstanding Paper——使用者滿意度提升 17.6%，任務完成時間縮短 10.4%。

穩定主流：Diffusion Model 成為基礎設施

Diffusion model 在 2025 年的位置很特殊：它不再是「爆發中的新方向」，而是已經穩定成為 AI 研究的基礎設施層。

NeurIPS 2025 Best Paper「Why Diffusion Models Don't Memorize」（Bonnaire 等，ENS Paris）是一篇純理論論文——研究 diffusion model 為什麼能泛化而不是記住訓練資料。這類「理解已成熟技術的原理」的論文拿 Best Paper，本身就是技術成熟的訊號。

Jay Alammar 的分析把 Diffusion 列為 NeurIPS 2025 與 LLM、RL 並列的三大主題之一，但注意到它的角色已經從「新架構」變成「跨領域基礎工具」——vision、audio、molecular design、3D generation 都在用 diffusion 作為底層生成引擎。

CVPR 2025 的趨勢也反映了這一點：Best Paper Honorable Mention 的「Navigation World Models」用 video diffusion 做導航場景的預測，是 diffusion 跨出「生成好看圖片」進入「理解世界動態」的案例。Flow matching（diffusion 的連續時間推廣）以 3.9 倍、118 篇的速度成長，正在成為 diffusion 的技術繼承者。

穩定主流：Multimodal 與 LLM 持續深化

LLM 在 2025 年不算「新趨勢」——它在 2023 年就已經是各會議的最大主題，2025 年只是繼續鞏固。NeurIPS 2025 約 28% 的論文以 multimodality 為主焦點，LLM 相關論文遍布幾乎每個 cluster。

但 LLM 研究的質在變：

架構層面：NeurIPS 2025 Best Paper「Gated Attention for Large Language Models」（阿里巴巴 Qwen 團隊）提出在 attention 後加 sigmoid gate，改善非線性和稀疏性，消除 attention sink——這種「對核心架構的精細手術」取代了 2023 年那種「用更大的模型做更多事」的研究風格
理論理解：NeurIPS 2025 Runner-up「Superposition Yields Robust Neural Scaling」（MIT）用 Anthropic 的 toy model 解釋 neural scaling law 的起源——scaling 不再是黑箱經驗法則
知識編輯：ICLR 2025 Outstanding Paper「AlphaEdit」（中科大）用 null-space projection 做模型知識編輯，平均提升 36.7%——解決 LLM 幻覺問題的精確干預工具
微調理論：ICLR 2025 Outstanding Paper「Learning Dynamics of LLM Finetuning」（UBC）提出理論框架解釋為什麼 DPO 訓練太久反而降低品質——fine-tuning 從手藝變成有理論指導的工程

ACL 2025 的 26 篇 Outstanding Papers 的主題分布也值得注意：多語言/低資源語言（6 篇）、LLM 能力邊界與評估（5 篇）、幻覺檢測（2 篇）、效率與推理加速（3 篇）。「Byte Latent Transformer: Patches Scale Better Than Tokens」（Meta）和 DeepSeek 的 NSA 代表了「讓 LLM 更高效」比「讓 LLM 更大」更受重視的趨勢轉向。

EMNLP 2025 在蘇州舉辦，Best Paper 是「Infini-gram mini: Exact n-gram Search at the Internet Scale with FM-Index」（Hao Xu 等，UW），Outstanding Papers 涵蓋 LLM 推理忠實度測量、個人化偏好學習、LLM 與語言學家的差距、LLM 價值觀與行為的落差——NLP 社群在 2025 年明顯轉向「診斷 LLM 的問題」而非「展示 LLM 的能力」。

新冒頭：World Model、RAG、State Space Model

這些方向在 2025 年處於「預爆發」階段——論文量已經可觀（40–118 篇），成長率 3.8–4.4 倍，跨 3–5 個會議出現，但還沒到主流量級。根據歷史模式（LLM、diffusion 的爆發軌跡），它們預計在 2026–2027 年達到爆發點。

