В статье представлен SmartSDG — автоматизированный конвейер, использующий NVIDIA Isaac Sim и физически корректное затенение для оптимизации адаптации домена из синтетического в реальный. Показано, что непрямое освещение и сложные фоны улучшают обнаружение объектов за счёт сохранения текстур поверхностей и снижения числа ложных срабатываний, превосходя традиционные синтетические данные с прямым освещением.
Конвейер SmartSDG улучшает обнаружение объектов из синтетики в реальность
NVIDIA представляет Spatial-IQ: иерархическую диагностическую систему для пространственного мышления мультимодальных моделей
Исследователи NVIDIA представили Spatial-IQ — диагностическую систему, предназначенную для деконструкции пространственного интеллекта мультимодальных больших языковых моделей (MLLMs). В отличие от существующих бенчмарков, которые рассматривают модели как чёрные ящики, этот подход разбивает подсчёт объектов в стопках 3D-структур на девять перцептивных и когнитивных подзадач, согласованных с этапами человеческого развития.
Объединённый GGUF и форк llama.cpp обеспечивают поддержку аудио и видео для Nemotron-3-Nano-Omni
Автор рассматривает скрытые сбои в популярных версиях GGUF модели Nemotron-3-Nano-Omni-30B, где входные данные аудио и видео игнорировались из-за неполных файлов проектора и отсутствующих графов вывода. Для исправления этого состояния был выпущен объединённый файл mmproj, содержащий визуальный башню, полнослойный аудиоэнкодер Parakeet/FastConformer и временной видеовстраиватель, а также специализированный форк llama.cpp.
Zero-shot Nemotron 3.5 Lightning Omni добавляет зрение и аудио через геометрическое совпадение
Автор создал Nemotron 3.5 Lightning-Omni, прикрепив предварительно обученные проекторы из NVIDIA’s Nemotron-3-Nano-Omni к текстовой модели Nemotron 3.5 Lightning, что позволяет понимать изображения и аудио без дополнительного обучения.
Nemotron-3-Embed закрывает коммерческий разрыв в бенчмарках поиска MuSiQue
Новый аудит бенчмарков многошагового поиска показывает, что Nemotron-3-Embed-8B от NVIDIA устранил разрыв в производительности между коммерчески лицензированными эмбеддерами и некоммерческим якорем NV-Embed-v2 на бенчмарке MuSiQue. Выпущенная 16 июля 2026 года, эта модель является единственным коммерчески лицензированным бесплатным для самостоятельного размещения вариантом, который работает неразличимо от академического стандарта.
Microsoft Research представляет бенчмарк MindTopo для оценки пространственного мышления VLM
Microsoft Research представила MindTopo — новый бенчмарк, предназначенный для оценки того, обладают ли мультимодальные большие языковые модели топологической интуицией в отношении связности, включения, порядка, разделения и узлов.