How Open Models Are Driving AI Research - 乐竞体育

国际机器学习大会（ICML）每年都会展示全球数千名人工智能研究人员的研究成果。今年的会议论文表明，开放式前沿模型和开放式人工智能基础设施已成为现代人工智能科学研究的基石。

NVIDIA 在 ICML 2026 上共有 74 篇论文被接受。其中约 2,000 篇论文引用了 NVIDIA GPU，有 145 篇论文将 NVIDIA Nemotron — 一个包含开放数据集的开放模型系列 — 列为新研究的基础。此外，还有数百篇论文借鉴了 NVIDIA Cosmos、NVIDIA Isaac GR00T、BioNeMo 以及 NVIDIA 其他开放模型系列，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

今年的论文重点关注了视觉和视频生成、用于大型语言模型（LLMs）的强化学习、代理训练以及 AI 推理等领域。这些领域的研究持续受到高度关注，反映了对这些领域的持续投入。同时，也有几个新兴领域的研究取得了突破。

机器人世界模型引起了广泛关注，例如 DreamDojo 的论文就推动了 AI 系统在物理环境中进行推理和行动能力的边界。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训练过的环境中如何处理物体和进行操作。这使得研究人员能够评估策略、规划行动以及远程操作虚拟机器人，从而在不承担物理部署的成本和风险的情况下加速开发进程。

NVIDIA BioNeMo 开放模型以及在理解蛋白质功能、分子行为和遗传密码方面的研究贡献，为生命科学领域的人工智能研究注入了动力。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 上引起了特别的兴趣，多篇论文涉及 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的思维方式上发生了转变，不再仅仅依赖于人工标注的数据。

开放研究堆栈

开放式基础设施为研究人员提供了加速突破的工具。

论文显示，Nemotron 的使用方式已不再局限于单一模型发布，而是演变成了一个研究堆栈：开放权重用于评估，开放数据集用于训练和调整，以及开放的推理、工具使用、安全、数据策展和高效推理的“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策展训练基础。SDG 工具能够以几年前难以想象的速度和规模创建高质量的训练数据集。

Cosmos 3 系列开放式前沿全能模型，在构建能够感知、推理、规划和行动的物理世界机器人、自动驾驶汽车和视觉 AI 方面，为研究人员和开发者提供了代际飞跃的能力。

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，都在跨行业加速研究和开发。

生态系统的构建

这种势头不仅限于 NVIDIA 自身的研究实验室。

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

Merck & Co. 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 — 今年也参加了 ICML — 直接基于 Nemotron 3 Ultra 构建了 Fugu 和 Fugu-Ultra 模型，利用开放基础模型推动其在 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，报告的代币成本降低高达 90%，这对于 AI 在生产环境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 在其平台上托管 Nemotron 模型，为需要可靠、无缝访问开放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部署。而 1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 则通过使用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab，正在构建下一代人形机器人，以加速其机器人的开发和验证。