方向	2023 篇數	2024 篇數	2025 篇數	成長率	會議覆蓋
Multimodal LLMs	0	12	67	5.6×	3
Reasoning	–	47	216	4.6×	3
RAG	1	22	97	4.4×	5（全覆蓋）
Agent / LLM agents	1	12	51	4.3×	4
Video generation	4	20	84	4.2×	4
World model	4	10	40	4.0×	3
Flow matching	1	30	118	3.9×	4
State space model	3	11	42	3.8×	4
Mechanistic interp.	13	27	100	3.7×	3

（資料來源：Khanbayov & Kurban, 2026，基於 ACL/CVPR/ICLR/ICML/NeurIPS 五大會議 2017–2025 主軌論文）

幾個值得注意的細節：

RAG 是唯一達到五會議全覆蓋的預爆發方向——這種跨會議滲透速度更像是已經在爆發年，而非預爆發。預計 2026 年會鞏固為 top-10 主題，並可能催生二階子領域（retrieval-augmented reasoning、compound retrieval）
World model 坐落在 video generation（4.2 倍）和 model-based RL 兩個最快成長 cluster 的交叉點，繼承了雙方的動能。NeurIPS 2025 的 Richard Sutton 受邀演講直接呼籲「We need world models and planning」
State space model（以 Mamba 為代表）以 3.8 倍成長到 42 篇，跨 4 個會議。論文開始出現在原本由 Transformer ablation 主導的 session 裡——替代動態已經可見，跟 2020–2021 年 Vision Transformer 取代 CNN 的早期軌跡相似
Mechanistic interpretability 從 2024 的 27 篇成長到 100 篇（3.7 倍），反映了「理解模型在做什麼」這個需求的急迫性

已飽和或下降

純 prompt engineering 論文：2023 年 prompt engineering 是頂會的熱門詞，到 2025 年已經出現明顯的 reviewer fatigue。基本的 prompt 技巧（zero-shot、few-shot、prompt template 設計）被視為工程實踐而非研究貢獻。NeurIPS 2025 的 367 篇 agent 論文綜合分析直接建議研究者避免「claiming reasoning improvements without verifying latent capability activation」——暗示太多論文只是換了 prompt 就宣稱推理改進。

靜態 benchmark 上的增量改進：NeurIPS 2025 有 30+ 篇 benchmark 論文和多篇系統性評估批判，指出現有 benchmark 系統性高估模型能力（contamination、distribution shift、task simplification）。NeurIPS 2025 D&B Track Best Paper「Artificial Hivemind」本身就是一個案例：它創建了新的 Infinity-Chat 資料集來測量 LLM 的 mode collapse，因為現有 benchmark 完全無法捕捉這個問題。研究者對「在已有 benchmark 上刷分」這件事的態度正在根本性轉變。

傳統 GAN 架構：已經被 diffusion 和 flow matching 徹底取代，2025 年幾乎找不到以 GAN 架構創新為主題的得獎論文。

2025 vs 2024：有什麼變了

面向	2024	2025
Reasoning	o1 發佈引起討論，但論文還少	全面爆發，766 篇 NeurIPS 論文涉及 reasoning
Agent	早期探索，主要展示能力	轉向批判性評估，發現系統性短板
Diffusion	仍在快速擴張	穩定為基礎設施，研究轉向理論理解
LLM 研究重心	更大、更多	更高效、更可理解、更精確
Safety/Alignment	RLHF 深化	發現 shallow alignment 問題，認識到 agentic safety 是新問題
評估方法	benchmark 刷分	benchmark 批判，轉向 contamination-resistant 評估

