大厂专区
SAS：用于联合场景-事件分析的带场景标注的AudioSet Strong
机构 * LTCI ； Télécom Paris（巴黎电信学院） ； Institut Polytechnique de Paris（巴黎综合理工学院） ； Université de Lorraine（洛林大学） ； NVIDIA（英伟达）
AI总结 该研究提出带场景标注的AudioSet Strong数据集，用于联合场景-事件分析，发现场景特有的事件更能表征场景，重新加权事件共现可提升表示效果，场景标注能为机器听觉系统提供补充信息。
Journal ref Proceedings of the 11th Workshop on Detection and Classification of Acoustic Scenes and Events (DCASE 2026), Oct 2026, Boston, MA, United States, United States
机构 * NVIDIA（英伟达） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 提出SIFR方法，用有向优势替代奖励权重并约束速度漂移以稳定流模型训练，在SD3.5 Medium等模型上验证，性能优于现有方法且长期训练更稳定。
机构 * UC Berkeley（加州大学伯克利分校） ； Bosch（博世公司） ； NVIDIA（英伟达公司）
AI总结 本研究通过涵盖9个任务、631种配置、28000次部署的受控模拟实验，考察智能体机器人学的自学习循环，发现瓶颈在于信息解读而非获取，成功循环依赖智能体的失败归因、结构推理与代码重构能力。
ISER-MoE：用于专家并行负载均衡的热专家交换机内动态复制
机构 * NVIDIA（英伟达）
AI总结 ISER-MoE是构建于TensorRT-LLM的MoE模型，通过NVLink交换机多播热专家至固定GPU组，调度器消除98%-99%额外负载，使DeepSeek-V4-Pro在数学基准和智能体提示场景下吞吐量分别提升17.4%、7.2%。
Comments 12 pages, 12 figures
机构 * NVIDIA（英伟达） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 该研究为NanoVDB引入动态GPU拓扑更新与体素顺序处理，解决其静态拓扑局限，实现高效动态网格操作，使其成为动态GPU仿真与几何操作的高性能基础表示。
Open-HumanScale：用于扩展具身基础模型的人类与机器人经验的开源方案
机构 * PKU（北京大学） ； NUS（新加坡国立大学） ； MIT（麻省理工学院） ； UCSB（加利福尼亚大学圣巴巴拉分校） ； NVIDIA（英伟达公司）
AI总结 本研究提出开源方案Open-HumanScale，构建5万小时以自我为中心的人类视频语料库，开发HumanWAM系列模型，通过纯人类或人机联合预训练提升机器人操作性能，开源相关资源推动具身AI缩放研究。
Comments GitHub: https://github.com/DAGroup-PKU/HumanNet/tree/Open-HumanWAM Project website: https://dagroup-pku.github.io/open-humanwam/
机构 * Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究所） ； NVIDIA Research（英伟达研究院）
AI总结 该研究提出行为图，将机器人策略轨迹压缩为可解释有向图，在用户研究中获多数人偏好，还能提升进度预测性能，助力高维部署数据的分析与推理。
Comments 8 pages, 6 figures, 3 tables. Project website: https://behavior-graphs.com/
LeWAM：一种基于扩散引导模型预测控制（MPC）的JEPA世界动作模型
机构 * NVIDIA（英伟达）
AI总结 本文提出LeWAM，一种基于无解码器JEPA隐空间的双向Transformer，其在状态读取、动作表现、规划能力上均优于常规WAM，兼具世界模型功能。
Comments 14 pages, 6 figures
机构 * NVIDIA（英伟达） ； University of Waterloo（滑铁卢大学） ； Vector Institute（向量研究所）
AI总结 PhyProbe利用冻结的预训练时空编码器和轻量级评分头，通过统一训练目标评估生成视频的物理一致性，在多个基准上超越现有方法，并与人类判断高度相关。
Comments NeurIPS 2026 poster. Project page: https://research.nvidia.com/labs/cosmos-lab/phyprobe/
机构 * KAIST（韩国科学技术院） ； University of Michigan（密歇根大学） ； NVIDIA（英伟达）
AI总结 提出对比分布匹配（CDM）框架，通过正负样本学习参数化扭曲函数，摊销序贯蒙特卡洛（SMC）推理成本，在离散扩散中高效采样奖励倾斜分布。
Comments Project Page: https://cdm-smc.github.io/ (NeurIPS 2026)
