NVIDIA（英伟达）

Preference-ASR: A Preference-Aware Test Set for Benchmarking ASR in the Era of Speech LLMs

Preference-ASR：面向语音LLM时代的偏好感知ASR基准测试集

Nithin Rao Koluguri, Sasha Meister, Nikolay Karpov, Piotr Zelasko, Desh Raj, Jagadeesh Balam, Boris Ginsburg

机构 * NVIDIA, USA（NVIDIA美国公司） 纠错

AI总结 针对现有ASR基准无法评估模型遵循用户输出风格偏好的问题，提出Preference-ASR测试集，通过两阶段LLM辅助流程构建，涵盖归一化、实体、不流畅和大小写四类偏好指令，揭示传统评估忽略的质量差异。

Comments Accepted at Interspeech 2026

Human2Any: Human-to-Robot Transfer via Constraint-Aware Compositional Planning

Human2Any: 通过约束感知的组合规划实现人到机器人的迁移

Shuo Cheng, Chuye Zhang, Alfred Cueva, Caelan Garrett, Ajay Mandlekar, Danfei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Corporation（英伟达公司） 纠错

AI总结 提出Human2Any框架，从人类视频学习可重用的物体中心交互先验，结合机器人端可行性推理与运动规划，实现无需目标任务真实机器人数据的跨实体、场景和任务迁移。

GPU-Accelerated Inverse Structural Anastylosis from Block Collapse Dynamics

基于块体坍塌动力学的GPU加速逆向结构拼合

L. A. Muñoz

机构 * NVIDIA Ambassador（NVIDIA 代表） ； Computational Robotics Lab（计算机器人实验室） ； School of Engineering and Sciences（工程与科学学院） ； Tecnológico de Monterrey（蒙特雷理工大学） 纠错

AI总结 提出GPU加速深度学习框架JIP-2，将结构拼合视为逆向预测任务，通过物理引擎模拟和双流ResNet-18网络，从坍塌块体图像重建原始结构，并在玛雅遗址Uxmal验证。

Comments 20 pges, github link included, 6 figures