NVIDIA（英伟达）

DexImit: Learning Bimanual Dexterous Manipulation from Monocular Human Videos

DexImit：从单目人类视频中学习双臂灵巧操作

Juncheng Mu, Sizhe Yang, Yiming Bao, Hojin Bae, Tianming Wei, Linning Xu, Boyi Li, Huazhe Xu, Jiangmiao Pang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； NVIDIA（英伟达） 纠错

AI总结 DexImit通过四阶段生成流程，将单目人类视频转化为物理合理的机器人数据，以解决双臂灵巧操作的泛化问题。

Routing, Cascades, and User Choice for LLMs

路由、级联与用户选择用于大语言模型

Rafid Mahmood

机构 * University of Ottawa（渥太华大学） ； NVIDIA（NVIDIA公司） 纠错

AI总结 本文研究了大语言模型路由策略与用户行为之间的博弈，揭示了提供者与用户在效用和成本排序上的不一致，提出了基于Stackelberg博弈的路由优化方法，并得出了单用户单提供者互动的阈值规则。

Comments 23 pages, accepted in ICLR 2026

CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation

CHIP：通过回顾扰动实现人形机器人适应性合规性控制

Sirui Chen, Zi-ang Cao, Zhengyi Luo, Fernando Castañeda, Chenran Li, Tingwu Wang, Ye Yuan, Linxi "Jim" Fan, C. Karen Liu, Yuke Zhu

机构 * NVIDIA ； Stanford University（斯坦福大学） ； UT Austin（得克萨斯大学奥斯汀分校） 纠错

AI总结 CHIP通过回顾扰动实现人形机器人可控的末端执行器刚度，无需额外调优即可完成多种力量操作任务。

Comments The first two authors contributed equally. Project page: https://nvlabs.github.io/CHIP/

General Binding Affinity Guidance for Diffusion Models in Structure-Based Drug Design

基于结构的药物设计中扩散模型的通用结合亲和力指导

Yue Jian, Curtis Wu, Danny Reidenbach, Aditi S. Krishnapriyan

机构 * University of California, Berkeley（加州大学伯克利分校） ； NVIDIA（NVIDIA公司） 纠错

AI总结 BADGER是一种用于基于结构的药物设计中扩散模型的通用结合亲和力指导框架，通过两种互补策略提升配体生成的结合亲和力控制，并支持多约束优化设计真实可合成的药物候选物。

Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits

预训练张量团网络促进使用变分量子电路的机器学习

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

机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Research（NVIDIA研究） ； IBM Research（IBM研究） ； Hon Hai (Foxconn) Quantum Computing Research Center（鸿海（富士康）量子计算研究中心） 纠错

AI总结 预训练张量团网络通过降低量子机器学习中的数据编码复杂度，提升变分量子电路分类任务的效率与性能。

Comments The paper has been accepted by ICASSP 2026