Gated DeltaNet-2：解耦擦除与写入的线性注意力
机构 * NVIDIA
AI总结 本文提出Gated DeltaNet-2，通过引入通道级擦除门和写入门，解耦了线性注意力中擦除与写入的控制，从而在语言模型、常识推理和检索任务中取得了最佳性能，特别是在长上下文检索任务中表现突出。
Comments Accepted at NeurIPS 2026
Hide to See: 面向VLM蒸馏中视觉锚定思维的推理前缀掩码
机构 * KAIST（韩国科学技术院） ； NVIDIA（英伟达） ； POSTECH（POSTECH大学）
AI总结 提出一种推理前缀掩码蒸馏框架，通过掩码学生模型的显著推理前缀，迫使其在推理过程中更依赖视觉证据，从而缓解长推理轨迹中的视觉遗忘问题，提升多模态推理性能。
Comments Accepted to NeurIPS 2026
机构 * California Institute of Technology（加州理工学院） ； NVIDIA（英伟达）
AI总结 本文提供了一本全面且实用的傅里叶神经算子指南，结合数学原理与实现策略，帮助从业者正确应用FNOs。
Comments 104 pages, 29 figures
机构 * TurboML ； Indraprastha Institute of Information Technology, Delhi（因德拉普拉斯信息技术学院德里分校） ； Singapore Institute of Technology（新加坡理工学院） ； NVIDIA（英伟达） ； Indian Institute of Technology, Kanpur（印度理工学院坎普尔分校） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究揭示了非证据上下文导致语言模型性能下降的入侵路径，定位到入侵头并通过干预恢复了部分性能。
Comments 32 pages, 25 figures, 29 tables. Dikshant Kukreja and Gautam Gupta contributed equally. Website: https://dk4248.github.io/the-intrusion-pathway/ Code: https://github.com/dk4248/the-intrusion-pathway
TACT-KV：用于压缩医学视觉语言模型中体KV缓存的三轴余弦变换
机构 * Vanderbilt University（范德堡大学） ； NVIDIA（英伟达） ； Vanderbilt University Medical Center（范德堡大学医学中心）
AI总结 针对医学VLMs的KV缓存内存瓶颈，提出TACT-KV三轴余弦变换压缩法，利用3D扫描三轴空间相关性，在多模型基准测试中性能最优，可扩展单GPU解码批次至8倍。
Comments Accepted at NeurIPS 2026
MetricTrail：重新审视度量深度与局部优化在长序列流3D重建中的作用
机构 * NVIDIA（英伟达） ； Shanghai Jiao Tong University（上海交通大学） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学）
AI总结 MetricTrail是一种流处理3D重建系统，通过结合单图像度量深度与局部优化，在KITTI等基准上实现了更低的轨迹误差，且推理效率较高。
Comments Project Page: https://research.nvidia.com/labs/sil/projects/metrictrail/, Code: https://github.com/nv-tlabs/vipe
机构 * NVIDIA（英伟达） ； Seoul National University（首尔大学）
AI总结 提出FUHA前馈Transformer，通过Q-Former和新型对比损失学习整个人体紧凑运动嵌入，无需外部组件，在多任务动画中性能优异且实时性强。
Comments 28 pages, 13 figures, 11 tables
通过秩指示符膨胀在时隙时间实现PRB饥饿：攻击调度器中的比例公平存储器
机构 * Clemson University（克莱姆森大学） ； Savannah River National Laboratory（萨凡纳河国家实验室） ； NVIDIA Corporation（英伟达公司）
AI总结 该研究发现5G NR调度中存在通过RI膨胀引发PRB饥饿的DoS攻击，经实验验证其可大幅降低公平性，提出需在O-RAN分布式单元中增加RI一致性检查与PRB证据检查的防御措施。
Comments 6 pages, 4 figures, 2 tables, IEEE ICEET 979-8-3195-7952-2/26
机构 * University of Oxford（牛津大学） ； California Institute of Technology（加州理工学院） ； QuantrolOx Ltd（QuantrolOx有限公司） ； Institute of Science and Technology Austria（奥地利科学技术研究所） ； NVIDIA Corporation（英伟达公司）
