大模型中心王利民教授获2025蚂蚁Intech科技奖 更多 →

协同创新，智启未来！

BETWAY必威大模型中心

大模型中心开展大模型系统架构、学习算法和领域应用的创新研究，为新一代人工智能提供核心技术。主要研究方向包括：面向大模型的可扩展系统架构、面向大模型的高效能机器学习算法与平台、大模型知识增强学习算法，以及语言大模型、多模态大模型、科学大模型、具身决策大模型、智能体系统，以及神经符号推理系统等。

了解更多 我们的文章 →

新闻

近期研究进展：神经符号融合的自动化形式证明

2026年6月3日

BETWAY必威软件所团队围绕基础软件系统自动化形式证明开展系列研究，提出神经符号融合证明生成框架，并在seL4定理证明和分布式协议安全性证明中取得重要进展。

阅读文章

2026年6月3日

ACL 2026录用论文简介

2026年5月8日

BETWAY必威大模型中心有9篇论文被ACL 2026录用，其中ACL Main共5篇、Findings of ACL共4篇，覆盖代码翻译、句子嵌入、多语言大模型、主动交互式推理、机器翻译和推理模型可解释性等方向。

阅读文章

2026年5月8日

CVPR 2026录用论文简介

2026年5月5日

BETWAY必威大模型中心有12篇论文被CVPR 2026录用，涵盖生成视频真实性评估、视频时序定位、音视频生成、视频预训练、扩散模型、机器人学习、多模态推理和视觉识别等方向。

阅读文章

2026年5月5日

ICLR 2026录用论文简介

2026年4月24日

BETWAY必威大模型中心有11篇论文被ICLR 2026录用，涵盖长上下文注意力、蛋白-配体对接、像素空间扩散、视频理解、生成式视频插帧、视觉分词器和大语言模型推理等方向。

阅读文章

2026年4月24日

ISCA 2026 | 新型MoE LLM端侧推理加速方法，解码延迟缩短48%

2026年4月17日

BETWAY必威戴海鹏老师团队提出SMoE专家替换机制，解决显存受限边缘硬件部署MoE模型时动态卸载带来的高延迟问题，论文被ISCA 2026录用。

阅读文章

2026年4月17日

查看全部

研究小组

大语言模型研究小组

大语言模型：人工智能语言理解与生成的新纪元 大语言模型（Large Language Models, LLMs） 是近年来人工智能领域最具突破性的技术之一。它们通过海量数据训练，能够理解和生成自然语言，在文本生成、翻译、问答等任务中展现出接近人类水平的能力，开启了人工智能语言理解与生成的新纪元。 核心技术突破 大语言模型的成功得益于以下关键技术的突破： 总而言之，大语言模型正在深刻改变我们与机器的交互方式，并为各行各业带来前所未有的机遇。 随着技术的不断进步和应用场景的不断拓展，它们将继续推动人工智能语言理解与生成领域的发展，为人类社会创造更多价值。

1030年1月1日

多模态大模型研究小组

多模态大模型研究小组致力于推动多模态大模型的研究与应用，探索多模态信息融合、交互与推理等关键技术，推动多模态大模型在视觉、语音、文本等多模态数据上的应用，为多模态智能技术的发展提供技术支撑。

1020年1月1日

具身决策大模型研究小组

具身决策大模型研究小组关注具身智能前沿技术研究，围绕搭建可泛化的具身智能体整体目标，在具身表征建模、具身策略学习、具身分层规划与执行等方向开展系列研究工作。

1017年1月1日

大模型知识增强研究小组

BETWAY必威大模型知识增强研究小组长期从事大模型知识增强、大模型可控生成、领域大模型构建等方向研究。

1015年1月1日

大模型机器学习算法与平台研究小组

大模型机器学习算法与平台研究小组致力于探索高效能训练和推理机器学习算法，并构建相应的平台与系统，支撑大模型的高准确率、低成本训练和部署。

1010年1月1日

大模型软件与系统研究小组

大模型软件与系统研究小组致力于探索大模型与软件、系统之间的双向互动关系。一方面，我们研究如何利用大模型来优化和改进软件与系统的设计、开发、测试、验证与运维；另一方面，我们也关注如何设计和构建高效的软件与系统来支持大模型的训练、推理和部署。通过这两个方向的深度融合，我们旨在推动大模型与软件、系统的协同创新，为人工智能驱动的未来计算生态提供技术支撑。

1010年1月1日

科学大模型研究小组

科学大模型研究小组致力于以先进计算模拟跨学科推动药物研发、材料创新和能源优化，助力破解复杂科学难题。

1005年1月1日

医疗影像大模型研究小组

BETWAY必威医疗影像大模型研究小组长期深耕医学影像智能领域，围绕大模型的高效训练和低成本微调，探索大模型在医学影像分割、辅助诊断、精准治疗等领域的前沿应用。面对医疗影像标注成本高昂的挑战，研究组专注于稀疏监督学习、数据高效利用和伪标签优化等方法，以减少对大规模人工标注的依赖，同时提升模型的泛化能力和稳健性。

1004年1月1日

端侧大模型系统研究小组

大模型系统优化研究小组聚焦大模型系统前沿优化技术，围绕构建高精度、低延迟、可扩展的大模型服务框架核心目标，在大模型算子优化、自适应参数优化、多模态任务调度等方向开展系统性研究，取得如下代表性成果：

1003年1月1日

大模型训推系统优化研究小组

BETWAY必威 NASA 课题组携手鹏城实验室、华为技术有限公司等知名单位开展合作，共同针对大模型训练与推理性能、功耗等关键课题展开了全面深入的研究探索。其研究成果不仅在计算机体系结构领域的顶级会议上发表，更是成功在相关企业中实现了落地部署，为推动技术从理论走向实践做出了积极贡献。

1002年12月1日

云端大模型系统研究小组

云端大模型系统研究小组致力于探索云环境下大模型训练、推理与部署的系统级性能优化技术。团队重点研究方向包括：云端大模型的存储管理优化、高效分发加载机制、训练流程调优策略以及推理性能优化等关键技术。

1002年11月1日

大模型可控生成研究小组

大模型可控生成研究小组长期从事大语言模型和多模态模型的生成相关研究。目前，研究小组致力于研究大模型的可控生成技术以增强大模型在特定属性上的输出，专注于大模型的干预和引导、多模态大模型的条件控制、大模型的神经元和激活定位等技术来控制其生成。

1002年10月1日

精选出版物

A Data-Efficient Path to Multilingual LLMs: Language Expansion via Post-training PARAM$Δ$ Integration into Upcycled MoE

2026年5月8日

AEA: Adaptive Expert Allocation Improves Sentence Embeddings from Mixture-of-Experts LLM

2026年5月8日

Bootstrapping Code Translation with Weighted Multilanguage Exploration

2026年5月8日

Focusing Condition: Inference-Time Self-Contrastive Steering Elicits Better Conditional Text Embeddings in LLMs

2026年5月8日

How Do Answer Tokens Read Reasoning Traces? Self-Reading Patterns in Thinking LLMs for Quantitative Reasoning

2026年5月8日

查看全部出版物