नवीडिया शोधकर्ता एन. हॉरॉक्स स्थिरकारक सर्किट और स्टोकास्टिक पॉली त्रुटियों के साथ दोष-सहिष्णु क्वांटम प्रोग्रामों को संभालने के लिए डिज़ाइन किए गए विस्तृत डिटेक्टर त्रुटि मॉडल (EDEMs) पेश करते हैं। ये मॉडल त्रुटि विश्लेषण को क्रमिक और समानांतर में संयोजित करने की अनुमति देते हैं, जो भौतिक सर्किट कार्यान्वयन की संरचना को दर्शाते हैं।
शोधकर्ताओं ने Onyx का प्रस्ताव रखा है, जो disk-oblivious अनुमानित निकटतम पड़ोसी (ANN) खोज के लिए एक लागत-कुशल दृष्टिकोण है जो state-of-the-art ORAM-ANN सिस्टम के डिज़ाइन को उलटकर बैंडविड्थ और एक्सेस गिनती के बीच संतुलन बनाता है।
शोधकर्ताओं ने Privatar पेश किया, एक फ्रेमवर्क जो हेडसेट से अवतार पुनर्निर्माण को अविश्वासनीय स्थानीय उपकरणों पर ऑफलोड करता है जबकि डेटा इंटरसेप्शन के खिलाफ सुरक्षा प्रदान करता है। सिस्टम न्यूनतम प्रदर्शन लागत के साथ साबित करने योग्य गोपनीयता वाले ऑफलोडिंग को प्राप्त करने के लिए अवतार पुनर्निर्माण के डोमेन-विशिष्ट ज्ञान का लाभ उठाता है।
NVIDIA के शोधकर्ताओं ने GPIR पेश किया है, एक ऐसा सिस्टम जो लैटिस-आधारित प्रोटोकॉल में अंतर्निहित उच्च सर्वर-साइड कंप्यूटेशन और मेमोरी ट्रैफिक को संबोधित करके GPU पर निजी जानकारी प्राप्ति (PIR) को त्वरित करता है। सिस्टम एक चरण-जागरूक हाइब्रिड एक्जीक्यूशन मॉडल का उपयोग करता है जो ऑन-चिप डेटा पुन: उपयोग को अधिकतम करने के लिए ऑपरेशन-स्तर और चरण-स्तरीय kernels के बीच गतिशील रूप से स्विच करता है।
एक नया अध्ययन गोपनीयता-संरक्षित मशीन लर्निंग इनफरेंस के लिए सुरक्षित बहु-पार्टी कंप्यूटेशन (MPC) और पूर्ण होमोमॉर्फिक एन्क्रिप्शन (FHE) का एक एकीकृत सिस्टम-स्तर वर्गीकरण प्रस्तुत करता है। कार्य दो MPC प्रकारों — अंकगणितीय/बाइनरी शेयरिंग रूपांतरण और फंक्शन सीक्रेट शेयरिंग — का FHE के साथ कई CNN और Transformer मॉडल पर मूल्यांकन करता है।
NVIDIA शोधकर्ताओं द्वारा एक स्थिति पत्र ने AI एजेंट्स को अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन हमलों से सुरक्षित करने की दृष्टि रेखांकित की है, जहां अविश्वसनीय डेटा में एम्बेडेड दुर्भावनापूर्ण निर्देश खतरनाक कार्यों को ट्रिगर करते हैं। लेखकों का तर्क है कि प्रभावी रक्षा के लिए मॉडल फिक्स से परे जाकर व्यापक सिस्टम-स्तरीय आर्किटेक्चर की आवश्यकता है।
