大厂专区
Nemotron 3 说话人 diarization：推进流式说话人 diarization 中的精度-效率前沿
机构 * NVIDIA（英伟达） ； Brno University of Technology（布尔诺理工大学）
AI总结 Nemotron 3 说话人 diarization 扩展了流式 Sortformer 的说话人支持至 8 个，精简模型结构并优化训练，在多数据集上达到最优 diarization 指标，且训练效率大幅提升，代码与模型权重开源。
Comments Submitted to ICASSP 2027
AI会搞乱我的RTL吗？一种基于快照的AI编写RTL验证方法
机构 * Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； NVIDIA（英伟达）
AI总结 针对AI编写RTL的验证需求，提出SVApshot自动化框架，通过快照方法生成并修正SVA，可检测手动及AI引入的错误，还能生成形式化测试平台为硬件设计LLM基准测试提供支持。
Comments 7 pages, 1 figure
尽早释放、更少暴露：在双批次重叠下于NCCL-EP中卸载MoE调度
机构 * NVIDIA（英伟达）
AI总结 该研究针对双批次重叠下MoE调度的暴露通信问题，提出三种基于NCCL-EP的卸载方法，在GB300 NVL72系统及分布式vLLM服务中均有效降低了调度发送时间与中位数TPOT。
Comments 15 pages, 10 figures, 1 table
Evolving Infra：大规模场景下的智能体自适应大语言模型服务框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Berkeley（加州大学伯克利分校） ； NVIDIA（英伟达） ； OpenAI ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文针对现有LLM服务系统适配智能体工作负载灵活性不足的问题，提出Evolving Infra框架，通过解耦计算分配与KV缓存管理，结合在线规划器与智能体感知KV管理器，在多任务多模型实验中大幅降低了请求延迟与首包时间。
机构 * National Taiwan University（台湾大学） ； NVIDIA（英伟达）
AI总结 HIST3R是基于CUT3R的无训练流式三维重建框架，通过分解校正状态更新，在保留原方法内存与速度的同时，显著提升长程任务性能。
Comments Accepted at NeurIPS 2026. Project page: https://kennethyangg.github.io/HIST3R/
DeltaForge：一种用于多域自动驾驶的事后混合专家视觉-语言-动作（VLA）模型
机构 * NVIDIA Corporation（英伟达公司） ； University of Washington（华盛顿大学）
AI总结 DeltaForge是首个用于自动驾驶的事后混合专家VLA模型，通过SVD分解权重更新实现高效合并，在多域自动驾驶任务中精度接近单域专家且优于各类基线，新增域无需端到端重训。
LocateAnyMesh：基于视觉语言模型在2D图像中定位3D网格查询
机构 * NVIDIA Research（英伟达研究院）
AI总结 提出LocateAnyMesh视觉语言模型，用3D网格作查询，经冻结3D编码器生成标记，实现2D图像中网格定位，在BOP YCB-V等评估中提升性能，仍存相关局限。
它们能看见却无法言说：视觉推理相对位姿识别中的迭代自我知识重表达
机构 * University of Oxford（牛津大学） ； Nvidia Research（英伟达研究院） ； University of Edinburgh（爱丁堡大学）
AI总结 针对视觉推理相对位姿识别任务中视觉语言模型的系统性偏差，提出带迭代去偏的自我知识重表达方法，无需标注数据即可将开源VLMs的Macro-F1分数提升至53.7-58.0%。
Comments Accepted as NeurIPS 2026 Oral
AutoEMatic：通过指数-尾数自动优化实现运行时自适应混合精度大语言模型推理
机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（英伟达公司）
AI总结 AutoEMatic是一种全栈协同设计方案，通过运行时自适应调整大语言模型的权重、激活值和KV缓存精度，在提升准确率、降低延迟和能耗的同时，保留了较高的吞吐量。
机构 * Stanford University（斯坦福大学） ； Courant Institute, New York University（纽约大学柯朗数学科学研究所） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达） ； LightSpeed Studios, Tencent America（腾讯美国光速工作室） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Utah（犹他大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of Cambridge（剑桥大学）
AI总结 本报告梳理可微物理模拟的两类核心维度，揭示精确性与内存的权衡源于方法构建而非固有约束，分析梯度丢失机制并给出研究议程。
Comments 35 pages, 8 figures, 9 tables
CHANNELS4WORLD：面向无线基础模型的环境级数据集
机构 * Yonsei University（延世大学） ； NVIDIA（英伟达） ； University of California San Diego（加州大学圣迭戈分校）
AI总结 提出名为Channels4World的10万室外射频场景数据集，支持无线基础模型预训练，可提升模型跨部署环境泛化能力，验证了场景广度对模型性能的关键作用。
Comments 21 pages, 7 figures, 7 tables
机构 * Quandela ； NVIDIA（英伟达）
AI总结 该研究以经典计算机抽取光子器件精确输出分布样本的时间为通用单位，用photonic-engines开源库测量了单光子、纠缠光子等不同光子源的量子计算可模拟性边界，分析了硬件、算法及相干性等因素对边界的影响。
Comments 22 pages of main text, 4 Figures, 4 Tables and 22 pages of Supplementary Information
机构 * NVIDIA Corporation（英伟达公司） ； RIKEN Center for Computational Science, RIKEN（理化学研究所计算科学中心）
AI总结 该研究提出混合量子-经典方法，在固定行列式预算下改进选定组态相互作用，在Quantinuum Reimei量子计算机上针对H₁₂的实验验证其可降低变分能量。
