NVIDIA（英伟达）

PhysCount: Do MLLMs Count Visual Appearances or Physical Entities?

PhysCount：多模态大语言模型（MLLMs）是计数视觉外观还是物理实体？

Lidong Lu, Jiaxin Lv, Liangrui Dong, Xinyi Mao, Lidong Zou, Zhenquan Li, Tong Lu, Guo Chen

机构 * Nanjing University（南京大学） ； NVIDIA（英伟达） 纠错

AI总结 本研究推出PhysCount基准，测试40个MLLMs区分图像视觉外观与物理实体的能力，发现其计数可见外观易、恢复实体身份难，性能受实体外观数量及观察模式影响。

LucidLyra: Feed-Forward Generative 3D Scene Reconstruction and Joint Understanding via Multi-Task Distillation

LucidLyra：通过多任务蒸馏实现前馈式生成三维场景重建与联合理解

Oliver Hahn, Rodrigo Marcuzzi, Sangeetha Grama Srinivasan, Alessandro Burzio, Sherwin Bahmani, Jiahui Huang, Stefan Roth, Shengyu Huang, Qunjie Zhou, Laura Leal-Taixé

机构 * NVIDIA（英伟达） ； TU Darmstadt（达姆施塔特工业大学） ； Università degli Studi di Modena e Reggio Emilia（摩德纳-雷焦艾米利亚大学） ； ELIZA 纠错

AI总结 LucidLyra是一种通过多任务蒸馏将视频扩散模型与2D视觉基础模型知识整合的框架，可实现前馈式生成三维场景重建与联合理解，支持多种下游应用且性能优于基线。

Comments Project Page: https://research.nvidia.com/labs/sil/projects/lucidlyra

ScheduleGen: Demonstration Generation via Skill Scheduling for Multi-Arm Imitation Learning

ScheduleGen：基于技能调度的演示生成用于多臂模仿学习

Neel Jawale, Stephan Pleines, Soha Pouya, Yuke Zhu, Ajay Mandlekar, Caelan Garrett

机构 * NVIDIA（英伟达） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 针对多臂机器人演示生成忽略多臂约束的问题，提出ScheduleGen算法，在28个模拟任务上实现79.6%平均数据生成成功率，策略优于基线，且在8个现实任务上零样本迁移达50-80%成功率。

Comments 22 pages, 9 figures, 5 tables. Project website and videos: https://schedulegen.github.io/

Weaken to Strengthen: Weakening-Induced On-Policy Self-Distillation for Large Reasoning Models

以弱致强：面向大型推理模型的弱诱导在线自蒸馏

Yecheng Wu, Song Han, Han Cai

机构 * Massachusetts Institute of Technology（麻省理工学院） ； NVIDIA（英伟达） 纠错

AI总结 提出WISD框架，通过构建弱模型（量化/剪枝）利用其与原模型的对比训练，在数学和代码推理任务上提升Qwen系列模型准确率，实现无特权信息的先进自蒸馏效果。

Comments Work in progress. Code is released at https://github.com/jet-ai-projects/WISD

REVBRAIN: Real-time Probabilistic EEG Forecasting Using Residual Vector Quantization

REVBRAIN：基于残差向量量化的实时概率性脑电信号预测

Hanna Pankka, Jaakko Lehtinen, Timo Roine

机构 * Aalto University（阿尔托大学） ； NVIDIA（英伟达） ； Metropolia University of Applied Sciences（梅塔波利亚应用科学大学） 纠错

