NVIDIA（英伟达） - arXivDaily 大厂专区

2604.27899 2026-05-01 cs.AI

Simulating clinical interventions with a generative multimodal model of human physiology

用生成式多模态模型模拟临床干预

Guy Lutsker, Gal Sapir, Jordi Merino, Smadar Shilo, Anastasia Godneva, Eli Meirom, Shie Mannor, Hagai Rossman, Gal Chechik, Eran Segal

机构 * Department of Computer Science and Applied Mathematics, Weizmann Institute of Science（魏茨曼科学研究所计算机科学与应用数学系）； Department of Molecular Cell Biology, Weizmann Institute of Science（魏茨曼科学研究所分子细胞生物学系）； NVIDIA ； Novo Nordisk Foundation Center for Basic Metabolic Research, University of Copenhagen（诺沃维克基金会基础代谢研究中心，哥本哈根大学）； Faculty of Medical and Health Sciences, Tel Aviv University（特拉维夫大学医学与健康科学学院）； The Jesse Z and Sara Lea Shafer Institute for Endocrinology and Diabetes, National Center for Childhood Diabetes, Schneider Children’s Medical Center of Israel（杰西Z和索菲亚·李·沙弗内分泌学与糖尿病研究所，以色列儿童糖尿病国家中心，施耐德儿童医学中心）； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）

AI总结本文提出HealthFormer模型，通过训练人类表型项目数据，生成人类生理轨迹，实现对个体生理变化的预测和干预模拟，提升临床风险评分和疾病预测能力。

2602.04572 2026-05-01 cs.AI cs.GT

From Competition to Collaboration: Designing Sustainable Mechanisms Between LLMs and Online Forums

从竞争到协作：设计LLMs与在线论坛之间的可持续机制

Niv Fono, Yftah Ziser, Omer Ben-Porat

机构 * Technion–Israel Institute of Technology（技术离子-以色列理工学院）； University of Groningen（Groningen大学）； NVIDIA Research（NVIDIA研究）

AI总结本文提出一个序列交互框架，使LLMs与论坛协作，解决生成式AI依赖论坛数据的悖论，通过模拟展示激励不一致问题，证明可持续知识共享的潜力。

2604.26103 2026-05-01 cs.AR cs.AI cs.DC cs.LG

AMMA: A Multi-Chiplet Memory-Centric Architecture for Low-Latency 1M Context Attention Serving

AMMA: 一种面向低延迟1M上下文注意力服务的多芯片片内存架构

Zhongkai Yu, Haotian Ye, Chenyang Zhou, Ohm Rishabh Venkatachalam, Zaifeng Pan, Zhengding Hu, Junsung Kim, Won Woo Ro, Po-An Tsai, Shuyi Pei, Yangwook Kang, Yufei Ding

机构 * University of California, San Diego（加州大学圣迭戈分校）； Columbia University（哥伦比亚大学）； Yonsei University（延世大学）； NVIDIA（NVIDIA公司）； Samsung Semiconductor, Inc.（三星半导体公司）

AI总结 AMMA是一种面向低延迟1M上下文注意力服务的多芯片片内存架构，通过提高内存带宽和优化并行计算方案，显著降低注意力延迟和能耗。

2601.22228 2026-05-01 cs.CV cs.AI cs.CL

Lost in Space? Vision-Language Models Struggle with Relative Camera Pose Estimation

迷失在空间中？视觉-语言模型在相对相机姿态估计中挣扎

Ken Deng, Yifu Qiu, Yoni Kasten, Shay B. Cohen, Yftah Ziser

机构 * University of Edinburgh（爱丁堡大学）； University of Oxford（牛津大学）； NVIDIA Research（NVIDIA研究）； University of Groningen（格罗宁根大学）

AI总结研究视觉-语言模型在相对相机姿态估计中的表现，发现其在多视角空间推理中存在显著不足，尽管人类和专用几何方法表现良好，但VLMs仍处于初级水平，揭示了跨视角对应和投影相机运动理解等关键能力缺失。