国际机器学习大会 (ICML) 每年都会展示数千名人工智能研究人员的研究成果。

今年的论文录用情况清晰地表明了一个趋势：开放的 Frontier 模型和开放的 AI 基础设施已成为现代 AI 科学研究的基石。

英伟达有 74 篇论文被 ICML 2026 录用。约有 2,000 篇录用论文提到了英伟达 GPU，另有 145 篇论文引用了英伟达 Nemotron（一个包含开放数据集的开放模型系列）作为新研究的基础。此外，还有数百篇论文借鉴了英伟达 Cosmos、英伟达 Isaac GR00T、BioNeMo 以及其他英伟达开放模型系列，这些研究涵盖了物理 AI、机器人、自动驾驶汽车和生物医学研究等领域。

定义今年研究的主题

视觉和视频生成、用于大型语言模型 (LLM) 的强化学习、以及代理训练和 AI 推理仍然是今年论文中的重要主题，这反映了这些领域持续的投资力度。同时，一些新兴领域也取得了突破。

机器人世界模型受到了广泛关注，例如 DreamDojo 论文就推动了 AI 系统学习理解和操作物理环境的界限。DreamDojo 通过人类视频学习物理世界的运行规律，并基于英伟达 Cosmos 开放 Frontier 模型，能够预测机器人在未曾训练过的环境中的物体处理和操作能力。它允许研究人员评估策略、规划动作以及远程控制虚拟机器人，从而在不增加物理部署成本和风险的情况下加速开发进程。

生命科学领域的 AI 研究得益于英伟达 BioNeMo 开放模型以及有助于研究人员理解蛋白质功能、分子行为和遗传密码的研究贡献。FLIP2 等论文推出了用于测试 AI 预测蛋白质突变效应能力的公开基准。KERMT 是一款新的 BioNeMo 开放模型，用于预测对药物发现至关重要的分子特性。

合成数据生成 (SDG) 在今年的 ICML 上引起了特别关注，多篇论文采用了 Nemotron 和物理 AI 开放数据集，这反映了研究人员在扩展训练规模时，不再仅仅依赖于人工标注数据的普遍转变。

开放研究栈

开放的基础设施为研究人员提供了加速突破的工具。

论文显示，Nemotron 已不再仅仅被视为一个单一的模型发布，而是更像一个研究栈：开放的权重用于评估，开放的数据集用于训练和调整，以及开放的推理、工具使用、安全、数据整理和高效推理的“食谱”。

除了模型本身，NeMo Curator 及其支持的开放数据集为研究人员提供了可复现的数据整理训练基础。SDG 工具能够以几年前无法想象的规模和速度创建高质量的训练集。

Cosmos 3 系列开放的 Frontier omnimodels，为研究人员和开发者在构建能够感知、推理、规划和操作物理世界的机器人、自动驾驶汽车和视觉 AI 方面，带来了代际飞跃。

此外，用于自动驾驶汽车开发的英伟达 Alpamayo 开放模型系列、用于机器人的英伟达 Isaac GR00T、以及用于生物医学的英伟达 BioNeMo，都有助于加速各行业的研发进程。

在此基础上构建的生态系统

这种势头不仅限于英伟达自身的研究实验室。

Basecamp Research 开发了一种新的 DNA 基础模型 EDEN，以帮助研究人员解读和设计基因序列。

Merck & Co. 公司使用 KERMT 来预测潜在药物分子在体内的行为，包括其有效性、安全性以及可开发性。

Sakana AI 在参加今年的 ICML 时，直接基于 Nemotron 3 Ultra 构建了其 Fugu 和 Fugu-Ultra 模型，利用这一开放基础推动其在 AI 研究自动化方面的工作。

KiloCode 将 Nemotron 集成到其代码路由架构中，报告称代币成本降低了高达 90%，这对于 AI 在生产中的部署经济性具有实际意义。

NAVER 开发了自己的基于 Nemotron 架构的模型，为韩语 AI 研究奠定了基础。

Together AI 正在其平台上托管 Nemotron 模型，使其对于需要可靠、无缝访问开放推理的研究人员来说更加便捷。

Humanoid、LG Electronics、NEURA Robotics 和 Noble Machines 公司正在采用英伟达 Isaac GR00T 模型，以加速其人形机器人的工业化部署。同时，1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 公司正在利用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab 构建下一代人形机器人，以加速其机器人的开发和验证。

在 Hugging Face 上探索英伟达的开放模型。

7 月 10 日星期五，在 ICML 的 GenBio Workshop 上探索基因组学和生物学研究。