博客多模态重点3 天前
NVIDIA Open Models Advance Europe’s Sovereign Intelligence Across Industries
NVIDIA 扩展 Nemotron 3.5 等开放模型
覆盖语言、机器人、生物与量子的开放模型组合，支持本地数据定制与自主部署，值得企业评估。
多模态
共 50 条 · 按质量与时效综合排序 · 仅收录近 3 个月内容最近同步 9 分钟前
已折叠 · 展开查看该领域的技术路线图、最新技术与成果、发展态势与前景趋势（含表格与 Mermaid 路线图）。
论文多模态视频生成重点5 天前
Matrix-Game 4.0: Harnessing Video Models for Real-Time Playable Game Worlds
Matrix-Game 4.0 在 RTX5090 上实现 480p 60FPS，延迟 112ms
将游戏逻辑与视频生成分离，以可执行引擎和自回归视频渲染实现低延迟交互；代码、权重和资产开源，为实时视频生成应用提供可复现路线。
博客多模态视觉语言理解重点9 天前
Open From Data Center to Desktop: NVIDIA Expands Nemotron Family With Highest Efficiency Super VL and Bolt Models
NVIDIA 开源 Nemotron 3.5 Super VL/Bolt
开放权重覆盖数据中心到边缘，降低 agent 部署门槛并影响本地推理选型。
论文多模态视频生成重点4 天前
Recast the Past: Stable Long Video Generation with Full Context Memory
ReCam 长视频生成获 VBench-Long 最高分 80.1
长视频生成的全上下文记忆与去噪调度设计可有效缓解漂移，对视频生成工程优化有明确借鉴。
论文多模态图像生成与编辑重点4 天前
Attractive Faces Skew Text-to-Image Reward Models and Leaderboards
研究显示人脸吸引力偏差可颠覆 T2I 排行榜与奖励模型
提醒评估与排行榜需控制人脸吸引力等混杂因素，避免奖励模型被无关特征偏置，影响对齐实践。
博客多模态重点3 天前
NVIDIA Transforms European Retail, From Digital Discovery to Physical Operations
Shopify 后训练开放模型，推理成本降 90%
给出开放模型后训练与推理优化在生产代理中的降本数据，对模型选型和降本有参考。
论文多模态视觉语言理解2 天前
Watch and Learn: Teaching Visual In-Context Learning by Removing Textual Shortcuts
移除文本捷径微调提升视觉上下文学习 8.1 到 18.0 点
证明视觉演示数据应成为 VLM 训练标准组成，提升多图与纯文本上下文学习且不损单图能力。
论文多模态视觉语言理解3 天前
WeVisOne-VL: Unified Visual Perception from Objects to Pixels
WeVisOne-VL 统一对象与像素级感知，覆盖 30+ 基准
开源 VLM 统一检测、OCR、分割与 matting，为细粒度视觉感知提供可部署参考。
论文多模态4 天前
LaLa-World: Scaling Latent World Models with Natural Language Actions
LaLa-World 用语言条件接口让潜世界模型跨域学习规划
展示语言条件统一异构数据训练世界模型的可行路径，对具身智能规划与策略微调有参考意义。
论文多模态3D 与空间智能2 天前
PhysibleMDM: Enforcing Inference-Time Physical Feasibility Constraints on Motion Diffusion Models via Noise Optimization
PhysibleMDM推理时优化扩散噪声：地面穿透/自碰撞/滑动降75%/92%/74%
无需重训即可提升扩散运动生成的物理可行性，减少后续仿真/控制中的轨迹违规，对运动生成落地有直接借鉴价值。
博客多模态视频生成3 天前
NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models
NVIDIA Cosmos 扩展世界模型训练工具
为物理 AI 提供数据、训练、仿真与评估工具链，利于自动驾驶和机器人世界模型落地。
模型多模态图像生成与编辑2026/09/16
meta-models/Muse-Spark-Open-816B-A42B
Muse-Spark-Open-816B-A42B 现身：816B 总参、42B 激活的文生图+文本 MoE
若确为开放权重，将刷新开源多模态 MoE 规模上限，需评估自托管显存与 42B 激活的推理成本。