AI总结 REVBRAIN是基于残差向量量化的概率深度学习方法，可实现50倍以上WaveNet的实时脑电预测，精度更优，能助力BCI应用发展。

Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI

Nemotron 3.5 Super与Lightning：面向智能体AI的开源高效混合Mamba-Transformer混合专家模型

NVIDIA, :, Aastha Jhunjhunwala, Aayushi Ashokkumar Srivastava, Abhibha Gupta, Abhinav Garg, Abhinav Khattar, Achsah Wildish, Adam Rajfer, Adi Renduchintala, Adil Asif, Adriana Flores Miranda, Aileen Zaman, Aishwarya Chhabra, Akanksha Shukla, Akhiad Bercovich, Alejandra Rico, Aleksa Gordic, Aleksander Ficek, Alex Gronskiy, Alex Steiner, Alexander Bukharin, Alexandre Milesi, Ali Roshan Ghias, Ali Shehper, Ali Taghibakhshi, Alice Gatti, Alisa Liu, Alok Kumar, Alok Tripathy, Amala Sanjay Deshmukh, Aman Miryala, Aman Shanbhag, Ameya Sunil Mahabaleshwarkar, Ameya Velingker, Amir Klein, Amir Samani, Amit Zuker, Amnon Geifman, Anahita Bhiwandiwalla, Ananth Subramaniam, Andre Manoel, Andrea Santilli, Andrew Tao, Andrii Skliar, Anil Thomas, Anish Mahishi, Anna Shors, Anna Warno, Anuj Doshi, Anusha Kamath, Anwith Kiran, Ao Tang, Arham Mehta, Arnab Dhara, Arnav Komaragiri, Arnav Kundu, Arti Jain, Arun Rao, Arun Venkatesan, Arushi Goel, Asha Anoosheh, Ashish Vaswani, Ashwath Aithal, Asif Ahamed, Asma Kuriparambil Thekkumpate, Aswin Visva, Atefeh Sohrabizadeh, Avinash Vem, Ayush Dattagupta, Benedikt Schifferer, Benjamin Chislett, Bernard Nguyen, Besmira Nushi, Bilal Kartal, Bita Darvish Rouhani, Bobby Chen, Boris Ginsburg, Boxin Wang, Brandon Norick, Branislav Kisacanin, Brendan Johnson, Brian Dang, Brian Yu, Bryan Catanzaro, Byung-Kwan Lee, Carlo del Mundo, Chankyu Lee, Chantal Hwang, Charles Wang, Charlie Truong, Chen Cui, Cheng Wang, Cheng-Ping Hsieh, Chenhan Yu, Chenjie Luo, Chintan Patel, Chris Alexiuk, Chris Johnson, Chris Wing, Christian Munley, Coco Li, Collin McCarthy, Cynthia Gao, Dan Su, Dan Zhao, Dane Corneil, Danial Mohseni Taheri, Daniel Afrimi, Daniel Fatade, Daniel Lo, Daniel Machlab, Daniel Serebrenik, Daniele Molinari, Daniil Sorokin, Daria Gitman, Daria Levy, David Mosallanezhad, David Yu, Deepak Narayanan, Dev Churiwala, Devin O'Kelly, Dhruv Nathawani, Di Allan Wu, Dima Rekesh, Dina Yared, Dipendra Misra, Divyanshu Kakwani, Dmitry Belenko, Dominic Manno, Dongyang Fan, Dor Tsur, Duncan Riach, Dustin VanStee, Dylan Lu, Edgar Minasyan, Ehsan Hosseini-Asl, Eileen Long, Elena Lantz, Ellie Evans, Elliott Ning, Elvis Chen, Emanuel Scoullos, Eric Chung, Eric Harper, Eric Pham-Hung, Eric Tramel, Eric Yang, Erik Arakelyan, Evelina Bakhturina, Ewa Dobrowolska, Fadi Saady, Farzan Memarian, Fay Wang, Fei Jia, Felipe Soares, Felipe Vieira Frujeri, Feng Chen, Fengguang Lin, Ferenc Galko, Frankie Siino, Frederic Lafrance, Fuxiao Liu, Gantavya Bhatt, Garvit Kulshreshtha, George Armstrong, Giulio Lovisotto, Gomathy Venkata Krishnan, Gosia Lazuka, Grace Lam, Greg Heinrich, Greg Pauloski, Grzegorz Chlebus, Guilin Liu, Guo Chen, Guoming Zhang, Guyue Huang, Haifeng Qian, Hanrong Ye, Hao Gao, Hao Zhang, Haoqin Tu, Haran Kumar Shiv Kumar, Haribhau Hud, Harris Nover, Harrison Saturley-Hall, Harshil Kotamreddy, Hemil Desai, Henry Estela, Hexin Wang, Himanshu Singh, Hui Wang, Hung-Yueh Chiang, Igor Gitman, Ilia Karmanov, Ilya Loshchilov, Ingo Guehring, Itay Neeman, Ivan Moshkov, Jacky Kwok, Jakub Slowikowski, James Shen, Jane Polak Scowcroft, Jared Casper, Jatin Mitra, Jeff Willette, Jenna Diamond, Jenny Chen, Jesse Oliver, Jessica Medina, Jiacheng Xu, Jialin Song, Jian Hu, Jian Tu, Jian Zhang, Jiantao Jiao, Jiaqi Zeng, Jie-Fang Zhang, Jimmy Zhang, Jin Xu, Jingyu Xin, Jinhang Choi, Joey Conway, Joey Guman, John Kamalu, John Liu, John Roberts, Johnny Greco, Jonah Alben, Jonas Yang, Jonathan Cohen, Jonathan Li, Jonathan Raiman, Joseph Jennings, Juhi Mittal, Julia Gusak, Julien Veron Vialard, June Yang, Junkeun Yi, Jupinder Parmar, Ka Shun Shum, Kaiwen Shi, Kajal Jain, Kanishk Singla, Karan Sapra, Kari Briski, Kateryna Chumachenko, Katherine Huang, Katie Lyons, Keith Wyss, Keshav Santhanam, Keval Morabia, Kevin Shih, Kezhi Kong, Khanh Nguyen, Khushi Bhardwaj, Kiran Praveen, Konstantinos Krommydas, Krishna Puvvada, Krzysztof Pawelec, Kushal Shah, Li Ding, Lily Lee, Linda Liu, Linglin Jing, Luis Vega, Maarten Van Segbroeck, Mahan Fathi, Mahdi Nazemi, Maka Dong, Makesh Narsimhan Sreedhar, Maor Ashkenazi, Marc Cuevas, Marcin Chochowski, Marco Pavone, Markus Kliegl, Marta