NVIDIA（英伟达）

How Auditory Knowledge in LLM Backbones Shapes Audio Language Models: A Holistic Evaluation

LLM骨干中的听觉知识如何塑造音频语言模型：全面评估

Ke-Han Lu, Szu-Wei Fu, Chao-Han Huck Yang, Zhehuai Chen, Sung-Feng Huang, Chih-Kai Yang, Yi-Cheng Lin, Chi-Yuan Hsiao, Wenze Ren, En-Pei Hu, Yu-Han Huang, An-Yu Cheng, Cheng-Han Chiang, Yu Tsao, Yu-Chiang Frank Wang, Hung-yi Lee

机构 * National Taiwan University, Taiwan（国立台湾大学） ； NVIDIA ； Academia Sinica, Taiwan（台湾“学术院”） 纠错

AI总结 研究比较不同LLM在文本仅和音频基础设置下的表现，揭示听觉知识在不同家族间差异显著，文本结果与音频性能强相关。

Comments Project website: https://kehanlu.github.io/AKB

SOL-ExecBench: Speed-of-Light Benchmarking for Real-World GPU Kernels Against Hardware Limits

SOL-ExecBench：面向真实世界GPU内核的光速基准测试，针对硬件极限

Edward Lin, Sahil Modi, Siva Kumar Sastry Hari, Qijing Huang, Zhifan Ye, Nestor Qin, Fengzhe Zhou, Yuan Zhang, Jingquan Wang, Sana Damani, Dheeraj Peri, Ouye Xie, Aditya Kane, Moshe Maor, Michael Behar, Triston Cao, Rishabh Mehta, Vartika Singh, Vikram Sharma Mailthody, Terry Chen, Zihao Ye, Hanfeng Chen, Tianqi Chen, Vinod Grover, Wei Chen, Wei Liu, Eric Chung, Luis Ceze, Roger Bringmann, Cyril Zeller, Michael Lightstone, Christos Kozyrakis, Humphrey Shi

机构 * NVIDIA 纠错

AI总结 SOL-ExecBench通过235个CUDA内核优化问题，针对NVIDIA Blackwell GPU的硬件极限，提出基于Speed-of-Light（SOL）的基准测试方法，评估内核优化效果。

UDON: Uncertainty-weighted Distributed Optimization for Multi-Robot Neural Implicit Mapping under Extreme Communication Constraints

UDON：在极端通信限制下基于不确定性加权的多机器人神经隐式映射分布式优化

Hongrui Zhao, Xunlan Zhou, Boris Ivanovic, Negar Mehr

机构 * Department of Aerospace Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校航空航天工程系） ； School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； NVIDIA Research（NVIDIA研究） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） 纠错

AI总结 UDON提出一种实时多智能体神经隐式映射框架，通过引入不确定性加权分布式优化，在极端通信退化条件下实现高质量映射，实验表明其在低至1%通信成功率下仍能保持高保真重建。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

VISTA: Validation-Guided Integration of Spatial and Temporal Foundation Models with Anatomical Decoding for Rare-Pathology VCE Event Detection

VISTA：基于解剖解码的时空基础模型验证引导整合用于罕见病理VCE事件检测

Bo-Cheng Qiu, Yu-Fan Lin, Yu-Zhe Pien, Chia-Ming Lee, Fu-En Yang, Yu-Chiang Frank Wang, Chih-Chung Hsu

机构 * National Cheng Kung University（国立成功大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； NVIDIA 纠错

AI总结 本文提出VISTA方法，通过整合时空基础模型与解剖解码，提升罕见病理事件检测的准确性，实验显示其在隐藏测试集上达到较高的mAP指标。