How Open Models Are Driving AI Research
La Conferencia Internacional sobre Aprendizaje Automático (ICML) de este año ha puesto de manifiesto una clara dirección en la investigación de inteligencia artificial: los modelos de frontera abiertos y la infraestructura de IA abierta se han convertido en fundamentales para el avance de la ciencia moderna de la IA.
NVIDIA ha tenido 74 artículos aceptados en ICML 2026. Aproximadamente 2,000 artículos aceptados citan las GPU de NVIDIA, y 145 mencionan a NVIDIA Nemotron, una familia de modelos abiertos, incluidos conjuntos de datos abiertos, como base para nuevas investigaciones. Cientos más se basan en NVIDIA Cosmos, NVIDIA Isaac GR00T, BioNeMo y otras familias de modelos abiertos de NVIDIA, abarcando la IA física, la robótica, los vehículos autónomos y la investigación biomédica.
Entre los temas destacados de este año se encuentran la generación de visión y video, el aprendizaje por refuerzo para modelos de lenguaje de gran escala (LLMs) y el entrenamiento de agentes, así como la inferencia de IA. Un área que ha captado una atención significativa es la de los modelos de mundo robótico, con trabajos como DreamDojo, que amplían los límites de cómo los sistemas de IA aprenden a razonar y actuar en entornos físicos. DreamDojo, por ejemplo, aprende cómo se comporta el mundo físico a partir de videos humanos y se basa en los modelos de frontera abiertos de NVIDIA Cosmos para predecir cómo un robot manejaría objetos y operaría en entornos en los que nunca fue entrenado.
La IA para las ciencias de la vida se ha visto impulsada por los modelos abiertos de NVIDIA BioNeMo y las contribuciones de investigación que ayudan a los investigadores a comprender la función de las proteínas, el comportamiento molecular y el código genético. Artículos como FLIP2 introducen puntos de referencia públicos para probar qué tan bien predice la IA los efectos de las mutaciones de proteínas. KERMT es un nuevo modelo abierto de BioNeMo para predecir propiedades moleculares importantes para el descubrimiento de fármacos.
La generación de datos sintéticos (SDG) ha despertado particular interés en ICML este año con varios conjuntos de datos abiertos de Nemotron y IA física, reflejando un cambio más amplio en cómo los investigadores están pensando en el entrenamiento a escala sin depender únicamente de datos etiquetados por humanos.
La infraestructura abierta proporciona a los investigadores las herramientas para acelerar los avances. Los artículos muestran que Nemotron se utiliza menos como un lanzamiento de modelo único y más como un conjunto de investigación: pesos abiertos para evaluar, conjuntos de datos abiertos para entrenar y adaptar, y recetas abiertas para el razonamiento, el uso de herramientas, la seguridad, la curación de datos y la inferencia eficiente.
El impulso se extiende más allá de los propios laboratorios de investigación de NVIDIA. Basecamp Research desarrolló un nuevo modelo de ADN, EDEN, que ayuda a los investigadores a interpretar y diseñar secuencias genéticas. Merck & Co. utiliza KERMT para predecir cómo pueden comportarse las moléculas de fármacos potenciales en el cuerpo, incluyendo si es probable que sean efectivas, seguras y desarrollables.
El ecosistema que se está construyendo sobre estos modelos abiertos promete acelerar el desarrollo y la validación de robots, vehículos autónomos y sistemas de IA de visión que perciben, razonan, planifican y actúan en el mundo físico.
Fuente: https://blogs.nvidia.com/blog/open-models-icml-2026/
Regístrate para leer esta noticia
Solo necesitas tu email. Sin contraseñas.