O pesquisador da Nvidia N. Horrocks apresenta os modelos estendidos de erro de detector (EDEMs) projetados para lidar com programas quânticos tolerantes a falhas com circuitos estabilizadores e erros de Pauli estocásticos. Esses modelos permitem que a análise de erros seja composta em sequência e paralelo, espelhando a estrutura das realizações físicas do circuito.
Pesquisadores propõem o Onyx, uma abordagem eficiente em custos para busca de vizinhos mais próximos aproximados (ANN) disk-oblivious que equilibra largura de banda e contagem de acessos invertendo o design dos sistemas ORAM-ANN de última geração.
Pesquisadores apresentam o Privatar, um framework que descarrega a reconstrução de avatares de headsets para dispositivos locais não confiáveis, enquanto se protege contra interceptação de dados. O sistema aproveita o conhecimento específico do domínio da reconstrução de avatares para alcançar um descarregamento comprovadamente privado com custo mínimo de desempenho.
Pesquisadores da NVIDIA apresentaram o GPIR, um sistema que acelera a Recuperação Privada de Informação (PIR) em GPUs ao abordar a alta computação e o tráfego de memória no lado do servidor inerentes aos protocolos baseados em reticulados. O sistema emprega um modelo de execução híbrido consciente das etapas que alterna dinamicamente entre kernels em nível de operação e em nível de etapa para maximizar a reutilização de dados no chip.
Um novo estudo apresenta uma caracterização unificada em nível de sistema da computação multipartidária segura (MPC) e criptografia totalmente homomórfica (FHE) para inferência de aprendizado de máquina que preserva a privacidade. O trabalho avalia duas variantes de MPC — conversão de compartilhamento aritmético/binário e compartilhamento secreto de funções — junto com FHE em múltiplos modelos CNN e Transformer.
Um documento de posição de pesquisadores da NVIDIA descreve uma visão para proteger agentes de IA contra ataques de injeção indireta de prompts, onde instruções maliciosas embutidas em dados não confiáveis desencadeiam ações perigosas. Os autores argumentam que a defesa eficaz requer ir além de correções isoladas do modelo para arquiteturas abrangentes em nível de sistema.
A Anthropic lançou o Claude Sonnet 5.5, que gera saídas mais de 30% mais rápido que o Sonnet 5 e reduz o uso de tokens para cortar custos em até 30% por tarefa. A AMD concordou em adquirir a World Labs por $8,2 bilhões, trazendo a equipe de pesquisa de inteligência espacial de Fei-Fei Li para dentro da empresa.
A NVIDIA lançou o Kumo Tabular, um modelo base aberto para classificação e regressão tabular que opera por meio de aprendizado em contexto, sem exigir treinamento ou engenharia de recursos. Pré-treinado exclusivamente em dados artificiais gerados por Modelos Causais Estruturais, o modelo está disponível em três tamanhos, variando de 28M a 215M parâmetros.
O Holo4 é uma nova série de modelos agênicos da H Company, disponível nos tamanhos 27B denso e 35B-A3B Mixture of Experts. Esses modelos interagem com software por meio de qualquer interface — GUIs, código, MCP ou APIs — e rodam em desktops, web, Android e sandboxes usando o mesmo modelo.
A Nvidia anunciou oficialmente sua intenção de adquirir a plataforma de aprendizado de máquina Hugging Face em um acordo avaliado em 12,9 bilhões de dólares.
Pesquisadores desenvolveram um pipeline de pós-treinamento para modelos de linguagem grandes que permite alcançar desempenho de medalha de ouro em programação competitiva. Ao combinar ajuste fino supervisionado, aprendizado por reforço e uma nova estratégia orientada por feedback chamada GenCorrect, o sistema supera os melhores participantes humanos no conjunto de problemas do IOI 2026.
A NVIDIA desenvolveu pipelines de pós-treinamento para seus modelos de linguagem Nemotron-3-Nano-CC e Nemotron-3-Ultra-CC para se destacarem na programação competitiva. Ao combinar a curadoria de problemas em larga escala, rastros de raciocínio sintéticos, ajuste fino supervisionado e aprendizado por reforço, a equipe criou sistemas especializados capazes de raciocínio algorítmico de alto nível.
A NVIDIA desenvolveu um pipeline de pós-treinamento para seus modelos de linguagem Nemotron-3, permitindo que eles alcancem desempenho de nível de medalha de ouro na Olimpíada Internacional de Informática (IOI). A abordagem combina curadoria em larga escala de problemas, rastros de raciocínio sintéticos, ajuste fino supervisionado e aprendizado por reforço.
Pesquisadores da NVIDIA, MIT e da Universidade de Oxford apresentaram o Physis-Lang, um framework que aprimora os modelos de mundo em vídeo ao integrar linguagem física autoevolutiva nas legendas. Essa abordagem trata a linguagem física como uma representação otimizável usada para curadoria de dados, treinamento do modelo e inferência, corrigindo erros físicos nos vídeos gerados.
A DeepSeek está treinando seus modelos usando o hardware Ascend 950 da Huawei. Essa mudança segue uma declaração de Liang Wenfeng feita há 26 meses sobre a necessidade de alguém chegar à fronteira.
A NVIDIA lançou o modelo Nemotron-Labs-3-Competitive-Coding, um especialista em programação competitiva ajustado a partir do NVIDIA-Nemotron-3-Ultra-550B-A55B. O modelo foi treinado em rastros de raciocínio sintéticos destilados do GLM-5.2 e avaliado ao vivo no conjunto de problemas da IOI 2026.
A NVIDIA lançou a Plataforma de Segurança para Agentes Abertos da NVIDIA, uma plataforma de software aberta para segurança de agentes de IA que combina o tempo de execução seguro OpenShell com o Sentry, um watchdog fora de banda nos BlueField-4 DPUs. O sistema foi projetado para prevenir "drift", um modo de falha em que os agentes contornam os controles da camada de aplicação, ao colocar a aplicação de segurança fora do alcance do agente.
A NVIDIA lançou o OpenShell, uma sandbox de código aberto projetada para fornecer a agentes de IA locais e abertos limites reais de tempo de execução em vez de depender apenas de regras de prompt. A empresa relata que mais de 100 firmas se juntaram a esta pilha de segurança, embora a OpenAI não tenha participado.
A NVIDIA lançou o Nemotron 3 Diarization, um modelo de diarização de falantes com pesos abertos disponível no Hugging Face sob a Licença OpenMDW 1.1. O modelo de 100M parâmetros rastreia até 8 falantes sobrepostos em tempo real ou em modo offline usando um único checkpoint.
O MuJoCo Warp (MJWarp), construído sobre o NVIDIA Warp, permite que modelos compatíveis do MuJoCo sejam executados em escala de GPU, viabilizando o avanço de centenas ou milhares de mundos de simulação independentes em uma única chamada. Essa arquitetura desloca o foco da minimização de latência para um único ambiente para a melhoria da taxa de transferência agregada, o que favorece o aprendizado por reforço e a amostragem em larga escala.