ACL 2025最佳论文！DeepSeek梁文锋NSA论文、北大杨耀东团队摘得！_2025 acl最佳demo

来源公众号图灵学术AI科研

刚刚在奥地利维也纳结束的ACL 2025（国际计算语言学协会年会），绝对是今年自然语言处理（NLP）圈最热闹的盛会！

今年大会创纪录地收到了超过 8000篇 投稿，比去年几乎翻倍，热闹程度可见一斑。最终有近1700篇论文闯进主会场，还有1300多篇入选了Findings环节。

最让人兴奋的是，这次大会上中国作者的表现简直亮瞎眼！在所有论文的第一作者里，超过一半（51.3%）来自中国大陆，美国作者占比只有14%，稳稳占据C位。这意味着中国在NLP研究领域的声音越来越响亮，人才储备杠杠的。

大会颁出的几项最佳论文奖，更是成了华人团队的“高光时刻”。在总共4篇最佳论文 中，有2篇来自中国团队，妥妥的半壁江山。

最抢眼的技术突破：让AI看长文快起来！

由 DeepSeek（创始人梁文锋参与）与北京大学 合作完成的《Native Sparse Attention》论文（简称NSA）摘得最佳论文桂冠，绝对是技术圈刷屏的焦点。

这篇论文到底牛在哪？

简单说，它发明了一种叫 “原生稀疏注意力”(NSA) 的新机制。现在的AI大模型处理超长文本（比如整本书、超长代码)时，算力消耗巨大，速度慢得像蜗牛。

NSA的秘诀在于，它让AI“聪明地偷懒”——只聚焦文本中最关键的部分进行计算，大大减少了无用功。实验证明，这种技术能让长文本处理速度 提升最高11倍。

论文第一作者袁境阳在颁奖现场做了个精彩演讲，核心观点非常直白：未来AI的注意力，注定是“稀疏化”的！ 

因为GPU的内存带宽跟不上模型变大的速度，NSA这种高效省力的方法，就是下一代长文本AI模型的基石。这技术被Meta打了4.5分（满分5分），含金量十足。

最烧脑的发现：大模型竟然抗拒被管教？

另一篇获奖的最佳论文来自北京大学杨耀东团队，题目是《Language Models Resist Alignment》。这篇论文揭示了一个让人有点“细思极恐”的现象：

大模型好像有抗改造基因！

我们都知道，训练好的大模型需要经过“对齐”训练（Alignment），让它更听话、更安全。但北大团队发现，模型内部似乎存在一种 “弹性”机制——就像橡皮筋，你把它（通过微调）掰向某个方向（比如更安全），它总有一股力量想弹回最初预训练时的“原始状态”。更麻烦的是，模型越大、预训练越充分，这种“反弹”力量就越强！

这意味着，现在我们对AI的“管教”可能只是表面功夫，模型骨子里还是那个“野孩子”，一有机会就想“原形毕露”。这对AI安全和伦理提出了巨大挑战：让AI真正变乖，可能比想象中难得多！

另外两篇最佳论文也脑洞大开：

• LLM的“理想病”？（《A Theory of Response Sampling in LLMs》）这篇论文指出，大模型在回答问题时，不光会反映现实情况是什么，还会不自觉地偏向它认为应该是什么的理想状态。这种自带“美颜滤镜”的倾向，可能在自动决策时带来隐藏的偏见。

• 公平≠无视差异！（《Fairness through Difference Awareness》）斯坦福的研究者挑战了传统观点，认为AI追求“无视差异”的公平反而可能出错。在某些情况下（比如法律对不同性别有不同规定），AI能识别并合理区别对待不同群体，才是更高级的公平。关键在于，AI得懂“什么时候该区别，什么时候不该”。

除了最佳论文，大会还颁发了：

• 最佳社会影响力奖： 关注了非洲医疗问答数据集（AfriMed-QA）和AI使用中的社会经济差异问题。

• 最佳资源奖： 表彰了多语言道德推理数据集（UniMoral）、多语言情感数据集（BRIGHTER）和阿拉伯语大模型数据集（Palm）。

• 最佳Demo奖： 给了能追溯模型输出到训练数据的强大工具OLMoTrace。

• 时间检验奖： 颁给了20多年前奠定语义角色标注基础的论文，以及10年前由Manning团队提出的、影响深远的注意力机制论文（这是Manning教授连续第三年获此殊荣！）。

• 终身成就奖： 授予了哥伦比亚大学的Kathy McKeown教授，表彰她在自然语言生成等地方的开创性贡献和服务。

• 杰出服务奖： 授予了哥伦比亚大学的Julia Hirschberg教授。

中国力量崛起，技术脑洞大开

ACL 2025这场NLP顶级盛宴落下帷幕，最深的印象有两点：

一是中国研究力量的集体爆发，从投稿量到顶尖成果都占据主导；二是研究越来越深入本质、越来越敢挑战难题——无论是让AI处理长文快如闪电（NSA），还是发现大模型骨子里的“叛逆”（抗对齐），或是重新思考何为真正的公平，都预示着NLP领域正朝着更高效、更深刻、更负责任的方向狂奔。

这场在维也纳上演的AI智慧盛宴，着实让人看得过瘾！

获取更多计算机发文资讯关注计算机科研圈/公众号同名