NVIDIA（英伟达）

iGRPO: Self-Feedback-Driven LLM Reasoning

iGRPO：基于自我反馈的LLM推理

Ali Hatamizadeh, Shrimai Prabhumoye, Igor Gitman, Ximing Lu, Seungju Han, Wei Ping, Yejin Choi, Jan Kautz

机构 * NVIDIA（英伟达） 纠错

AI总结 iGRPO通过动态自我条件和两阶段优化，提升LLM在数学推理任务中的表现，实现更准确和一致的解决方案。

Comments Tech report

China Regional 3km Downscaling Based on Residual Corrective Diffusion Model

基于残差校正扩散模型的中国区域3公里降尺度

Honglu Sun, Hao Jing, Zhixiang Dai, Sa Xiao, Wei Xue, Jian Sun, Qifeng Lu

机构 * State Key Laboratory of Severe Weather Meteorological Science and Technology（severe weather meteorological science and technology state key laboratory） ； CMA Earth System Modeling and Prediction Centre ； NVIDIA ； Tsinghua University 纠错

AI总结 本研究提出基于残差校正扩散模型的中国区域3公里降尺度方法，通过改进模型结构和扩大降尺度区域，提升天气预报精度。

TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing

TensorHyper-VQC: 一种基于张量列车的超网络用于鲁棒且可扩展的变分量子计算

Jun Qi, Chao-Han Huck Yang, Pin-Yu Chen, Min-Hsiu Hsieh

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA（电子与计算机工程学院，佐治亚理工学院） ； NVIDIA Research, Santa Clara, CA 95051, USA（NVIDIA研究） ； IBM Thomas J. Watson Research Center, NY, 10598, USA（IBM托马斯·J·沃森研究中心） ； Hon Hai (Foxconn) Quantum Computing Research Center, Taipei, 114, Taiwan（鸿海（富士康）量子计算研究中心） 纠错

AI总结 TensorHyper-VQC 通过张量列车引导的超网络框架，提升变分量子计算的鲁棒性和可扩展性，实现高效参数生成和噪声容忍性。

Comments The paper has been accepted by npj Quantum Information and will be published in February 2026

Latent Target Score Matching, with an application to Simulation-Based Inference

潜在目标分数匹配，及其在基于模拟的推断中的应用

Joohwan Ko, Tomas Geffner

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； NVIDIA（英伟达） 纠错

AI总结 本文提出潜在目标分数匹配方法，通过利用联合分数降低方差，提升基于模拟推断任务的分数准确性和样本质量。

Comments Machine Learning and the Physical Sciences Workshop, NeurIPS 2025