NVIDIA（英伟达）

ViDoRe V3: A Comprehensive Evaluation of Retrieval Augmented Generation in Complex Real-World Scenarios

ViDoRe V3：对复杂现实场景中检索增强生成的综合评估

António Loison, Quentin Macé, Antoine Edy, Victor Xing, Tom Balough, Gabriel Moreira, Bo Liu, Manuel Faysse, Céline Hudelot, Gautier Viaud

机构 * Illuin Technology（Illuin技术公司） ； NVIDIA ； CentraleSupélec, Paris-Saclay（巴黎萨克雷中央理工学院） 纠错

AI总结 ViDoRe V3是一个多模态检索增强生成基准，涵盖10个专业领域数据集，通过12000小时人工标注评估先进RAG管道，发现视觉检索优于文本检索，晚期交互模型和文本重排序显著提升性能，但模型在非文本元素、开放性查询和细粒度视觉定位上仍有不足。

TimeOmni-1: Incentivizing Complex Reasoning with Time Series in Large Language Models

TimeOmni-1：通过时间序列激励大型语言模型的复杂推理

Tong Guan, Zijie Meng, Dianqi Li, Shiyu Wang, Chao-Han Huck Yang, Qingsong Wen, Zuozhu Liu, Sabato Marco Siniscalchi, Ming Jin, Shirui Pan

机构 * Griffith University（格里菲斯大学） ； Zhejiang University（浙江大学） ； NVIDIA（英伟达） ； Squirrel Ai Learning ； University of Palermo（帕尔米奥大学） ； Norwegian University of Science and Technology（挪威科学技术大学） 纠错

AI总结 本文提出TimeOmni-1，首个统一推理模型，通过时间序列推理解决多样化现实问题，提升因果发现和有效响应率。

Comments Accepted by the 14th International Conference on Learning Representations (ICLR 2026)

Reducing the Offline-Streaming Gap for Unified ASR Transducer with Consistency Regularization

统一ASR转录器的离线流媒体差距缩减：通过一致性正则化

Andrei Andrusenko, Vladimir Bataev, Lilit Grigoryan, Nune Tadevosyan, Vitaly Lavrukhin, Boris Ginsburg

机构 * NVIDIA, Armenia（亚美尼亚NVIDIA公司） ； NVIDIA, USA（美国NVIDIA公司） 纠错

AI总结 本文提出统一ASR框架，通过一致性正则化缩小离线与流媒体性能差距，提升低延迟流媒体准确率同时保持离线性能。

Enforcing Reciprocity in Operator Learning for Seismic Wave Propagation

在地震波传播中强制互易性于操作学习

Caifeng Zou, Yaozhong Shi, Zachary E. Ross, Robert W. Clayton, Kamyar Azizzadenesheli

机构 * Seismological Laboratory, California Institute of Technology, Pasadena, California, U.S.A.（地震实验室，加州理工学院，帕萨迪纳，加利福尼亚州，美国） ； Division of Engineering and Applied Sciences, California Institute of Technology, Pasadena, California, U.S.A.（工程与应用科学学院，加州理工学院，帕萨迪纳，加利福尼亚州，美国） ； Nvidia Corporation, Santa Clara, California, U.S.A.（英伟达公司，圣克拉拉，加利福尼亚州，美国） 纠错

AI总结 本文提出基于变换器的Reciprocity-Enforced Neural Operator，通过强制互易性原则提升物理一致性，实现多源同时处理并加速推理速度。

Ensembling Pruned Attention Heads For Uncertainty-Aware Efficient Transformers

集成剪枝注意力头用于不确定性感知的高效变压器

Firas Gabetni, Giuseppe Curci, Andrea Pilzer, Subhankar Roy, Elisa Ricci, Gianni Franchi

机构 * U2IS, ENSTA, Institut Polytechnique de Paris（U2IS、ENSTA、巴黎理工学院） ； University of Trento（特伦托大学） ； NVIDIA ； University of Bergamo, Italy（意大利贝拉姆博大学） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会） ； AMIAD, Pôle Recherche, Palaiseau（AMIAD、研究部、帕莱索） 纠错

AI总结 本文提出Hydra Ensembles，通过剪枝注意力头生成多样化成员并融合，实现高效变压器，在保持不确定性量化性能的同时，显著提升推理速度。

Comments ICLR 2026