每年，国际机器学习大会（ICML）都会公布数千名人工智能研究人员的研究成果。今年的录用论文揭示了一个明确的方向：开放前沿模型和开放人工智能基础设施已成为现代人工智能科学的基础。

NVIDIA 在 ICML 2026 上共有 74 篇论文被录用。约有 2,000 篇录用论文引用了 NVIDIA GPU，145 篇论文引用了 NVIDIA Nemotron——一个包含开放数据集的开放模型家族——作为新研究的基础。另有数百篇论文借鉴了 NVIDIA Cosmos、NVIDIA Isaac GR00T、BioNeMo 以及其他 NVIDIA 开放模型家族，涵盖了物理 AI、机器人、自动驾驶汽车和生物医学研究。

定义今年研究的主题

视觉和视频生成、大型语言模型（LLMs）的强化学习以及 Agent 训练以及 AI 推理等领域仍然是今年论文中的突出主题，这反映了这些领域持续的投资——同时也有一些新领域崭露头角。

机器人世界模型引起了广泛关注，像 DreamDojo 这样的论文在 AI 系统如何学习推理和在物理环境中行动方面取得了突破。例如，DreamDojo 通过人类视频学习物理世界的运作方式，并基于 NVIDIA Cosmos 开放前沿模型来预测机器人在从未训练过的环境中如何处理物体和操作。它允许研究人员评估策略、规划行动和远程操作虚拟机器人，从而加速开发，而无需承担物理部署的成本和风险。

生命科学领域的人工智能得到了 NVIDIA BioNeMo 开放模型和研究贡献的推动，这些模型和贡献有助于研究人员理解蛋白质功能、分子行为和遗传密码。FLIP2 等论文介绍了用于测试 AI 预测蛋白质突变效果的公共基准。KERMT 是一个用于预测对药物发现至关重要的分子特性的新 BioNeMo 开放模型。

合成数据生成（SDG）在今年的 ICML 上引起了特别的兴趣，其中包括一些 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。

开放研究栈

开放基础设施为研究人员提供了加速突破的工具。

论文显示，Nemotron 的使用方式不再是单一的模型发布，而更像是一个研究栈：提供开放权重用于评估，开放数据集用于训练和调整，以及用于推理、工具使用、安全、数据策展和高效推理的开放配方。

除了模型之外，NeMo Curator 及其支持的开放数据集为研究人员提供了一个可复现的数据集策展基础。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集。

NVIDIA Alpamayo 开放模型家族用于自动驾驶汽车开发，NVIDIA Isaac GR00T 用于机器人技术，NVIDIA BioNeMo 用于生物医学，这些都加速了跨行业的研发。

建立在顶层的生态系统

这种势头已经超出了 NVIDIA 自身的实验室。

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. 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 — 直接在 Nemotron 3 Ultra 的基础上构建了其 Fugu 和 Fugu-Ultra 模型，利用开放的基础来推进其在 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，报告称成本降低了高达 90%——这一结果对于 AI 在生产环境中的部署经济性具有实际意义。

NAVER 使用 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，使需要可靠、无缝访问开放推理的研究人员能够更容易地获得这些模型。

Humanoid、LG Electronics、NEURA Robotics 和 Noble Machines 正在采用 NVIDIA Isaac GR00T 模型来加速其人形机器人的工业部署，而 1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 正在使用 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 NVIDIA 的开放模型。

在 7 月 10 日星期五的 ICML GenBio 研讨会上探索基因组学和生物学研究。