Anthropic ने Claude Sonnet 5.5 जारी किया, जो Sonnet 5 की तुलना में आउटपुट को 30% से अधिक तेजी से उत्पन्न करता है और प्रति कार्य लागत को 30% तक कम करने के लिए टोकन उपयोग को कम करता है। AMD ने World Labs को $8.2 बिलियन में खरीदने के लिए सहमति दी, जिससे Fei-Fei Li की स्थानिक-बुद्धि शोध टीम आंतरिक रूप से जुड़ गई।
NVIDIA ने Kumo Tabular जारी किया है, जो तालिका वर्गीकरण और रिग्रेशन के लिए एक खुला फाउंडेशन मॉडल है जो प्रशिक्षण या फीचर इंजीनियरिंग की आवश्यकता के बिना इन-कॉन्टेक्स्ट लर्निंग के माध्यम से संचालित होता है। स्ट्रक्चरल काज़ुअल मॉडल्स द्वारा उत्पन्न कृत्रिम डेटा पर ही प्रीट्रेन किया गया, इस मॉडल को 28M से 215M पैरामीटर तक के तीन आकारों में उपलब्ध कराया गया है।
Holo4 H Company द्वारा एजेंटिक मॉडल्स की एक नई श्रृंखला है, जो 27B डेंस और 35B-A3B मिक्सचर ऑफ एक्सपर्ट्स आकारों में उपलब्ध है। ये मॉडल किसी भी इंटरफ़ेस—GUIs, कोड, MCP या API—के माध्यम से सॉफ़्टवेयर के साथ इंटरैक्ट करते हैं और एक ही मॉडल का उपयोग करके डेस्कटॉप, वेब, Android और सैंडबॉक्स पर चलते हैं।
Nvidia ने मशीन लर्निंग प्लेटफॉर्म Hugging Face को 12.9 अरब डॉलर के सौदे में खरीदने की अपनी इच्छा का आधिकारिक रूप से घोषणा किया है।
शोधकर्ताओं ने बड़े भाषा मॉडल्स के लिए एक पोस्ट-ट्रेनिंग पाइपलाइन विकसित की है जो उन्हें प्रतिस्पर्धी प्रोग्रामिंग में स्वर्ण पदक स्तर का प्रदर्शन करने में सक्षम बनाती है। सुपरवाइज्ड फाइन-ट्यूनिंग, रीइंफोर्समेंट लर्निंग और GenCorrect नामक एक नई फीडबैक-ड्रिवन रणनीति को जोड़कर, यह प्रणाली IOI 2026 समस्या सेट पर शीर्ष मानव प्रतिभागीओं से बेहतर प्रदर्शन करती है।
NVIDIA ने प्रतिस्पर्धी प्रोग्रामिंग में उत्कृष्टता हासिल करने के लिए अपने Nemotron-3-Nano-CC और Nemotron-3-Ultra-CC भाषा मॉडल के लिए पोस्ट-ट्रेनिंग पाइपलाइन विकसित की है। बड़े पैमाने पर समस्याओं का चयन, संश्लेषित तर्क ट्रेस, सुपरवाइज्ड फाइन-ट्यूनिंग और रीइंफोर्समेंट लर्निंग को जोड़कर, टीम ने उच्च स्तरीय एल्गोरिदमिक तर्क करने में सक्षम विशेष प्रणालियाँ बनाई हैं।
NVIDIA ने अपने Nemotron-3 भाषा मॉडल के लिए एक पोस्ट-ट्रेनिंग पाइपलाइन विकसित की है, जिससे वे अंतर्राष्ट्रीय ओलंपियाड इन इन्फॉर्मेटिक्स (IOI) में स्वर्ण पदक स्तर की प्रदर्शनता हासिल कर सकें। इस दृष्टिकोण में बड़े-पैमाने पर समस्याओं का चयन, संश्लेषित तर्क ट्रेस, सुपरवाइज्ड फाइन-ट्यूनिंग और रीइंफोर्समेंट लर्निंग को जोड़ा गया है।