Stepniewska-Dziubinska, Martina Gonzalez Vilas, Martyna Patelka, Matan Rusanovsky, Matthieu Le, Matty Machczynski, Matvei Novikov, Mauricio Ferrato, Meenakshi Sharma, Mehrzad Samadi, Melissa Corpuz, Melissa Saelzer, Meng Xin, Mengru Wang, Mengxi Wu, Meriem Boubdir, Michael Boone, Michael Callahan, Michael Elad, Michael Lightstone, Michal Bien, Michal Zawalski, Miguel Martinez, Mikail Khona, Mike Chrzanowski, Mike Ranzinger, Mike Wojcikiewicz, Min-Hung Chen, Ming Kang, Mingjie Liu, Mingyuan Ma, Misha Nekorystnov, MJ Mikulski, Mohammad Qazim Bhat, Mohammad Shoeybi, Morgan Purcell, Mostofa Patwary, Nabin Mulepati, Nancy Agarwal, Narimane Hennouni, Nathan Sala, Nave Assaf, Nayeon Lee, Neal Vaidya, Negar Habibi, Netanel Haber, Nick Gupta, Nick Reamaroon, Nickson Quak, Nidhi Bhatia, Nik Spirin, Niket Agarwal, Nikolai Ludwig, Nima Tajbakhsh, Nithin Sunny, Oleksii Hrinchuk, Oleksii Kuchaiev, Olivier Delalleau, Omer Ullman Argov, Pablo Ribalta, Padmavathy Subramanian, Parth Mannan, Pavlo Molchanov, Pawel Morkisz, Peter Jin, Petr Lapukhov, Petro Junior Milan, Philip Monk, Pinky Xu, Piotr Januszewski, Piotr Laszkiewicz, Po-Han Huang, Praateek Mahajan, Pradeep Thalasta, Prakash Gurumurthy, Pranav Prashant Thombre, Prasoon Varshney, Pratyusha Maiti, Preeti Chadha, Pritam Biswas, Pritam Gundecha, Przemek Strzelczyk, Puhui Meng, Pulkit Kumar, Rabeeh Karimi Mahabadi, Rachel Oberman, Rajpreet Thethy, Ramani Akkati, Rameshwar Shivbhakta, Ran Zilberstein, Randy Gelhausen, Rasoul Shafipour, Raviraj Joshi, Ray Macalisang, Rayen Tian, Reka Kovacs, Renjie Pi, Resha Shetty, Ria C, Rima Shahbazyan, Rishabh Garg, Rita Fernandes Neves, Ritika Borkar, Ritu Gala, Riya Talwar, Riyad Islam, Robert Clark, Robert Kirby, Roger Waleffe, Rohan Joshi, Rohan Pillai, Rohit Jena, Rohit Watve, Roi Garnett, Roi Koren, Rongguang Ye, Russell J. Hewett, Ryan Prenger, Ryan Stewart, Ryota Egashira, Sadegh Mahdavi, Sai Nishanth Padala, Salika Dave, Sandhya Rani Narravula, Sandip Bhaskar, Sangkug Lym, Sanjeev Satheesh, Sarah Amirslani, Saran Vikas Murari, Saurabh Mishra, Saurabh Srivastava, Saurav Muralidharan, Sean Narenthiran, Sean Wang, Seokju Cho, Seong Hee Lee, Seonjin Na, Seonmyeong Bak, Seph Mard, Serge Panev, Sergei Kolchenko, Sergio Perez, Seth Henneman, Seth Poulos, Shahar Mor, Shantanu Acharya, Shaokun Zhang, Shaona Ghosh, Sharath Turuvekere Sreenivas, Shaun Kotek, Shaya Gharghabi, Sheng-Chieh Lin, Shengliang Xu, Shi Chen, Shihao Wang, Shilpa Amireddy, Shiqing Fan, Shiyang Chen, Shrimai Prabhumoye, Shriram Venugopal, Shuang Yu, Shubham Gandhi, Shubham Pachori, Shubham Toshniwal, Shuoyang Ding, Shwetha Krishnamurthy, Simeng Sun, Sivakumar Arayandi Thottakara, Somshubra Majumdar, Soumye Singhal, Sridurga Krithivasan, Sriharsha Niverty, Stephen Ge, Sugam Dipak Devare, Sukrit Rao, Sumeet Kumar Barua, Sungsoo Ha, Surya Nistala, Suseella Panguluri, Sweta Priyadarshi, Syeda Nahida Akter, Talor Abramovich, Tanay Varshney, Tandeep Singh Chandehoke, Teo Ene, Terry Kong, Thanh Do, Thinh Le, Tian Zhang, Tijmen Blankevoort, Tim Romanski, Tiyasa Mitra, Tom Balough, Tom Huang, Tomasz Grzegorzek, Tomer Asida, Tomer Bar Natan, Traian Rebedea, Trenton Starkey, Tugrul Konuk, Tuomas Rintamaki, Twinkle Vashishth, Tyler Kniess, Tyler Poon, Udi Karpas, Ushnish De, Utkarsh Vaidya, Vahid Noroozi, Vanshil Atul Shah, Venkat Srinivasan, Venkata Karri, Venmugil Elango, Vibhor Agrawal, Vibhu Jawa, Victor Cui, Victoria Edmonds, Vijay Korthikanti, Vikas Mehta, Vikranth Jeyakumar, Vinay Rao, Vineeth Kalluru Srinivas, Vitaly Kurin, Vitaly Lavrukhin, Wahidur Rahman, Wanli Jiang, Wasi Uddin Ahmad, Wataru Ishihara, Wei Du, Wei Ping, Wei-Ming Chen, Weiheng Chai, Weijia Chen, Wendy Quan, Wenliang Dai, Wenyan Cong, William Zhang, Wojciech Prazuch, Xiaowei Ren, Xin Yu, Xiwen Yu, Yan Wang, Yang Chen, Yang Yu, Yangyi Chen, Yaniv Galron, Yash Jain, Yashaswi Karnati, Ye Yu, Yejin Choi, Yemi Ibrahim, Yev Meyer, Yi Dong, Yi-Fu Wu, Yian Zhang, Yifan Zhang, Ying Lin, Yiyang Zhou, Yoav Miron, Yogendra Pandey, Yonatan Geifman, Yonggan Fu, Yoshi Suhara, Youngeun Kwon, Yu-Cheng Chou, Yu-Chiang Frank Wang, Yuanguo Kuang, Yuekai Zhang, Yugi Guvvala, Yuki Huang, Yunheng Zou, Yunsheng Liu, Zhenming Wang, Zhiding Yu, Zhiqi Li, Zhiyu Cheng, Zhongbo Zhu, Zhuolin Yang, Zichao Yue, Zihan Liu, Zijie Yan, Zirui Liu, Zoe Faul, Zuhair Ahmed

