智能科学与技术是以认知科学、统计学习理论与计算复杂性为理论根基，以通用人工智能、具身智能与社会模拟为前沿突破口，以服务国家新一代人工智能发展规划与科技自立自强为核心使命的战略性交叉学科，承担从感知智能到认知智能、从个体智能到社会智能、从数据驱动到因果-价值驱动的全维度智能理论创新与技术攻关任务。北京大学智能科学与技术依托北京大学智能学院，以视觉与听觉信息处理国家重点实验室（北京大学第一个国家重点实验室、国内智能领域最早的三家国家重点实验室之一）、跨媒体通用人工智能全国重点实验室（全国唯一聚焦通用人工智能的全国重点实验室）、机器感知与智能教育部重点实验室、教育部人机共生国际联合实验室为平台支撑，涵盖计算机视觉、机器学习、自然语言处理、认知推理、多智能体、智能机器人、听觉言语与音乐、数据智能与计算智能、智能图形与交互、多媒体智能、信息安全与网络智能十一大研究方向，以"1988年建成北大第一个国家重点实验室、2002年创办中国第一个智能科学系、2007年建成国内首个完整AI本硕博培养体系、2021年成立智能学院、研发全球首个通用智能人'通通'3.0"为学科发展主线，培养兼具深厚数学与统计功底、扎实算法设计与系统实现能力、深刻认知科学素养、服务国家人工智能战略情怀的高层次智能科学专门人才。

学科沿革： 北京大学智能学科的历史最早可追溯到1985年——由学部委员程民德先生和石青云院士发起，以北京大学数学系、计算机系、无线电系为主体，联合全校十余个系所，利用北京大学综合学科优势成立信息科学中心。1988年，在此基础上建立了视觉与听觉信息处理国家重点实验室，这是北京大学第一个国家重点实验室，也是国内智能领域最早的三家国家重点实验室之一，在指纹识别、人工耳蜗等视觉与听觉智能算法方面达到国际先进水平，1994年及1995年两次荣获国际神经网络学会颁发的"神经网络领导奖"，1998年、2006年两次荣获何梁何利基金科学与技术进步奖。2002年，北京大学成立智能科学系，这是中国第一个智能科学系；2003年在国内率先设立"智能科学与技术"本科专业，2004年开始招收本科生；2007年成功增列智能科学与技术专业硕士、博士点，在人工智能领域形成全球最早的本、硕、博完整人才培养体系。2021年12月18日，为响应国家人工智能战略，北京大学凝聚学科优势，正式成立智能学院，拥有"智能科学与技术"一个一级学科，并联合北京大学人工智能研究院共同建设北京大学智能学科。2022年，智能科学与技术学科被教育部正式确立为交叉学科门类下的一级学科（学科代码1405）；同年，北大与北京通用人工智能研究院获批联合共建跨媒体通用人工智能全国重点实验室，这是全国唯一一家聚焦通用人工智能的全国重点实验室。2023年，智能学院联合共建单位成功申报并获批教育部人机共生国际联合实验室。

学术成就与国家战略贡献： 北京大学智能学院在智能科学与技术各领域取得了具有国际影响力的原创性突破。在通用人工智能方向，朱松纯教授（北京大学讲席教授、智能学院院长、北京通用人工智能研究院院长）提出原创性"CUV"（Cognition-Understanding-Value）认知架构与"小数据、大任务"人工智能新范式，研发出全球首个通用智能人"通通"——2024年首次亮相时具备三四岁儿童心智水平，2026年3月在2026中关村论坛发布"通通"3.0版本，在认知智能、社交智能、空间智能等方面取得突破性进展，在多轮对话中展现出连贯的价值观与世界观，决策过程可解释、可追溯，从根源上实现"言行一致"；同步发布具身智能核心引擎**"通脑"，推动具身智能从关键技术研究迈向规模化落地。朱松纯教授于2025年4月受邀在ICLR 2025（新加坡）发表题为"AGI：框架、原型、定义和基准"的60分钟主题演讲**，引发国际学界高度关注；2026年7月在2026世界人工智能大会思想者论坛发表"为机器立心：构建AGI认知架构与价值体系"主题演讲，系统阐释通向AGI的"中国路径"。在模式识别与生物特征识别方向，封举富教授团队历时二十余年攻关，研发出人工智能指纹识别引擎，利用深度学习实现指纹特征全自动提取和快速比对，已协助警方成功破获数千起案件，包括2022年利用一枚36年前的血指纹成功破获浙江舟山特大抢劫杀人案，实现了我国开放环境下指纹识别技术的飞跃式发展。在计算机视觉与机器感知方向，查红彬教授团队在三维几何数据解析、环境建模、三维物体识别、自律分散机器人系统等领域取得系统性成果，发表论文300余篇。在听觉智能方向，吴玺宏教授团队在听感知计算模型、心理声学、语音识别与合成方面深耕多年；曲天书副教授在空间听觉、虚拟声音、三维音频场景分析方面开展前沿研究。学院还研发了业内首个大型社会模拟器，利用海量通用智能体进行社会演化模拟，为智能社会治理提供技术支撑。