NVIDIA, MIT और ऑक्सफोर्ड विश्वविद्यालय के शोधकर्ताओं ने Physis-Lang पेश किया है, एक फ्रेमवर्क जो कैप्शन में स्व-विकासशील भौतिक भाषा को एकीकृत करके वीडियो वर्ल्ड मॉडल को बढ़ावा देता है। यह दृष्टिकोण भौतिक भाषा को डेटा चयन, मॉडल प्रशिक्षण और उत्पन्न वीडियों में भौतिक त्रुटियों को ठीक करने के लिए उपयोग की जाने वाली एक अनुकूलनीय निरूपण के रूप में मानता है।
DeepSeek Huawei के Ascend 950 हार्डवेयर का उपयोग करके अपने मॉडल को प्रशिक्षित कर रहा है। यह बदलाव Liang Wenfeng द्वारा 26 महीने पहले किए गए एक बयान के बाद आया है जिसमें किसी के अग्रिम पर पहुंचने की आवश्यकता बताई गई थी।
NVIDIA ने Nemotron-Labs-3-Competitive-Coding मॉडल जारी किया है, जो NVIDIA-Nemotron-3-Ultra-550B-A55B से फाइन-ट्यूंड एक कॉम्पिटिटिव प्रोग्रामिंग विशेषज्ञ है। इस मॉडल का प्रशिक्षण GLM-5.2 से डिस्टिल्ड सिंथेटिक रीजनिंग ट्रेस पर किया गया था और इसे IOI 2026 समस्या सेट पर लाइव एवल्यूएट किया गया।
NVIDIA ने NVIDIA Open Agent Safety Platform लॉन्च किया है, जो AI एजेंट सुरक्षा के लिए एक ओपन सॉफ़्टवेयर प्लेटफॉर्म है जो OpenShell सुरक्षित रनटाइम को Sentry के साथ जोड़ता है, जो BlueField-4 DPUs पर आउट-ऑफ़-बैंड वॉचडॉग है। सिस्टम "ड्रिफ्ट" नामक विफलता मोड को रोकने के लिए डिज़ाइन किया गया है, जहां एजेंट एप्लिकेशन-स्तरीय नियंत्रणों को पार कर जाते हैं, सुरक्षा प्रवर्तन को एजेंट की पहुंच से बाहर रखकर।
NVIDIA ने OpenShell जारी किया है, जो एक ओपन-सोर्स सैंडबॉक्स है जिसे स्थानीय और ओपन AI एजेंट्स को केवल प्रॉम्प्ट नियमों पर निर्भर रहने के बजाय वास्तविक रनटाइम सीमाएं प्रदान करने के लिए डिज़ाइन किया गया है। कंपनी की रिपोर्ट के अनुसार, इस सुरक्षा स्टैक में 100 से अधिक कंपनियां शामिल हो चुकी हैं, हालाँकि OpenAI ने भाग नहीं लिया।
NVIDIA ने Hugging Face पर OpenMDW License 1.1 के तहत उपलब्ध एक ओपन-वेट स्पीकर डायरिजेशन मॉडल Nemotron 3 Diarization जारी किया है। यह 100M-पैरामीटर वाला मॉडल एकल चेकपॉइंट का उपयोग करके रियल-टाइम या ऑफलाइन मोड में 8 ओवरलैपिंग वक्ताओं को ट्रैक करता है।
NVIDIA Warp पर निर्मित MuJoCo Warp (MJWarp), संगत MuJoCo मॉडलों को GPU स्केल पर चलने की अनुमति देता है, जिससे एक ही कॉल में सैकड़ों या हज़ारों स्वतंत्र सिम्युलेशन दुनियाओं के विकास की सुविधा मिलती है। यह आर्किटेक्चर एकमात्र वातावरण के लिए अल्पविलंबता को कम करने से ध्यान को समग्र थ्रूपुट में सुधार पर स्थानांतरित करता है, जो पुनर्बल सीखने और बड़े-पैमाने के नमूनाकरण का समर्थन करता है।