Adaptive Block-Scaled Data Types
自适应块缩放数据类型
机构 * Massachusetts Institute of Technology（麻省理工学院） ； NVIDIA（英伟达）
AI总结 本文提出自适应块缩放数据类型，通过动态选择整数和浮点表示以减少量化误差，在4位量化中实现更低的训练损失和更高的任务准确性。
Comments 19 pages, 9 figures
大厂专区
NVIDIA（英伟达）
The Rise of Generative AI for Metal-Organic Framework Design and Synthesis
生成式AI在金属有机框架设计与合成中的崛起
机构 * Deep Principle, Inc.（Deep Principle公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Washington University（华盛顿大学） ； Institute of Materials Science & Engineering, Washington University（华盛顿大学材料科学与工程研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Acceleration Consortium, University of Toronto（多伦多大学加速联盟） ； University of Washington（华盛顿大学） ； University of North Texas（北德克萨斯大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Canadian Institute for Advanced Research（加拿大高等研究院） ； NVIDIA（英伟达）
AI总结 生成式AI推动金属有机框架设计方法革新，通过自主提出并合成新型多孔结构，结合高通量计算筛选和自动化实验，形成加速发现闭环流程，提升清洁空气和能源应用材料性能。
Comments 10 pages, 5 figures
Journal ref Matter (2026)
\textit{4DSurf}: High-Fidelity Dynamic Scene Surface Reconstruction
4DSurf：高保真动态场景表面重建
机构 * Australian National University（澳大利亚国立大学） ； NVIDIA（英伟达） ； Amazon（亚马逊）
AI总结 本文提出4DSurf框架，解决动态场景表面重建问题，通过高斯变形和重叠分段策略实现大变形和时间一致性，实验显示在Chamfer距离上优于现有方法。
Comments Accepted to CVPR 2026
AffordMatcher: Affordance Learning in 3D Scenes from Visual Signifiers
AffordMatcher: 从视觉符号中学习3D场景中的 affordance
机构 * University of Liverpool（利物浦大学） ； AIOZ Ltd.（AIOZ有限公司） ； National Tsing Hua University（国立清华大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Western Australia（西澳大学） ； Indian Institute of Science（印度科学理工学院） ； NVIDIA（英伟达）
AI总结 本文提出AffordMatcher，通过结合点云和图像实例，利用视觉符号实现更精确的affordance区域识别，基于大规模数据集验证了方法有效性。
Comments 14 pages. Accepted to CVPR 2026
Scaling Atomistic Protein Binder Design with Generative Pretraining and Test-Time Compute
基于生成预训练和测试时计算的原子级蛋白质结合物设计扩展
机构 * NVIDIA（英伟达） ； University of Oxford（牛津大学） ； Mila - Québec AI Institute（米拉-魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； HEC Montréal（蒙特利尔高等商学院） ； CIFAR AI Chair（CIFAR人工智能主席） ； AITHYRA ； School of Biological Sciences, Seoul National University（首尔大学生物科学学院） ； Interdisciplinary Program in Bioinformatics, Seoul National University（首尔大学生物信息学跨学科项目） ； Institute of Molecular Biology and Genetics, Seoul National University（首尔大学分子生物学与遗传学研究所） ； Artificial Intelligence Institute, Seoul National University（首尔大学人工智能研究所）
AI总结 本文提出Proteina-Complexa方法，结合生成模型与结构预测，实现高精度蛋白质结合物设计，优于现有生成和幻觉方法，同时扩展至小分子和酶设计。
Comments ICLR 2026 Oral Presentation. Project page: https://research.nvidia.com/labs/genair/proteina-complexa/
Open ASR Leaderboard: Towards Reproducible and Transparent Multilingual and Long-Form Speech Recognition Evaluation
开放语音识别排行榜：迈向可重复和透明的多语言和长文本语音识别评估
机构 * Hugging Face, Inc.（Hugging Face公司） ； NVIDIA（英伟达） ； University of Cambridge（剑桥大学） ； Mistral AI（Mistral AI公司） ； OpenAI（OpenAI公司）
AI总结 本文介绍了开放语音识别排行榜，通过学术和工业社区的贡献，比较了86种开源和专有系统在12个数据集上的表现，标准化WER和RTFx评估，促进模型架构和工具包的准确-效率比较。
Comments Leaderboard: https://huggingface.co/spaces/hf-audio/open_asr_leaderboard ; Code: https://github.com/huggingface/open_asr_leaderboard
Customized Visual Storytelling with Unified Multimodal LLMs
基于统一多模态大语言模型的定制化视觉叙事
机构 * National Taiwan University（国立台湾大学） ； NVIDIA（英伟达）
AI总结 本文提出VstoryGen框架，整合文本描述与角色背景参考，实现定制化故事生成。通过参数高效提示微调电影数据，增强电影多样性。建立两个新基准测试，评估多模态叙事的连贯性、文本-视觉对齐和镜头类型控制。
Comments Paper accepted to the CVPR 2026 Workshop on Generative AI for Storytelling (CVPRW)
The Quest for Generalizable Motion Generation: Data, Model, and Evaluation
可泛化动作生成的探索：数据、模型与评估
机构 * Nanyang Technological University（南洋理工大学） ； SenseTime Research（商汤科技研究院） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； NVIDIA Research（英伟达研究院）
AI总结 本文提出一个综合框架，通过数据、建模和评估三大支柱将视频生成知识迁移至动作生成，引入大规模数据集和改进模型，提升动作生成的泛化能力。
Comments Homepage: https://motrixlab.github.io/2026_iclr_vimogen
Schema for In-Context Learning
基于模式的上下文学习框架
机构 * University of Toronto（多伦多大学） ； Nanyang Technological University（南洋理工大学） ； Acceleration Consortium（加速联盟） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高等研究院（CIFAR）） ； NVIDIA（英伟达）
AI总结 本文提出基于认知模式的上下文学习框架，通过提取先验示例中的认知构建块，生成抽象模式以增强模型推理能力，实验证明在化学和物理问题上性能提升达36.19%。
LSM-GNN: Large-scale Storage-based Multi-GPU GNN Training by Optimizing Data Transfer Scheme
LSM-GNN: 基于大规模存储的多GPU GNN训练方法通过优化数据传输方案
机构 * NVIDIA（英伟达） ； NVIDIA/UIUC（英伟达/伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出LSM-GNN框架，通过优化数据传输方案提升多GPU环境下GNN训练效率，实验表明其在单节点双GPU配置下优于双节点四GPU的Dist-DGL基线，实现端到端训练时间的3.75倍加速。
BHCast: Unlocking Black Hole Plasma Dynamics from a Single Blurry Image with Long-Term Forecasting
BHCast: 从单张模糊图像解锁黑洞等离子体动力学的长期预测
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达）
AI总结 BHCast通过单张模糊图像预测黑洞等离子体动力学，结合多尺度金字塔损失实现超分辨率和长期稳定预测，提取时空特征并利用梯度提升树恢复黑洞属性。
Comments CVPR 2026