机构 * NVIDIA（英伟达） 纠错

AI总结 推出两款开源高效混合Mamba-Transformer混合专家模型Nemotron 3.5 Super与Lightning，结合多技术优化，在多任务上实现性能提升与高效部署，Super在SWE-bench Pro等测试中表现优异。

METATRON: A Promptable Whole-Body Execution Layer for Humanoids

METATRON：面向人形机器人的可提示全身执行层

Chen Tessler, Yifeng Jiang, Alec Otto, Yi Shi, Umar Iqbal, Gal Chechik, Xue Bin Peng

机构 * NVIDIA（英伟达） ； Dollhouse Robotics（Dollhouse 机器人公司） 纠错

AI总结 本研究提出可提示的人形机器人全身执行层METATRON，结合生成式基础策略与可编程技能层，经训练后冻结策略，通过编码智能体生成新技能，在Unitree G1机器人及模拟角色上验证了其在多种任务中的性能优势。

Comments Project page: https://research.nvidia.com/labs/par/projects/metatron/

Assessing Language Models for Scientific Applications: Inertial Confinement Fusion as a Use Case

评估语言模型在科学应用中的表现：以惯性约束聚变为用例

P. B. Radha, D. D. Meyerhofer, M. Bhattarai, B. Cheng, L. Diaz, C. L. Rousculp, A. G. Seaton, G. Gupta, P. Gurumurthy, V. Gutta, A. Jhunjhunwala, A. Vem, P. Cook, G. Rowe