得獎論文總覽

會議	獎項	論文	方向
NeurIPS	Best Paper	Why Diffusion Models Don't Memorize	Diffusion 理論
NeurIPS	Best Paper	1000 Layer Networks for Self-Supervised RL	RL × Scaling
NeurIPS	Best Paper	Gated Attention for LLMs	LLM 架構
NeurIPS	Best Paper (D&B)	Artificial Hivemind	LLM 評估
NeurIPS	Runner-up	Does RL Really Incentivize Reasoning?	Reasoning 邊界
NeurIPS	Runner-up	Superposition Yields Robust Neural Scaling	Scaling 理論
NeurIPS	Runner-up	Optimal Mistake Bounds for Transductive Online Learning	學習理論
NeurIPS	Test of Time	Faster R-CNN（2015）	物件偵測
ICML	Outstanding	CollabLLM	LLM × 協作
ICML	Outstanding	Train for the Worst, Plan for the Best	Masked Diffusion
ICML	Outstanding	Roll the dice & look before you leap	創造力邊界
ICML	Outstanding	Conformal Prediction as Bayesian Quadrature	不確定性量化
ICML	Outstanding	Score Matching with Missing Data	生成模型理論
ICML	Outstanding	The Value of Prediction in Identifying the Worst-Off	ML × 社會政策
ICML	Position Paper	The AI Conference Peer Review Crisis	審稿危機
ICML	Position Paper	AI Safety should prioritize the Future of Work	AI Safety × 勞動
ICML	Test of Time	TRPO（2015）、Normalizing Flows（2015）	RL / 生成模型
ICLR	Outstanding	Safety Alignment: More Than a Few Tokens Deep	LLM Safety
ICLR	Outstanding	Learning Dynamics of LLM Finetuning	LLM 微調理論
ICLR	Outstanding	AlphaEdit: Null-Space Model Editing	知識編輯
ICLR	Honorable	Data Shapley in One Training Run	資料估值
ICLR	Honorable	SAM 2	視覺分割
ICLR	Honorable	Faster Cascades via Speculative Decoding	推理效率
ICLR	Test of Time	Adam（2014）	最佳化
ACL	Best Paper	Native Sparse Attention (NSA)	注意力效率
ACL	Best Paper	Language Models Resist Alignment	Alignment 理論
ACL	Best Paper	Difference Awareness	公平性
ACL	26 Outstanding	多語言、幻覺、效率、評估	NLP 全領域
EMNLP	Best Paper	Infini-gram mini	n-gram 搜尋
EMNLP	Outstanding	LingGym、MiCRo、CoT Faithfulness 等	語言學、偏好、推理
CVPR	Best Paper	VGGT: Visual Geometry Grounded Transformer	3D 視覺
CVPR	Best Student	Neural Inverse Rendering from Propagating Light	逆渲染
CVPR	Honorable	MegaSaM、Navigation World Models、Molmo/PixMo	3D、World Model、VLM
AAAI	Outstanding	Every Bit Helps（社會選擇）、Abductive Reflection（NeSy）、Revelations（POMDP）	理論
IJCAI	Distinguished	Combining MORL with Restraining Bolts（規範行為）、Robust Compression、Hyper-Heuristics	RL × 倫理

從 2026 年回頭看：展望

根據 2017–2025 年的相變模式和約兩年的典型前置時間，以下方向預計在 2026–2028 年成為主流：

Reasoning 和 test-time compute 是最強的訊號，預計 2026–2027 年跨會議達到 500+ 篇/年，成為跟 LLM 並列的頂級主題
Agentic AI 的多個子關鍵詞正在整合中（跟 diffusion model 當年從碎片關鍵詞到統一術語的過程一樣），整合完成後會出現更急劇的成長
World model 同時受 video generation 和 model-based RL 兩股力量推動，預計在 2025–2026 年進入爆發
RAG 已經在 2025 年達到五會議全覆蓋，嚴格來說已不是「預爆發」而是「正在爆發」，2026 年會催生二階子領域
State space model 如果在 multimodal 和 long-context 場景上表現出競爭力，可能在 2026–2027 年急速擴張

同時要注意的風險：NeurIPS 2025 的整體敘事是「這個領域正在從能力展示轉向科學嚴謹」——benchmark 有效性、能力泛化、safety alignment 都受到了前所未有的質疑。Richard Sutton 的受邀演講直言「AI 作為一個巨大產業，在某種程度上已經迷失了方向」。2025 年的得獎論文有一個共同特徵：它們追問的是「為什麼」和「邊界在哪」，而不是「能不能更好」。選擇研究方向時，「科學理解」和「批判性評估」這條路的投資回報，可能比「在新 benchmark 上刷 SOTA」高得多。