NVIDIA（英伟达）

On Data Engineering for Scaling LLM Terminal Capabilities

关于扩大LLM终端能力的数据工程

Renjie Pi, Grace Lam, Mohammad Shoeybi, Pooya Jannaty, Bryan Catanzaro, Wei Ping

机构 * NVIDIA 纠错

AI总结 本文提出Terminal-Task-Gen和Terminal-Corpus，通过训练Nemotron-Terminal模型显著提升终端任务性能。

LUMEN: Longitudinal Multi-Modal Radiology Model for Prognosis and Diagnosis

LUMEN: 长期多模态放射学模型用于预后和诊断

Zhifan Jiang, Dong Yang, Vishwesh Nath, Abhijeet Parida, Nishad P. Kulkarni, Ziyue Xu, Daguang Xu, Syed Muhammad Anwar, Holger R. Roth, Marius George Linguraru

机构 * 1 Sheikh Zayed Institute for Pediatric Surgical Innovation, Children's National Hospital, Washington DC, USA 2 Nvidia Corporation, Santa Clara, CA, USA 3 ETSI Telecomunicaci\' o n, Universidad Polit\' e cnica de Madrid, Madrid, Spain 4 School of Medicine ； Health Sciences, George Washington University, Washington DC, USA 纠错

AI总结 LUMEN模型通过多任务指令微调提升纵向放射影像的诊断与预后能力。

Comments Accepted to IEEE International Symposium on Biomedical Imaging (ISBI) 2026

BoxSplitGen: A Generative Model for 3D Part Bounding Boxes in Varying Granularity

BoxSplitGen：一种用于不同粒度3D部件边界框的生成模型

Juil Koo, Wei-Tung Lin, Chanho Park, Chanhyeok Park, Minhyuk Sung

机构 * KAIST（韩国科学技术院） ； NVIDIA（英伟达） 纠错

AI总结 BoxSplitGen通过迭代分割边界框生成不同粒度的3D部件边界框，提升3D创作中从粗到细的生成效果。

Comments Project page: https://boxsplitgen.github.io

Fast-ThinkAct: Efficient Vision-Language-Action Reasoning via Verbalizable Latent Planning

Fast-ThinkAct: 通过可言说的潜在规划实现高效的视觉-语言-动作推理

Chi-Pin Huang, Yunze Man, Zhiding Yu, Min-Hung Chen, Jan Kautz, Yu-Chiang Frank Wang, Fu-En Yang

机构 * NVIDIA（英伟达） 纠错

AI总结 Fast-ThinkAct通过可言说的潜在规划实现高效的视觉-语言-动作推理，显著降低推理延迟并保持长周期规划能力。

Comments CVPR 2026. Project page: https://jasper0314-huang.github.io/fast-thinkact/

NewtonBench: Benchmarking Generalizable Scientific Law Discovery in LLM Agents

NewtonBench: 在LLM代理中评估可推广的科学定律发现

Tianshi Zheng, Kelvin Kiu-Wai Tam, Newt Hue-Nam K. Nguyen, Baixuan Xu, Zhaowei Wang, Jiayang Cheng, Hong Ting Tsang, Weiqi Wang, Jiaxin Bai, Tianqing Fang, Yangqiu Song, Ginny Y. Wong, Simon See

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； NVIDIA（英伟达） 纠错

AI总结 NewtonBench通过反事实定律变化生成科学定律发现任务，评估LLM代理在复杂系统中发现隐藏原理的能力，并揭示其在系统复杂性和观测噪声下的脆弱性。

Comments ICLR 2026

DeLTa: Demonstration and Language-Guided Novel Transparent Object Manipulation

DeLTa: 人机交互与语言引导的新透明物体操控演示

Taeyeop Lee, Gyuree Kang, Bowen Wen, Youngho Kim, Seunghyeok Back, In So Kweon, David Hyunchul Shim, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） ； NVIDIA（英伟达） ； KIMM（韩国智能媒体实验室） 纠错

AI总结 DeLTa通过整合深度估计、6D姿态估计和视觉-语言规划，实现基于自然语言指令的精确长周期透明物体操控，无需额外训练或类别先验。

Comments Project page: https://sites.google.com/view/DeLTa25/

Augmenting Molecular Graphs with Geometries via Machine Learning Interatomic Potentials

通过机器学习互作用势增强分子图的几何结构

Cong Fu, Yuchao Lin, Zachary Krueger, Haiyang Yu, Maho Nakata, Jianwen Xie, Emine Kucukbenli, Xiaofeng Qian, Shuiwang Ji

机构 * Department of Computer Science & Engineering（计算机科学与工程系） ； Texas A&M University（德克萨斯大学） ； RIKEN Cluster for Pioneering Research, RIKEN（RIKEN先锋研究集群） ； Lambda, Inc.（Lambda公司） ； NVIDIA ； Department of Materials Science & Engineering（材料科学与工程系） 纠错

AI总结 本文提出通过机器学习互作用势模型获取分子几何结构，以提高分子性质预测的准确性。

Comments Accepted by TMLR