neurips 2025最佳论文揭晓！两篇论文荣获最佳论文奖，两篇荣获最佳论文亚军。本届大会共收到15671篇有效论文投稿，接收率仅为25.8%。

最佳论文奖:

• 视觉自回归建模：通过Next-Scale预测实现可扩展图像生成 (Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction) 北京大学和字节跳动研究者合作完成，一作田柯宇。该论文提出了一种全新的视觉自回归生成范式VAR，在图像生成速度、质量和可扩展性方面超越了扩散模型，展现出类似大型语言模型的扩展定律和零样本泛化能力。论文地址 项目地址

• 随机泰勒导数估计器：任意微分算子的有效摊销 (Stochastic Taylor Derivative Estimator: Efficient amortization for arbitrary differential operators) 新加坡国立大学和Sea AI Lab研究者合作完成，一作Zekun Shi。该论文提出了一种高效的方法来计算高维和高阶微分算子的导数，显著提升了物理信息神经网络(PINN)的计算效率，使其能够解决更大规模的问题。论文地址 项目地址

最佳论文亚军:

• 并非所有token都对预训练有用 (Not All Tokens Are What You Need for Pretraining) 厦门大学、清华大学和微软研究者合作完成，Zhenghao Lin和Zhibin Gou为共同一作。该论文挑战了传统语言模型预训练中对所有token一视同仁的范式，提出了一种选择性语言建模方法，通过选择性地利用关键token进行训练，提升了模型的效率和性能。论文地址 项目地址

• 使用扩散模型的较差版本引导其自身 (Guiding a Diffusion Model with a Bad Version of Itself) 英伟达和阿尔托大学合作完成，一作Tero Karras。该论文提出了一种利用较差版本的扩散模型来引导生成过程的方法，在提升图像质量的同时保持了生成的多样性。论文地址

这些获奖论文代表了人工智能领域最新的研究成果，为图像生成、模型预训练和微分算子计算等方向带来了新的突破。NeurIPS 2025将于12月10日至15日在温哥华举行。