导师团队： 智能学院现有教职员工34人（2027年招生指南数据），包括讲席教授1人（朱松纯），教授/研究员16人（含兼职博导1人）、副教授/副研究员8人、新体制助理教授/助理研究员9人，其中国家级人才2人，国家级青年人才8人，北京大学"百人计划"入选者3人，IEEE会士3人。导师群体研究方向覆盖智能科学全领域：从事通用人工智能认知架构与价值体系研究的学者（朱松纯，讲席教授、院长，哈佛大学博士，UCLA终身教授，全球著名计算机视觉专家、统计与应用数学家、人工智能专家）；从事模式识别、图像处理与生物特征识别研究的学者（封举富，教授、博士生导师，北京大学数学系博士，主持国家自然科学基金、973等多项国家级项目）；从事计算机视觉、虚拟现实与智能机器人研究的学者（查红彬，教授，机器感知与智能教育部重点实验室主任，日本工学博士）；从事机器学习与图神经网络、大模型高效架构和推理研究的学者（张牧涵，助理教授）；从事机器学习与计算机视觉、类脑智能研究的学者（仉尚航，助理教授）；从事认知推理、计算机视觉与人机协作研究的学者（朱毅鑫，助理教授）；从事计算机视觉与机器学习研究的学者（周嘉欢，助理教授）；从事听感知计算模型与语音识别研究的学者（吴玺宏，教授）；从事图像与视频编码、多媒体系统研究的学者（许超，教授）；从事计算机视觉与计算成像学研究的学者（英向华，教授）；从事机器学习研究的学者（王奕森，研究员/助理教授、博士生导师）；从事空间听觉与三维音频场景分析研究的学者（曲天书，副教授、博士生导师）。此外，学院联合北京大学人工智能研究院（全校从事AI研究的教师超过200人）及北京通用人工智能研究院（BIGAI）共同建设智能学科，形成了"学术前沿+认知科学+产业落地"三位一体的培养网络。

保研核心要求： 北京大学智能学院2026年智能科学与技术隶属于140500智能科学与技术（学术学位）（交叉学科门类），下设计算机视觉、机器学习、自然语言处理、认知推理、多智能体、智能机器人、听觉言语与音乐、数据智能与计算智能、智能图形与交互、多媒体智能、信息安全与网络智能十一个研究方向。统考初试科目为：①101思想政治理论、②201英语（一）、③301数学（一）、④408计算机学科专业基础（全国统考，涵盖数据结构、计算机组成原理、操作系统、计算机网络四大模块）。2026年复试分数线：单科政治≥55分、外语≥55分、业务课一≥90分、业务课二≥90分，总分330分。复试基本内容包括上机考试、专业知识、科研能力、逻辑思维与表达能力、英语听力及口语测试等。成绩权重：初试成绩占总成绩的50%，复试成绩占总成绩的50%；总成绩=50%×初试各门总成绩/5+复试成绩（百分制）×50%。推免方面，学院每年9月发布接收推荐免试研究生说明，网上报名时间：9月1日至9月10日16:00，推免生须具备推荐免试资格且英语水平满足以下条件之一：国家英语四级考试成绩≥525分、国家英语六级考试成绩≥450分、国家英语专业四级或八级考试合格、WSK(PETS 5)考试合格、TOEFL成绩≥100分（IBT）。推免考核分为机试（2小时）和面试，入营学生按报考导师方向分成多个独立面试组，每组由对应导师负责。从录取数据看，2026届推免总拟录取50人（硕士11人、直博39人），2025届为84人（硕士21人、直博63人），本校生占比较高，提前联系导师至关重要。学院每年7月初举办优秀大学生夏令营（2026年为7月4-6日），面向全国高校计算机、智能、数学、物理、自动化等相关专业本科生，是提前锁定导师与研究方向的核心渠道。本科背景以计算机科学与技术、智能科学与技术、人工智能、数学与应用数学、自动化、电子信息工程、物理学等为主，核心竞争力在于扎实的数学与算法功底、系统的编程与科研实践能力、明确的智能科学问题意识及对国家人工智能战略需求的深刻理解。