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； NVIDIA Corporation（英伟达公司） 纠错

AI总结 本研究以惯性约束聚变为用例构建含250题的基准，对比多款大模型，发现专用模型Prospero得分提升10.7个百分点，前沿模型仍存物理错误，检索对小模型有效，建议先评估现有能力与检索增益再推进专用化。

Comments 33 pages, 16 figures

Delta-Matching: Closing the Final Gap of Native 8-bit Training for LLMs

Delta-Matching：弥合大语言模型原生8位训练的最后差距

Haozhan Tang, Hao Kang, Han Cai, Song Han, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出Delta-Matching方法，通过恢复softmax梯度零行和不变性，解决FP8注意力前向-后向不一致导致的优化误差，实现大语言模型原生8位训练，匹配混合精度性能。

Classical Simulation and Design Frontiers for IBM's Doped Clifford Sampling Experiment

IBM掺杂克利福德采样实验的经典模拟与设计前沿

Hidetaka Manabe, Hanfeng Gu, Feng Pan

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； NVIDIA Corporation（英伟达公司） 纠错

AI总结 本研究针对IBM掺杂克利福德采样实验，设计确定性时间边界张量网络收缩方法完成经典模拟，获精确振幅与log-XEB值，为实验诊断及未来实验设计提供工具。

Comments 25 pages, 12 figures

FlashDiff: Efficient Regional Execution and Scheduling for Diffusion Model Serving

FlashDiff：用于扩散模型服务的高效区域执行与调度

Yaqi Qiao, Ping He, Songrun Xie, Ayush Barik, Chensong Zhang, Zhengzhong Tu, Fan Lai

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Vanderbilt University（范德比大学） ； HKUST（香港科技大学） ； NVIDIA（英伟达） ； Texas A&M University（德克萨斯农工大学） 纠错

AI总结 研究针对扩散模型服务效率低的问题，提出FlashDiff系统，通过自适应区域执行和调度，利用扩散细化特性及三种机制，有效降低端到端服务延迟，提高吞吐量。

ThinkWorld: World Imagination Reinforces Chain-of-Dynamics Reasoning

ThinkWorld：世界想象强化动力学链推理

Chaehyun Kim, Chi-Pin Huang, Jisoo Kim, Min-Hung Chen, Yu-Chiang Frank Wang, Seungryong Kim, Fu-En Yang

机构 * NVIDIA（英伟达） ； KAIST（韩国科学技术院） 纠错

AI总结 该研究提出ThinkWorld框架，通过将动作表示为动力学链并结合世界想象的强化学习，解决VLA模型泛化受限问题，实现人到机器人的经验迁移与任务泛化。

Comments Project Page: https://thinkworld-project.github.io/

ActiveAlign: Aligning Egocentric Manipulation via Active Perception

ActiveAlign：通过主动感知实现自我中心操作的对齐

Ri-Zhao Qiu, Bowen Wen, Yifeng Jiang, Chen Tessler, Eric Heiden, Xue Bin Peng, Xiaolong Wang, Stan Birchfield, Erwin Coumans

机构 * NVIDIA（英伟达） ； UC San Diego（加州大学圣迭戈分校） 纠错

AI总结 提出ActiveAlign框架，通过主动感知的两个互补模块缩小真实-仿真差距，在Unitree G1机器人上实现毫米级物体精细操作，还可用于整理机器人操作数据集的仿真环境。

cuArms: GPU-Accelerated Conflict-Based Planning for Multi-Arm Manipulation

cuArms：GPU加速的多臂操作基于冲突的规划

Philip Huang, Fabio Ramos, Jiaoyang Li, Caelan Garrett, Lars Johannsmeier

机构 * NVIDIA（英伟达） ； Carnegie Mellon（卡内基梅隆大学） ； University of Sydney（悉尼大学） 纠错

AI总结 针对现有多臂操作规划方法速度慢、扩展性差的问题，提出与GPU并行性协同设计的cuArms规划器，结合高层调度器实现多维度联合优化，达到最优性能且无需大量领域训练。

Comments 8 pages, 8 figures

EgoHand: Monocular 3D Hand Reconstruction from Egocentric Video

EgoHand：基于第一视角视频的单目三维手部重建模型

Chao-Yeh Chen, Tiffany Chen, Lin Duan, Tianyi Hu, Yu-Hsiang Huang, Umar Iqbal, Jiefeng Li, Edy Lim, Yanchen Liu, Yihan Pang, Hang Qiu, Jun Saito, Shao Su, Qingsi Wang, Xiufeng Xie