AI总结 该研究提出基于FNO的可微逆协同设计框架，联合优化门电压与布局，可高效设计不同形状的量子点器件，为制备前定制量子比特特性提供了新方法。
Comments 18 pages, 5 figures
机构 * NVIDIA（英伟达） ； Stevens Inst of Tech（史蒂文斯理工学院）
AI总结 本研究提出FRESHPart框架，通过几何与搜索反馈优化谱嵌入，在Titan23基准上较hMETIS取得更优割减少效果，且单GPU运行耗时短。
Comments Accepted to ASP-DAC 2027
为什么Koopman结构对人形机器人全身跟踪的可微分世界模型没有帮助
机构 * Tsinghua University（清华大学） ； DISCOVER Robotics（DISCOVER机器人公司） ； NVIDIA（英伟达公司）
AI总结 该研究测试发现，Koopman结构对人形机器人全身跟踪的可微分世界模型无帮助，其训练效果差于MLP模型，MLP仍是该场景下的更优选择。
Comments 8 pages, 3 figures, 2 tables. Preprint
机构 * Technion – Israel Institute of Technology（以色列理工学院） ； NVIDIA Research（英伟达研究院）
AI总结 该研究针对基于Transformer的语言模型的权重空间对称性问题，提出图超网络方法，构建了对应不变图构造，在新的Transformer种群数据集上的相关任务中性能优于现有基线。
让我震惊：利用稀疏微分以O(N)时间从局部MLIP精确计算分子Hessian矩阵！
机构 * University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（Vector人工智能研究所） ； Acceleration Consortium（加速联盟） ； Canadian Institute for Advanced Research（加拿大高级研究院） ； NVIDIA（英伟达）
AI总结 本文提出利用闭式稀疏模式和稀疏自动微分，将局部机器学习原子间势的Hessian计算成本降至O(N)，在烷烃链、水团簇及Aβ40等体系上实现2-15倍加速，使蛋白质等大体系的高精度Hessian计算成为可能。
机构 * NVIDIA（英伟达）
AI总结 本文提出GPU加速规划器cuRoboV2-Fast，通过B样条轨迹优化、加速机器人计算等技术，在RTX 5090等平台上实现比cuRoboV2等更快的无碰撞力矩受限运动规划，取放循环效率显著提升。
机构 * University of California, Berkeley（加州大学伯克利分校） ； Siemens（西门子） ； NVIDIA（英伟达）
AI总结 该研究提出面向智能体机器人学的变异性自动化基准VABAR，制定了智能体机器人学基准设计标准，构建含六类操作任务的仿真基准，并基于GaP和Isaac Lab Arena完成初始评估。
超越核机制的持续分类：利用对角线性网络中L2正则化的稀疏性偏差
机构 * Technion（以色列理工学院） ； NVIDIA（英伟达公司）
AI总结 该研究针对持续线性分类，提出加权L2正则化变体，利用对角线性网络的稀疏性偏差，在适度任务周期上提升了收敛速度与性能。
机构 * NVIDIA（英伟达）
AI总结 该研究提出适配Cosmos世界基础模型的共享框架，用于物理人工智能的实时交互式世界模拟，可支持多场景验证，为相关训练评估提供共享基础。
Comments Project website: https://research.nvidia.com/labs/cosmos-lab/cosmos-simulation
机构 * Zhejiang University（浙江大学） ； NVIDIA（英伟达公司）
AI总结 NanoKV是一种用于自回归视频生成的高比例KV缓存压缩框架，通过针对键值不同角色设计的压缩策略提升质量存储权衡，在HY-WorldPlay上实现26.09倍压缩且PSNR提升1.0dB，其快速变体还可实现约1.15倍端到端加速。
Comments 25 pages, 13 figures. Project page: https://jiacheng-lu03.github.io/NanoKV/ . Code: https://github.com/jiacheng-lu03/NanoKV
机构 * NVIDIA（英伟达）
AI总结 该研究针对混合语言模型的记忆冗余问题，提出SEED方法，通过浅层预填充与状态压缩降低计算开销，在多参数规模模型上几乎无损失，将Qwen3.8-Flash-Next的GPU吞吐量提升1.2-1.4倍。
Comments 47 pages. Mingyuan Ma and Yangmin Li contributed equally
机构 * NVIDIA（英伟达）
AI总结 针对大语言模型强化学习中GPU频率选择的难题，提出EE-RL在线控制器，可在保持吞吐量的同时，将GPU每个有效训练令牌的能量最多降低16.9%。
Comments Rahul and Nitin are co-first authors
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