国际机器学习大会（ICML）的年度论文接收情况揭示了当前人工智能研究的焦点所在。今年的会议表明，开放的前沿模型和开源的AI基础设施已成为现代AI科学研究的核心。

NVIDIA共有74篇论文被ICML 2026接纳。其中，约有2000篇论文引用了NVIDIA的GPU，而145篇论文则以NVIDIA Nemotron——一个包含开源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NVIDIA Cosmos、NVIDIA Isaac GR00T、BioNeMo及其他NVIDIA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等领域。

本年度研究的关键主题

视觉和视频生成、用于大型语言模型（LLMs）的强化学习、智能体训练以及AI推理等领域，依然是本年度论文中的重要主题，这反映了这些领域持续获得大量投资。同时，一些新兴领域也崭露头角。

机器人世界模型吸引了广泛关注，其中DreamDojo等论文在AI系统学习理解和操作物理环境方面取得了突破。例如，DreamDojo通过学习人类视频中的物理世界行为，并基于NVIDIA Cosmos开放前沿模型，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。这使得研究人员能够评估策略、规划动作并遥控虚拟机器人，从而在不承担物理部署成本和风险的情况下加速开发。

生命科学领域的AI研究得益于NVIDIA BioNeMo开放模型及其研究贡献，这些成果有助于研究人员理解蛋白质功能、分子行为和遗传密码。FLIP2等论文提出了用于测试AI预测蛋白质突变效应能力的公开基准。KERMT是一种新的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上备受关注，多个Nemotron和物理AI开放数据集的出现，反映了研究人员在扩展训练规模时，正逐渐摆脱对人工标记数据的依赖，转而探索新的训练方法。

开放的研究栈

开源基础设施为研究人员提供了加速突破的工具。

论文显示，Nemotron正被更多地用作一个研究栈，而非单一的模型发布。它提供了开放的权重供评估，开放的数据集用于训练和适配，以及开放的推理、工具使用、安全、数据整理和高效推理的“配方”。

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工具能够以几年前难以想象的速度和规模生成高质量的训练集。

Cosmos 3系列开放式前沿全能模型，在机器人、自动驾驶汽车和视觉AI的感知、推理、规划和行动能力上，为研究人员和开发者提供了代际飞跃。

此外，用于自动驾驶汽车开发的NVIDIA Alpamayo开放模型系列、用于机器人技术的NVIDIA Isaac GR00T以及用于生物医学的NVIDIA BioNeMo，都在加速各行业的研发进程。

生态系统的构建

这种发展势头不仅限于NVIDIA自身的研发部门。

Basecamp Research开发了一种新的DNA基础模型EDEN，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、安全性和可开发性。

Sakana AI在今年的ICML上展示了其直接基于Nemotron 3 Ultra构建的Fugu和Fugu-Ultra模型，利用这一开放基础在AI研究自动化方面取得了进展。

KiloCode将Nemotron集成到其代码路由架构中，报告称令牌成本降低了高达90%，这对AI生产部署的经济效益具有实际意义。

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

Together AI在其平台上托管Nemotron模型，为需要可靠、无缝访问开源推理的研究人员提供了便利。

Humanoid、LG Electronics、NEURA Robotics和Noble Machines正在采用NVIDIA 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则利用Cosmos世界模型、Isaac Sim和Isaac Lab来构建下一代人形机器人，加速其研发和验证过程。