机构 * NVIDIA（英伟达） 纠错

AI总结 本研究提出EgoHand单目三维手部重建模型，通过1400万张多源数据训练，在零样本评估中泛化能力强，优于相关基线，获用户偏好认可且支持免费商业使用。

Comments Authors are listed alphabetically. Project leads are Chao-Yeh Chen, Tiffany Chen, and Umar Iqbal https://github.com/NVIDIA/IsaacCapture/tree/main/src/python/isaaccapture_egopost

Lightning Weave: Improving the Accuracy-Efficiency Frontier of Reasoning Models through Capability Composition

Lightning Weave：通过能力组合提升推理模型的精度-效率前沿

Yecheng Wu, Song Han, Han Cai

机构 * Massachusetts Institute of Technology（麻省理工学院） ； NVIDIA（英伟达） 纠错

AI总结 Lightning Weave通过在线策略蒸馏组合独立后训练模型的精度与效率能力，在数学和代码基准上显著提升精度并减少响应词元，实现最先进的精度-效率前沿。

Comments Work in progress

LoBE-GS: Load-Balanced and Efficient 3D Gaussian Splatting for Large-Scale Scene Reconstruction

LoBE-GS：负载均衡且高效的3D高斯点散射用于大规模场景重建

Sheng-Hsiang Hung, Ting-Yu Yen, Wei-Fang Sun, Simon See, Shih-Hsuan Hung, Hung-Kuo Chu

机构 * National Tsing Hua University（国立清华大学） ； NVIDIA AI Technology Center (NVAITC)（NVIDIA AI技术中心（NVAITC）） 纠错

AI总结 LoBE-GS通过负载均衡的KD树分区和优化切线，提升大规模3DGS场景重建效率，实现两倍更快的端到端训练时间，同时保持重建质量并支持无法用传统3DGS处理的场景。

Comments WACV 2027. Project Page: https://sunnyhong0326.github.io/lobe-gs/

DeFM: Learning Foundation Representations from Depth for Robotics

DeFM：从深度学习基础表示以供机器人应用

Manthan Patel, Jonas Frey, Mayank Mittal, Fan Yang, Alexander Hansson, Amir Bar, Cesar Cadena, Marco Hutter

机构 * Robotic Systems Lab (RSL), ETH Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室） ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA（NVIDIA公司） 纠错

AI总结 DeFM通过自监督学习从深度图像中学习基础表示，为机器人应用提供强大的泛化能力和仿真到现实的迁移性能。

Comments Accepted to IEEE Transactions on Robotics (T-RO), 2026

The Voice on the Line

线路上的声音

Husein Zolkepli

机构 * NVIDIA（英伟达） ； Microsoft Research（微软研究院） ； Scicom-AI-Enterprise-Organization（Scicom-AI企业组织） 纠错

AI总结 本研究针对单麦克风转录时收录多声源的问题，训练因果语音隔离器，结合WavLM权重优化权衡，发布的模型在词错误率上优于多数基准模型，还可蒸馏为轻量模型在CPU上实时运行并开源。

Improving Instruction Hierarchy by Learning from Goal-Goal Conflicts

通过从目标-目标冲突中学习改进指令层级

Sizhe Chen, Sanjay Kariyappa, Liwei Jiang, Chong Xiang, Jihye Choi, Chaowei Xiao, G. Edward Suh

机构 * NVIDIA（英伟达） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 该研究针对现有指令层级训练集缺失目标-目标冲突的问题，微调Qwen3.5-9B等模型，提升了模型在真实世界任务中的指令层级表现，且无冲突任务的效用变化极小。

One Mean Log-Mel Vector per Phoneme: Simple and Fast Text Injection for Speech Recognition

每个音素对应一个平均对数梅尔向量：用于语音识别的简单快速文本注入方法

Albert Zeyer, Davyd Naveriani, Dorian Koch, Ralf Schlüter, Hermann Ney

机构 * RWTH Aachen University（亚琛工业大学） ； AppTek GmbH（AppTek 有限公司） ； NVIDIA（英伟达） 纠错

AI总结 本文提出用音素对应平均对数梅尔向量的查找表替代TTS模型的文本注入方法，训练速度快1.8倍，在LibriSpeech数据集上取得仅用该数据的最先进WER结果，代码公开。

