NVIDIA（英伟达）

Scaling-Aware Data Selection for End-to-End Autonomous Driving Systems

面向端到端自动驾驶系统的缩放感知数据选择

Tolga Dimlioglu, Nadine Chang, Maying Shen, Rafid Mahmood, Jose M. Alvarez

机构 * New York University（纽约大学） ； NVIDIA（英伟达） ； University of Ottawa（渥太华大学） 纠错

AI总结 本文提出MOSAIC框架，通过分域、拟合神经缩放规律和迭代优化数据混合，提升自动驾驶模型在EPDMS指标上的性能，比基线模型减少80%的数据使用。

Comments Accepted to CVPR 2026, 8 pages of main body and 10 pages of appendix

Quantum Walks-Based Adaptive Distribution Generation with Efficient CUDA-Q Acceleration

基于量子行走的自适应分布生成与高效CUDA-Q加速

Yen-Jui Chang, Wei-Ting Wang, Chen-Yu Liu, Yun-Yuan Wang, Ching-Ray Chang

机构 * Chung Yuan Christian University（中原大学） ； National Taiwan University（国立台湾大学） ； NVIDIA Corp（英伟达公司） 纠错

AI总结 本文提出一种基于量子行走的自适应分布生成方法，结合变分量子电路与离散时间量子行走，高效生成高精度概率分布，应用于金融模拟和二维图案生成。

Comments 17 pages, 5 figures

Journal ref Quantum Machine Intelligence 8, 42 (2026)

DP-DeGauss: Dynamic Probabilistic Gaussian Decomposition for Egocentric 4D Scene Reconstruction

DP-DeGauss：动态概率高斯分解用于眼动4D场景重建

Tingxi Chen, Zhengxue Cheng, Houqiang Zhong, Su Wang, Rong Xie, Li Song

机构 * Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University（上海交通大学图像通信与网络工程研究所） ； Nvidia（英伟达） 纠错

AI总结 本文提出DP-DeGauss方法，通过动态概率高斯分解实现眼动4D场景重建，解决动态第一视角场景重建中的复杂运动、遮挡和手-物体交互问题，实现背景、手部和物体的解耦。

Tractable Uncertainty-Aware Meta-Learning

可 tractable 的不确定性意识元学习

Young-Jin Park, Cesar Almecija, Apoorva Sharma, Navid Azizan

机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） 纠错

AI总结 本文提出 LUMA，一种用于回归的元学习方法，能够高效地进行分布内任务的概率预测，检测分布外上下文数据，并有效处理异质多模态任务分布。