知点保研辅导要点： 围绕智能科学与技术学术硕士核心能力重点辅导——①数学与统计基础（高等数学/线性代数/概率论与数理统计/最优化理论（凸优化/随机优化/变分推断）/信息论/测度论基础/随机过程）；②机器学习核心理论（监督学习（SVM/决策树/集成学习）/无监督学习（聚类/降维/密度估计）/深度学习（CNN/RNN/LSTM/Transformer/GAN/Diffusion Model/VAE）/强化学习（MDP/Q-learning/Policy Gradient/Actor-Critic/RLHF）/贝叶斯深度学习/因果推断/图神经网络/联邦学习/自监督学习/对比学习/元学习/神经架构搜索）；③计算机视觉（图像分类/目标检测/语义分割/实例分割/三维重建/SLAM/视觉Transformer/多模态视觉-语言模型（CLIP/BLIP）/视频理解/生成式视觉模型（Stable Diffusion/DALL-E/Sora）/医学影像/遥感解译/人脸识别/指纹识别/场景理解）；④自然语言处理与大语言模型（词嵌入/预训练模型（BERT/GPT/LLaMA）/文本分类/机器翻译/对话系统/知识图谱/问答系统/多模态学习/大语言模型（预训练/微调/RLHF/对齐/幻觉抑制）/Agent与工具调用/RAG检索增强生成）；⑤认知推理与通用人工智能（认知架构/因果推理/常识推理/心智理论（Theory of Mind）/价值对齐/具身认知/符号-神经融合/小数据大任务范式/社会模拟器/通用智能体评估基准）；⑥多智能体系统与强化学习（多智能体博弈/合作与竞争/通信协议/群体智能/多智能体强化学习（MARL）/社会模拟/涌现行为/机制设计）；⑦智能机器人与具身智能（运动规划/SLAM/抓取与操作/触觉感知/视觉-语言-动作（VLA）模型/人形机器人控制/仿真到真实迁移（Sim2Real）/通脑引擎/人机协作）；⑧听觉言语与音乐智能（语音识别/语音合成（TTS）/说话人识别/音乐信息检索/空间听觉/心理声学/听感知计算模型/音频场景分析）；⑨数据智能与计算智能（数据挖掘/知识发现/图计算/推荐系统/异常检测/时序分析/进化计算/群体智能/神经符号计算）；⑩智能图形与交互（计算机图形学/渲染/动画/虚拟现实/增强现实/人机交互/计算成像/光场/3D生成）；⑪信息安全与网络智能（对抗样本/模型鲁棒性/隐私保护机器学习/深度伪造检测/AI安全与可信/网络流量异常检测/智能风控）；⑫前沿议题与政策素养（通用人工智能的定义、评估基准与安全对齐路径、大语言模型的幻觉机制与因果推理补偿策略、"小数据、大任务"范式与"大数据、大模型"路线的理论对比与融合可能、具身智能中Sim2Real鸿沟的物理本质与域自适应方法、社会模拟器中智能体行为涌现的可解释性与治理应用、AI生成内容（AIGC）的版权伦理与监管框架、人工智能立法与算法治理的中国路径、通用智能体的价值观植入与"为机器立心"的哲学基础、AI for Science的可解释性与物理一致性、后摩尔时代AI芯片架构创新与算力瓶颈）。面试训练涵盖上机考试强化（算法设计与编程：动态规划/图论/贪心/搜索/字符串处理/数据结构实现）、专业笔试强化（301数学一核心题型：高等数学/线性代数/概率论；408计算机基础核心题型：数据结构算法设计/组成原理时序分析/操作系统调度与同步/网络协议分析）、智能科学前沿问题问答（Transformer注意力机制的计算复杂度瓶颈与稀疏/线性注意力替代方案的精度-效率权衡、通用智能人"通通"中因果-价值驱动架构与传统大模型数据驱动路线的本质差异与互补性、多智能体强化学习中非平稳环境与信用分配问题的理论解法、大语言模型RLHF训练中奖励黑客（Reward Hacking）的检测与缓解策略、具身智能中视觉-语言-动作模型的 grounding 问题与物理常识获取、社会模拟器中智能体价值观一致性的度量与漂移控制、图神经网络在异质图上的过平滑问题与层级聚合策略、对抗样本攻击在自动驾驶感知系统中的防御机制与鲁棒性-精度权衡、AI指纹识别中残缺指纹方向场重建的深度学习方案与特征点匹配准确率提升路径）、科研项目或实验经历陈述与反思（问题定义/算法设计/实验验证/消融分析/失败教训）、研究计划展示（选题意义/文献缺口/方法论/预期贡献/应用场景）、学术志趣陈述及英文文献阅读与表达。文书应体现"以数学为语言、以算法为工具、以认知为灵魂、以构建可信可控的通用人工智能为毕生志业、以服务国家人工智能战略与人类智能福祉为使命担当"的高层次智能科学人才志向，突出对特定研究问题的深刻洞察与原创性思考（如通用智能体中因果推理与价值对齐的联合建模框架与可验证性保证、大语言模型幻觉抑制中知识图谱约束注入与解码时因果一致性校验的协同机制、具身智能中视觉-语言-动作模型的物理常识获取与Sim2Real迁移的域不变表征学习、多智能体社会模拟中涌现行为的因果归因与治理干预策略、图基础模型在动态异质图上的时序推理与结构泛化能力、AI指纹识别中极低质量残缺指纹的方向场重建与全局-局部特征联合匹配、对抗鲁棒性训练中计算效率与泛化性能的理论极限与近似算法、认知推理中符号逻辑与神经网络表示的融合架构及其可解释性边界等）。

咨询保研报名事宜，请拨打4000003363，或添加微信13671344286，获取一对一详细解答。