RSI Arena: Towards Recursive Self-Improvement with Human Feedback

RSI Arena：借助人类反馈实现递归自我改进

Yue Huang, Yanbo Wang, Lichi Li, Yuanyuan Chen, Andreas Haupt, Xiaonan Luo, Zheyuan Liu, Jihye Choi, Felix Juefei-Xu, Xiangliang Zhang, Radha Poovendran, Misha Sra, Ying Liu, Ben Burtenshaw, Thomas Wolf, Alex Pentland, Zichen Chen, Zhangchen Xu

机构 * NVIDIA（英伟达） ； OpenAI（开放人工智能公司） ； Anthropic（安索罗皮克） 纠错

AI总结 该研究提出RSI Arena，通过两阶段实验让10个前沿模型作为智能体自主训练语言模型，结合人类反馈推进递归自我改进，为自主模型开发提供可审计环境。

Comments 39 pages. Project website: https://rsiarena.org

Variational Atlas Autoencoders and Self-Supervised Chart Selection

变分图集自编码器与自监督图选择

Arno Coomans, Merlin Nimier-David, Eugene d'Eon, Boris Bonev

机构 * NVIDIA（英伟达） ； Graz University of Technology（格拉茨工业大学） 纠错

AI总结 该研究提出变分图集自编码器，通过自监督的潜在证据路由实现无标签的图分配，在CelebA等图像数据集上获得更优潜在空间与样本质量。

FG-ConvNO: A Geometry-Aware Neural Operator for Propeller CFD Prediction

FG-ConvNO：一种用于螺旋桨CFD预测的几何感知神经算子

Yichen Di, Valentin Duruisseaux, Di Zhou, Xinyi Li, Daniel Leibovici, Jean Kossaifi, Anima Anandkumar

机构 * Tsinghua University（清华大学） ； California Institute of Technology（加州理工学院） ； University of Tennessee（田纳西大学） ； NVIDIA（英伟达公司） 纠错

AI总结 提出FG-ConvNO模型，通过几何感知编码等技术解决低数据下螺旋桨CFD预测的泛化问题，在相关数据集上实现更高精度。

Comments 18 pages, 5 figures. Presented at the AAAI 2026 AI2ASE Workshop (non-archival)

Nemotron 3.5 Bolt 74B-A9B 24GB: A Hybrid Vision-Language Model for Local AI

Nemotron 3.5 Bolt 74B-A9B 24GB：一款面向本地AI的混合视觉语言模型

Ganesh Ajjanagadde, Chris Alexiuk, Luke Alonso, Kumar Anshuman, Maor Ashkenazi, Nave Assaf, Gorkem Batmaz, Omer Belhasin, Shai Ben Nun, Akhiad Bercovich, Pritam Biswas, Caroline Blanco, Tijmen Blankevoort, Michael Boone, Christopher Borden, Kari Briski, Bryan Catanzaro, Zijia Chen, Aishwarya Chhabra, Hung-Yueh Chiang, Annamalai Chockalingam, Jonathan Cohen, Joey Conway, Olivier Delalleau, Gerardo Delgado Cabrera, Leon Derczynski, Li Ding, Will Efstratis, Michael Elad, Ellie Evans, Wes Feely, Michael Fukuyama, Gaurav Garg, Rishabh Garg, Arvind Gopalakrishnan, Shishir Goyal, Kartik Gulia, Hao Guo, Negar Habibi, Scott Hara, Ehsan Hosseini Asl, Rohit Jena, Udi Karpas, Bilal Kartal, Mayank Kaushik, Manoj Kilaru, Mackenzie Kosseim, Oleksii Kuchaiev, Matthieu Le, Raymond Lee, Jian Leong, Jonathan Li, Sheldon Liang, Mingjie Liu, Eileen Long, Katherine Luna, Chenjie Luo, Mingyuan Ma, Arsh Maknojia, Richard Mazzarese, Jessica Medina, Puhui Meng, Yoav Miron, Pavlo Molchanov, David Mosallanezhad, Chetan Mungekar, Marina Neseem, Oluwatobi Olabiyi, Jason Paul, Bhavesh Pawar, Seth Poulos, Anav Prasad, Meredith Price, Sweta Priyadarshi, Haifeng Qian, Vinay Raman, Kaustubh Rao, Hayley Ross, Matan Rusanovsky, Sudeep Sabnis, Karan Sapra, Micah Schaffer, Schmitty, Alex Settle, Ashton Sharabiani, Haran Kumar Shiv Kumar, Rameshwar Shivbhakta, Guillermo Siman, Barnaby Simkin, Oliver Simons, Andrii Skliar, Padmavathy Subramanian, Yoshi Suhara, Ali Taghibakhshi, Nima Tajbakhsh, Andrew Tao, Roy Uziel, Prasoon Varshney, Jose Vergara, Huy Vu, Mengru Wang, Rochelle Woods, Pinky Xu, Dina Yared, Chenhan Yu, Chaosen Zhang, Jian Zhang, Yiheng Zhang, Ran Zilberstein

