Jedes Jahr zeigt die International Conference on Machine Learning (ICML), worin Tausende von KI-Forschern ihre Arbeit investieren.
Die diesjährigen Accepted Paper zeigen eine klare Ausrichtung: Offene Frontier-Modelle und eine offene KI-Infrastruktur sind zu einer Grundlage der modernen KI-Wissenschaft geworden.
NVIDIA hatte 74 Artikel, die beim ICML 2026 akzeptiert wurden. Etwa 2.000 akzeptierte Artikel zitieren NVIDIA-GPUs, und 145 zitieren NVIDIA Nemotron – eine Familie offener Modelle, einschließlich offener Datensätze – als Grundlage für neue Forschung. Hunderte weitere nutzen NVIDIA Cosmos, NVIDIA Isaac GR00T, BioNeMo und andere Familien offener Modelle von NVIDIA, die sich auf physische KI, Robotik, autonome Fahrzeuge und biomedizinische Forschung erstrecken.
Die Themen, die die diesjährige Forschung definieren
Bereiche wie Vision und Videogenerierung, bestärkendes Lernen für große Sprachmodelle (LLMs) und Agententraining sowie KI-Inferenz blieben prominente Themen in den diesjährigen Artikeln, was die nachhaltigen Investitionen in diesen Bereichen widerspiegelt – während auch in mehreren neuen Bereichen Durchbrüche erzielt wurden.
Roboterweltmodelle zogen erhebliche Aufmerksamkeit auf sich, wobei Publikationen wie DreamDojo die Grenzen dessen verschoben, wie KI-Systeme lernen, in physischen Umgebungen zu denken und zu handeln. DreamDojo beispielsweise lernt aus menschlichen Videos, wie sich die physische Welt verhält, und baut auf offenen Frontier-Modellen von NVIDIA Cosmos auf, um vorherzusagen, wie ein Roboter mit Objekten umgehen und in Umgebungen arbeiten würde, für die er nie trainiert wurde. Es ermöglicht Forschern, Strategien zu bewerten, Maßnahmen zu planen und einen virtuellen Roboter zu teleoperieren, wodurch die Entwicklung ohne die Kosten und Risiken einer physischen Bereitstellung beschleunigt wird.
KI für die Biowissenschaften wurde durch die offenen NVIDIA BioNeMo-Modelle und Forschungsbeiträge vorangetrieben, die Forschern helfen, die Proteinfunktion, das molekulare Verhalten und den genetischen Code zu verstehen. Artikel wie FLIP2 führen öffentliche Benchmarks ein, um zu testen, wie gut KI die Auswirkungen von Proteinmutationen vorhersagt. KERMT ist ein neues offenes BioNeMo-Modell für die Vorhersage molekularer Eigenschaften, die für die Medikamentenentwicklung wichtig sind.
Die Generierung synthetischer Daten (SDG) stieß dieses Jahr mit mehreren offenen Nemotron- und physische KI-Datensätzen auf besonderes Interesse, was eine breitere Verlagerung in der Art und Weise widerspiegelt, wie Forscher über das Training in großem Maßstab nachdenken, ohne sich ausschließlich auf von Menschen gekennzeichnete Daten zu verlassen.
Der Open Research Stack
Eine offene Infrastruktur bietet Forschern die Werkzeuge, um Durchbrüche zu beschleunigen.
Die Papiere zeigen, dass Nemotron weniger wie eine einzige Modellveröffentlichung und mehr wie ein Forschungsstack genutzt wird: offene Gewichte zum Evaluieren, offene Datensätze, mit denen man trainieren und sich anpassen kann, und offene Rezepte für Reasoning, den Einsatz von Tools, Sicherheit, Datenkuration und effiziente Inferenz.
Neben den Modellen bieten NeMo Curator und die von ihm unterstützten offenen Datensätze Forschern eine reproduzierbare Grundlage für die Datenkuration beim Training. SDG-Tools ermöglichen die Erstellung hochwertiger Trainingssätze in einem Maßstab und einer Geschwindigkeit, die vor nur wenigen Jahren undenkbar gewesen wäre.
Die Cosmos 3-Familie offener Frontier-Omnimodelle bietet Forschern und Entwicklern einen Generationssprung bei der Fähigkeit, Roboter, autonome Fahrzeuge und Vision-KI zu entwickeln, die in der physischen Welt wahrnehmen, logisch denken, planen und handeln.
Darüber hinaus tragen die offene NVIDIA Alpamayo-Modellfamilie für die Entwicklung autonomer Fahrzeuge, NVIDIA Isaac GR00T für die Robotik und NVIDIA BioNeMo für die Biomedizin dazu bei, die Forschung und Entwicklung in verschiedenen Branchen zu beschleunigen.
Das darauf aufbauende Ökosystem
Die Dynamik geht über die eigenen Forschungslabore von NVIDIA hinaus.
Basecamp Research hat ein neues DNA-Foundation Model EDEN entwickelt, das Forschern hilft, genetische Sequenzen zu interpretieren und zu entwerfen.
Merck & Co. nutzt KERMT, um vorherzusagen, wie sich potenzielle Medikamentenmoleküle im Körper verhalten könnten, einschließlich der Frage, ob sie wahrscheinlich effektiv, sicher und entwickelbar sind.
Sakana AI – das dieses Jahr an der ICML teilnimmt – hat seine Fugu– und Fugu-Ultra-Modelle direkt auf Nemotron 3 Ultra entwickelt und die offene Grundlage genutzt, um seine Arbeit zur Automatisierung der KI-Forschung voranzutreiben.
KiloCode integrierte Nemotron in seine Code-Routing-Architektur und erzielte so eine Senkung der Tokenkosten um bis zu 90 %. Ein Ergebnis mit realen Auswirkungen auf die Wirtschaftlichkeit der Bereitstellung von KI in der Produktion.
NAVER hat sein eigenes Modell mit der Nemotron-Architektur entwickelt und so die Grundlage für die koreanischsprachige KI-Forschung erweitert.
Together AI hostet Nemotron-Modelle auf seiner Plattform, um sie für Forscher, die einen zuverlässigen, nahtlosen Zugang zu offener Inferenz benötigen, zugänglicher zu machen.
Humanoid, LG Electronics, NEURA Robotics und Noble Machines setzen NVIDIA Isaac GR00T-Modelle ein, um die industrielle Bereitstellung ihrer Humanoiden zu beschleunigen, während 1X, Agility, Agile Robots, Boston Dynamics, Hexagon Robotics und Mentee die nächste Generation von Humanoiden mit Cosmos-Weltmodellen, Isaac Sim und Isaac Lab entwickeln, um die Entwicklung und Validierung ihrer Roboter zu beschleunigen.
Entdecken Sie die offenen Modelle von NVIDIA auf Hugging Face.
Entdecken Sie die Genomik- und Biologieforschung am Freitag, dem 10. Juli, beim GenBio Workshop des ICML.