标题：ICLR 2025：顶尖科学家热议AI趋势

自GPT-4发布以来，大语言模型的研究热度不减，技术进步不断涌现。Anthropic于2024年11月发布的MCP成为AI生态的重要桥梁，而GPT-4o和GPT-4.1的相继推出，则将上下文处理能力提升了八倍。在国内，DeepSeek凭借FP8混合精度训练引起轰动，Manus发布的通用Agent也引发了广泛关注。

2025年4月26日，雷峰网和AI科技评论举办了以“顶尖科学家聊2025 ICLR最新趋势”为主题的线上圆桌沙龙，邀请南洋理工大学安波教授、浙江大学赵俊博研究员、清华大学赵昊助理教授以及埃默里大学刘菲副教授共同探讨AI行业的最新动向。

嘉宾们围绕LLM决策系统、Agent前沿趋势、Scaling Law前景及新模型架构等话题发表了见解。赵俊博指出，高质量数据的耗竭已成为事实，预训练数据的上限约为25~30TB，可能成为LLM的天花板。刘菲强调，需重新思考数据在预训练和后训练中的合理分配，以最大化模型能力。此外，她提出通过任务创新提升模型特定领域的表现。

Scaling Law是否已到尽头？赵俊博认为需分领域看待，高质量数据的枯竭不可避免，而Post-training方面仍有发展空间。安波则表示，学术界不应过度纠结于Scaling Law的尽头，更重要的是持续创新。

关于模型架构，赵俊博看好Diffusion模型的潜力，认为其在多模态任务上的表现优于自回归模型。刘菲也认同这一观点，但强调Transformer仍是自然语言处理的主流。赵昊则提出，未来多模态大模型需解决视觉与语言的结合难题。

在Agent领域，赵昊提议结合区块链技术构建可信的加密协同框架。刘菲展示了HARBOR和PlanGenLLMs两个项目，前者聚焦个性化Agent，后者致力于统一评估方法。安波指出，强化学习是实现复杂决策的关键，而动态协作优化是多Agent系统的核心挑战。

关于未来，赵昊认为生成更可控的内容将是提升机器人智力的重要途径，但灵敏性仍是瓶颈。刘菲强调基础模型的重要性，并呼吁加强模型安全性研究。安波则关注决策系统的鲁棒性，认为与环境的真实交互至关重要。

这场圆桌讨论展示了AI领域的最新趋势和挑战，也为未来的研究方向提供了诸多启发。