机构 * NVIDIA（英伟达） 纠错

AI总结 本研究推出Nemotron 3.5 Bolt 74B-A9B 24GB混合视觉语言模型，结合Star Elastic压缩与2-bit量化感知蒸馏，搭配LiLiCorr推测草稿模型，在多基准上准确率更高，TPS达84，适配本地内存受限的智能体应用。

Physical AI for Intralogistics: Benchmarking the NVIDIA Sim-to-Real Ecosystem for Cosmos-Enhanced COMPASS Navigation on Industrial Mobile Robots

用于内部物流的物理AI：针对工业移动机器人的Cosmos增强型COMPASS导航，对NVIDIA虚实一体生态系统进行基准测试

Charbel Abi Hana, Rayan Zaitouni, Kameel Amareen, Mohamad Mostafa, Hasan Sayour, Wei Liu, Yan Chang, Mihir Acharya, Anthony Rizk

机构 * NVIDIA（英伟达） 纠错

AI总结 本文针对工业移动机器人，测试NVIDIA虚实一体生态系统，发现用Cosmos增强数据训练的COMPASS导航策略，可大幅提升真实场景任务成功率、缩短行驶时间，接近生产导航堆栈性能。

StreamEval: Evaluating Interactive Streaming Video Generation Models

StreamEval：交互式流式视频生成模型的评估

StreamEval Team

机构 * Tsinghua University（清华大学） ； NVIDIA（英伟达公司） ； CMU（卡内基梅隆大学） ； UC Berkeley（加州大学伯克利分校） ； Princeton（普林斯顿大学） ； NUS（新加坡国立大学） 纠错

AI总结 研究推出交互式流式视频生成统一基准StreamEval，含300个测试用例，评估37种模型后发现，高视觉质量与可靠请求执行难兼顾，请求执行是全模态实时交互系统的核心挑战。

Reasoning as a Distribution: Generative Plan Latents for Vision-Language-Action Models

推理作为分布：用于视觉-语言-动作模型的生成式计划隐变量

Matteo Cercola, Katie Z Luo, Milan Ganai, John Irvin Alora, Simone Formentin, Marco Pavone

机构 * Politecnico di Milano（米兰理工大学） ； Stanford University（斯坦福大学） ； Air Force Research Laboratory（美国空军研究实验室） ； NVIDIA（英伟达公司） 纠错

AI总结 该研究针对VLA策略推理压缩为单一表示导致替代方案缺失的问题，提出GPL将推理状态表示为计划分布，实现计划采样、引导与结果适配，在多机器人任务中验证了其引导计划的有效性。

WorldOracle: Benchmarking Action-Conditioned World Models against Real-World Executions

WorldOracle：针对真实世界执行情况评估动作条件世界模型的基准

Haoyi Duan, Liliang Chen, Nan Wang, Yang Zhang, Yuhang Lu, Xiaotong Chen, Wei-Cheng Tseng, Shenyuan Gao, Zhaoshuo Li, Jingyi Jin, Pooya Jannaty, Dhruv Shah, Yuke Zhu, Ming-Yu Liu, Maoqing Yao, Guanghui Ren

机构 * AgiBot（智元机器人） ； NVIDIA（英伟达） ； Princeton University（普林斯顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Toronto（多伦多大学） 纠错

AI总结 研究人员推出WorldOracle基准，通过四个维度评估动作条件世界模型，在含成功与失败执行的真实场景上测试7种模型，为推进操纵任务的动作条件世界建模提供系统基础并将发布相关资源。

RMS-AQA: A Two-Stage Spatial Audio Question Answering Benchmark for Real-World Domestic Environments

RMS-AQA：面向真实世界家庭环境的双阶段空间音频问答基准

Peihao Chen, Qing Wang, Lichun Fan, Yufeng Hao, Zhifeng Kong, Mengyao Zhu, Hengyi Hong, Hang Chen, Hang Su, Yujie Jian, Chao-Han Huck Yang, Shichao Hu, Jun Du, Jian Luan, Ke Li

机构 * NVIDIA（英伟达） 纠错

AI总结 针对家庭具身助手的空间音频理解需求，提出双阶段SAQA基准RMS-AQA，结合真实FOA录音与RIR合成数据，并引入轻量空间插件，实验揭示并发源、远距离及域差距为主要挑战。

Comments Project page: https://github.com/rmsaqachallenge/rmsaqa-code