Nvidia、量子回路エラーの合成のための拡張検出器エラーモデルを導入
Nvidiaの研究者N. Horrocksは、安定化回路と確率的パウリエラーを扱う耐障害性量子プログラム用に設計された拡張検出器エラーモデル（EDEMs）を紹介します。これらのモデルにより、エラー解析がシーケンシャルおよび並列に合成可能となり、物理的な回路実装の構造を反映します。
Onyx、disk-oblivious ANN検索でコストを1.7〜9.9倍、レイテンシを2.3〜12.3倍低減
研究者らは、state-of-the-artなORAM-ANNシステムの設計を反転させることで帯域幅とアクセス数をバランスさせ、disk-oblivious近似最近傍（ANN）検索のコスト効率の高いアプローチであるOnyxを提案した。
Privatarは安全なオフロードによりスケーラブルなプライバシー保護型マルチユーザーVRを実現
研究者らは、アバターの再構築をヘッドセットから信頼できないローカルデバイスにオフロードしつつ、データ傍受から保護するフレームワーク「Privatar」を発表した。このシステムは、アバターの再構築に関するドメイン固有の知識を活用し、最小限のパフォーマンスコストで証明可能なプライバシー保護型オフロードを実現している。
NVIDIA、GPU加速プライベート情報取得のためのGPIRをリリース
NVIDIAの研究チームは、格子ベースプロトコルに固有の高いサーバー側計算とメモリトラフィックに対処することで、GPU上でのプライベート情報取得（PIR）を加速するシステムGPIRを発表しました。このシステムは、チップ内データ再利用を最大化するために、演算レベルとステージレベルのカーネルの間で動的に切り替えるステージ対応型ハイブリッド実行モデルを採用しています。
NVIDIAがPPMLのMPCおよびFHEのパフォーマンスとコストを特性評価
新しい研究は、プライバシー保護機械学習推論のための安全なマルチパーティ計算（MPC）および完全ホモモフィック暗号（FHE）の統一されたシステムレベルでの特性評価を示しています。この作業は、複数のCNNおよびTransformerモデルにおいて、2つのMPCバリアント—算術/バイナリ共有変換および関数秘密共有—とFHEを評価します。
NVIDIA、AIエージェントにおける間接プロンプトインジェクションに対するシステムレベルの防御を提案
NVIDIAの研究員によるポジションペーパーは、信頼できないデータに埋め込まれた悪意のある指示が危険なアクションを引き起こす間接プロンプトインジェクション攻撃からAIエージェントを守るためのビジョンを概説しています。著者たちは、効果的な防御には孤立したモデルの修正を超え、包括的なシステムレベルのアーキテクチャへの移行が必要であると主張しています。
AMDがWorld Labsを82億ドルで買収；Claude Sonnet 5.5がコストを30%削減
AnthropicはClaude Sonnet 5.5をリリースし、Sonnet 5よりも30%以上高速に出力を生成し、タスクあたりのコストを最大30%削減するためにトークン使用量を削減しました。AMDはWorld Labsを82億ドルで買収することに合意し、Fei-Fei Liの空間知能研究チームを社内に組み込みました。
NVIDIAがゼロショット表形式予測用のオープンなKumo Tabularファウンデーションモデルをリリース
NVIDIAは、トレーニングや特徴エンジニアリングを必要とせず、コンテキスト内学習を通じて動作する表形式の分類および回帰用のオープンなファウンデーションモデルであるKumo Tabularをリリースした。構造化因果モデルによって生成された人工データのみで事前学習されており、28Mから215Mパラメータの3つのサイズで提供されている。
Holo4: GUI、コード、API向けの汎用エージェントモデル
Holo4は、H社による新しいエージェントモデルシリーズで、27BのDenseと35B-A3BのMixture of Expertsサイズが利用可能です。これらのモデルは、GUI、コード、MCP、APIを含むあらゆるインターフェースを通じてソフトウェアと対話し、同じモデルを使用してデスクトップ、Web、Android、およびサンドボックス上で動作します。
Nvidia、Hugging Faceを129億ドルで買収
Nvidiaは、機械学習プラットフォームであるHugging Faceを129億ドルの取引で買収する意向を正式に発表した。
NVIDIA Nemotron-3 モデルが IOI 2026 で金メダル級およびトップ人間スコアを達成
研究者らは、大規模言語モデルが競技プログラミングで金メダル級の性能を発揮できるようにするポストトレーニングパイプラインを開発した。教師ありファインチューニング、強化学習、そして GenCorrect と呼ばれる新しいフィードバック駆動型戦略を組み合わせることで、このシステムは IOI 2026 の問題セットにおいてトップの人間出場者を上回る性能を示した。