Comments 19 pages, 10 figures; includes End Matter and Supplemental Material
HandMimicX：通过以物体为中心的策略从第一视角视频学习类人灵巧操作
机构 * Tsinghua University（清华大学） ； TsingTec（清芯科技） ； MeiTuan（美团） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； NVIDIA（英伟达）
AI总结 本研究提出HandMimicX框架，通过以物体为中心的策略从第一视角RGB-D视频学习类人灵巧操作，经仿真与真实机器人实验验证，可实现高效学习及技能的空间泛化迁移。
机构 * Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； NVIDIA（英伟达） ； University of Central Florida（中佛罗里达大学） ； Quantum Computing Data（量子计算数据） ； Cascade Quantum（瀑布量子） ； QED-C Technical Advisory Committee – Standards（QED-C技术咨询委员会-标准）
AI总结 本文提出一种错误与拓扑感知的并行电路执行方法，将多个独立电路映射到大型QPU的不同区域，在IBM 156量子比特处理器上实现3.5-5.5倍加速并保留高保真度，在GPU模拟中达13.8倍加速，显著降低量子计算执行成本。
Comments 22 pages, 10 figures, 9 tables
从检测到理解：用于多任务交通异常推理的TAR与TAR-Bench
机构 * NVIDIA（英伟达） ； Santa Clara University（圣克拉拉大学）
AI总结 该研究提出TAR与TAR-Bench数据集，用于训练评估超越异常检测的视频-语言模型，经实验验证其多任务微调可提升模型推理能力，且为2026年AI城市挑战赛第3赛道提供官方数据。
Comments Accepted to NeurIPS 2026, Evaluations and Datasets Track
机构 * NVIDIA Research（英伟达研究院） ； Yale University（耶鲁大学）
AI总结 研究针对多模态大语言模型空间推理能力不足问题，提出Spatial-IQ分层诊断框架，分解物体计数任务为子任务，生成数据集评估模型，发现模型存在问题，且用思维链监督和强化学习训练可提升模型表现。
Comments Camera-ready version. Accepted at NeurIPS 2026, Evaluations and Datasets Track
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； University of Zagreb（Zagreb大学） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Acceleration Consortium（加速联盟） ； Canadian Institute for Advanced Research（加拿大高级研究研究院） ； NVIDIA（NVIDIA公司）
AI总结 提出Clari模型，利用流匹配生成无冗余晶胞，以秒级速度实现有机晶体结构预测，速度提升15-30倍。
Comments NeurIPS 2026
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Xlue ； NVIDIA（英伟达）
AI总结 提出PithTrain，一个基于智能体原生设计原则的紧凑型MoE训练框架，通过引入ATE-Bench评估智能体任务效率，在保持生产框架吞吐量的同时，将智能体任务轮次和活跃GPU时间分别降低62%和64%。
Comments NeurIPS 2026
机构 * NVIDIA
AI总结 本文提出X-Token，一种通过投影引导的跨分词器知识蒸馏方法，解决传统方法在处理不同分词器间知识迁移时的不足，通过两个互补的损失函数改进知识蒸馏效果。
机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学） ； NVIDIA Research Seattle Robotics Lab (SRL)（NVIDIA研究塞班机器人实验室） ； University of Sydney（悉尼大学） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（化学工程与应用化学系，多伦多大学） ； Acceleration Consortium（加速联盟） ； Data Science Institute（数据科学研究所） ； Vector Institute（向量研究所） ； Robotics Institute（机器人研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究研究院）
AI总结 本文提出一种无需显式替代模型的贝叶斯优化方法，利用通用LLMs和化学基础模型的先验知识指导获取函数，提升分子发现的扩展性、鲁棒性和样本效率。
GLOBE: 基于领域启发架构和等变性的准确且可推广的PDE替代模型
机构 * NVIDIA Corporation（英伟达公司）
AI总结 GLOBE通过领域启发架构和等变性，实现了对PDE的高精度替代，显著提升了工业CAE中的准确性和可推广性。
Comments Accepted at NeurIPS 2026. 52 pages, 19 figures, 14 tables
机构 * NVIDIA（NVIDIA公司） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Harvard University（哈佛大学） ； Kempner Institute（凯姆纳研究所） ； IAIFI（IAIFI机构） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； Courant Institute, New York University（纽约大学应用数学学院） ； ML Lab at Capital Fund Management (CFM)（Capital Fund Management (CFM)机器学习实验室）
AI总结 本文提出通过流映射改进扩散模型测试时间性能，通过流映射与速度场关系构建FMTT算法，实现更优奖励上升并支持复杂图像编辑。
Comments Project page: https://flow-map-trajectory-tilting.github.io/
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/
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