NVIDIA（英伟达）

STORM: Internalized Modeling for Spatial-Temporal Reasoning in Video-Language Models

STORM: 视频语言模型中时空推理的内化建模

Yiming Liang, Yixiao Chen, Yiyang Zhou, Yixuan Wang, Shoubin Yu, Andong Deng, Fuxiao Liu, Qin Zhang, Chen Chen, Mohit Bansal, Huaxiu Yao

机构 * Purdue（普渡大学） ； Harvard（哈佛大学） ； UNC（北卡罗来纳大学教堂山分校） ； UCF（佛罗里达大学） ； NVIDIA（英伟达） ； Physion Labs（Physion 实验室） 纠错

AI总结 提出STORM框架，通过有界连续潜在轨迹内化推理过程，无需显式文本思维链或外部工具，提升视频推理准确性并降低推理开销。

Fast-dDrive: Efficient Block-Diffusion VLM for Autonomous Driving

Fast-dDrive：面向自动驾驶的高效块扩散视觉语言模型

Kewei Zhang, Jin Wang, Sensen Gao, Chengyue Wu, Yulong Cao, Songyang Han, Boris Ivanovic, Langechuan Liu, Marco Pavone, Song Han, Daquan Zhou, Enze Xie

机构 * Peking University（北京大学） ； NVIDIA ； The University of Hong Kong（香港大学） ； MIT（麻省理工学院） 纠错

AI总结 提出Fast-dDrive，一种块扩散视觉语言动作模型，通过语义单元内双向细化与跨单元因果约束，结合结构化令牌冻结、分段感知训练和推测解码，实现高保真轨迹规划与高效推理，在WOD-E2E和nuScenes上达到最优性能，推理速度提升12倍。

Hide to Guide: Learning via Semantic Masking

隐藏以引导：通过语义掩码学习

Ruitao Liu, Qinghao Hu, Alex Hu, Yecheng Wu, Shang Yang, Luke J. Huang, Zhuoyang Zhang, Han Cai, Song Han

机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） 纠错

AI总结 提出语义掩码专家策略优化（SMEPO），通过掩码专家轨迹中与奖励相关的语义片段，将困难问题转化为填空过程，提升强化学习在推理密集型任务中的探索效率。

COSY: Compositional 3DGS Synthesis for Disentangled Human Head Editing

COSY: 用于解耦人像编辑的组合式3DGS合成

Florian Barthel, Shalini De Mello, Koki Nagano, Wieland Morgenstern, Anna Hilsmann, Peter Eisert

机构 * Fraunhofer Heinrich-Hertz Institute, Germany（弗劳恩霍夫 Heinrich-Hertz 研究所，德国） ； Humboldt University Berlin, Germany（柏林洪堡大学，德国） ； NVIDIA, USA（NVIDIA，美国） 纠错

AI总结 提出一种组合式3DGS生成器架构，通过独立合成头发、皮肤、眼镜和躯干等组件实现语义属性的精确解耦编辑，无需分割掩码或几何先验。

A Tabular Schedule Abstraction for Communication-Aware Evaluation of Pipeline-Parallel LLM Training

一种用于通信感知评估流水线并行LLM训练的表格调度抽象

Daniel Barley, Jonathan Leis, Benjamin Klenk, Holger Fröning

机构 * Hardware and Artificial Intelligence (HAWAII) Lab, Heidelberg University, Heidelberg, Germany（海德堡大学硬件与人工智能实验室） ； NVIDIA Corporation, Santa Clara, CA, USA（英伟达公司） 纠错

AI总结 本文提出一种表格调度抽象和统一的多抽象方法，通过公式推理、理想化调度表和通信感知执行模拟，比较了GPipe、1F1B、Chimera和Hanayo等流水线调度方案，发现通信会抵消气泡分析的结构优势，调度排名依赖于执行环境。

Comments Accepted at the 25th IEEE International Symposium on Parallel and Distributed Computing (ISPDC 2026)

SwiftFusion: Scalable Sequence Parallelism for Distributed Inference of Diffusion Transformers on GPUs

SwiftFusion: 面向GPU上扩散Transformer分布式推理的可扩展序列并行

Jiacheng Yang, Jun Wu, Yaoyao Ding, Zhiying Xu, Yida Wang, Gennady Pekhimenko

机构 * University of Toronto \&\ Institute ； Amazon ； University of Toronto \& Vector Institute \& NVIDIA 纠错

AI总结 针对扩散Transformer推理中序列并行方法的通信和同步瓶颈，提出拓扑感知的StreamFusion引擎，通过Torus Attention和单边通信实现平均1.35倍加速。