NVIDIA Nemotron-3モデルがIOIプログラミング競技で金メダル級の性能を達成
NVIDIAは、競合プログラミングにおいて卓越したパフォーマンスを発揮するため、Nemotron-3-Nano-CCおよびNemotron-3-Ultra-CC言語モデル向けのポストトレーニングパイプラインを開発した。大規模な問題キュレーション、合成推論トレース、教師ありファインチューニング、強化学習を組み合わせることで、チームは高度なアルゴリズム的推論能力を持つ専門システムを作成した。
NVIDIAのNemotron-3モデルがIOIプログラミング競技で金メダル級の性能を達成
NVIDIAは、そのNemotron-3言語モデル向けのポストトレーニングパイプラインを開発し、国際情報オリンピック（IOI）で金メダル級の性能を実現可能にした。このアプローチは、大規模な問題キュレーション、合成推論トレース、教師ありファインチューニング、強化学習を組み合わせたものである。
NVIDIAの研究者がCosmos 3動画モデルの物理推論を改善するPhysis-Langを公開
NVIDIA、MIT、オックスフォード大学の研究者らは、自己進化型の物理言語をキャプションに統合することで動画の世界モデルを強化するフレームワーク「Physis-Lang」を発表した。この手法は、生成された動画の物理エラーを修正するために、データ選別、モデル学習、推論に使用される最適化可能な表現として物理言語を取り扱う。
DeepSeek、Ascend 950 でモデルをトレーニング
DeepSeek は Huawei の Ascend 950 ハードウェアを使用してモデルのトレーニングを行っています。この動きは、26 か月前に誰かがフロンティアに出る必要があると述べた Liang Wenfeng の声明に続くものです。
NVIDIA Nemotron-Labs-3 Competitive-CodingモデルがIOI 2026で535.4点を獲得
NVIDIAは、NVIDIA-Nemotron-3-Ultra-550B-A55Bからファインチューニングされた競技プログラミング専門のNemotron-Labs-3-Competitive-Codingモデルをリリースした。このモデルはGLM-5.2から蒸留された合成推論トレースでトレーニングされ、IOI 2026の問題セットでリアルタイムに評価された。
NVIDIAがOpenShellとSentryを用いたオープンエージェント安全プラットフォームを発売
NVIDIAは、AIエージェントのセキュリティのためのオープンソフトウェアプラットフォームである「NVIDIA Open Agent Safety Platform」を発売した。これは、OpenShellの安全なランタイムと、BlueField-4 DPU上のアウトオブバンド監視装置であるSentryを組み合わせたものである。本システムは、エージェントがアプリケーション層の制御を回避するという失敗モードである「ドリフト」を防ぐために、安全対策のエージェントからのアクセス不可能な領域に配置することを目的としている。
NVIDIA、エージェント向けにランタイム制限付きのOpenShellサンドボックスを出荷
NVIDIAは、ローカルおよびオープンなAIエージェントに対してプロンプトルールのみを頼りにするのではなく、実際のランタイム制限を提供するように設計されたオープンソースのサンドボックスであるOpenShellをリリースしました。同社は、このセキュリティスタックに100社以上が参加していると報告していますが、OpenAIは参加していません。
NVIDIAが8人の話者を追跡する1億パラメータのモデル「Nemotron 3 Diarization」をリリース
NVIDIAは、Hugging FaceでOpenMDWライセンス1.1の下で公開されているオープンウェイトの話者 diarization モデル「Nemotron 3 Diarization」をリリースしました。この1億パラメータのモデルは、単一のチェックポイントを使用して、リアルタイムまたはオフラインモードで最大8人の重なり合う話者を追跡します。
NVIDIA WarpとMjWarpがGPU加速の並列ロボティクスシミュレーションを実現
NVIDIA Warpを基盤とするMuJoCo Warp（MJWarp）は、互換性のあるMuJoCoモデルをGPUスケールで実行可能にし、1回の呼び出しで数百または数千の独立したシミュレーションワールドの展開を可能にします。このアーキテクチャは、単一の環境に対するレイテンシー最小化から集約スループットの向上へと焦点を移し、強化学習や大規模サンプリングに有利なものです。