NVIDIAs offene Modelle dominieren die ICML 2026 in Seoul
Auf der größten jährlichen Konferenz für maschinelles Lernen, die diese Woche in Seoul stattfindet, zitieren fast 2.000 akzeptierte Arbeiten NVIDIA-GPUs, und 145 stützen sich explizit auf Nemotron-Modelle. Offene Modelle und synthetische Daten haben sich als dominante Themen der Forschungsgemeinschaft herausgestellt.
Dieser Artikel wurde mithilfe von künstlicher Intelligenz aus Primärquellen erstellt.
Die International Conference on Machine Learning (ICML) 2026, die vom 6. bis 11. Juli im südkoreanischen Seoul stattfindet, hat bestätigt, was die Forschungsgemeinschaft seit einiger Zeit ahnt: Offene Modelle sind zum Rückgrat des akademischen KI-Fortschritts geworden, und NVIDIA steht im Zentrum dieser Verschiebung.
Warum sind Zitationszahlen ein Indikator, keine Marketingzahl?
Die Anzahl der Zitate in wissenschaftlichen Arbeiten ist ein objektives Maß für Einfluss – Forscher nennen keine Werkzeuge und Modelle, die sie nicht wirklich verwendet haben. Deshalb sagt die Tatsache, dass ~2.000 akzeptierte Arbeiten auf der ICML 2026 NVIDIA-GPUs als Infrastruktur nennen, viel über die Tiefe der Verankerung dieser Plattform im globalen Forschungsökosystem aus. Noch konkreter: 145 Arbeiten zitieren direkt Nemotron-Modelle oder Datensätze, die NVIDIA unter offener Lizenz verteilt – es handelt sich um Modelle, deren Gewichte und Trainingsdatensätze für Forscher öffentlich zugänglich sind.
NVIDIA ist auf der Konferenz mit 74 akzeptierten Arbeiten in verschiedenen Kategorien vertreten, von Robotik und Computer Vision bis hin zu Reinforcement Learning und Inferenz.
Die Familie offener Modelle
NVIDIAs Portfolio offener Modelle ist nach Anwendungsdomänen gegliedert. Nemotron deckt Allzweck-Sprachmodelle ab; neben der Modellarchitektur selbst veröffentlicht NVIDIA auch die beim Training verwendeten Datensätze öffentlich, was für Forscher besonders wertvoll ist, da es Reproduktion und Aufbau auf den Ergebnissen ermöglicht.
Die Cosmos-3-Serie von Omnimodellen ist für Robotik und autonomes Fahren ausgelegt. Das Modell versteht physikalische Gesetze der Umgebung und ist in der Lage, Folgen von Aktionen im dreidimensionalen Raum vorherzusagen. Auf Cosmos 3 basiert DreamDojo – eine der herausragenden Arbeiten dieser ICML-Ausgabe. DreamDojo erlernt robotisches Verhalten ausschließlich aus Videos menschlicher Aktivitäten: Ein Roboter beobachtet, wie Menschen eine Aufgabe ausführen, und Cosmos 3 hilft ihm dabei, ein internes Modell der physischen Umgebung aufzubauen – ohne vorherige aufgabenspezifische Programmierung. Roboter der Unternehmen Boston Dynamics, Agility Robotics und 1X übernehmen bereits Cosmos- und Isaac GR00T-Modelle für humanoide Robotik.
Für die Biowissenschaften entwickelt NVIDIA die BioNeMo-Plattform. Zwei herausragende Beispiele von der ICML: der FLIP2-Benchmark zur Vorhersage der Auswirkungen von Proteinmutationen, der Forschern eine standardisierte Bewertung neuer Methoden ermöglicht, sowie das KERMT-Modell zur Vorhersage molekularer Eigenschaften im Kontext der Wirkstoffforschung. Der Pharmariese Merck & Co. integriert KERMT bereits in eigene Forschungsprozesse.
Synthetische Daten als dominantes Thema
Die Analyse der akzeptierten Arbeiten zeigt, dass synthetische Datengenerierung als eines der am häufigsten vertretenen Themen der gesamten Konferenz hervorgetreten ist. Der Trend ist kein Zufall: Einerseits wird das Sammeln und Annotieren realer Daten immer kostspieliger und zeitaufwendiger, während synthetische Daten durch Generierung hochwertiger Variationen das Training beschleunigen, ohne neue Annotationen zu erfordern.
Das Unternehmen KiloCode illustriert die geschäftliche Dimension dieses Ansatzes anschaulich – durch Einsatz von Nemotron-Modellen und einer Code-Routing-Architektur erzielte das Unternehmen eine Kostensenkung pro Token von bis zu 90% im Vergleich zu früheren Ansätzen.
Das breitere Partner-Ökosystem
Offene Modelle schaffen ein Schwungrad: Sakana AI baut Fugu-Modelle auf der Nemotron-Architektur auf, NAVER entwickelt koreanischsprachige KI, und Together AI hostet Nemotron-Modelle als API-Service für die breitere Entwicklergemeinschaft. In den Biowissenschaften veröffentlicht Basecamp Research EDEN – ein DNA-Foundation-Modell, das sich auf NVIDIAs Infrastruktur stützt.
Der gemeinsame Nenner aller dieser Kooperationen ist der Zugang zu offenen Gewichten und Datensätzen, der die Einstiegshürden für Forschungsgruppen ohne eigene Ressourcen für das Training von Grund auf senkt.
Die ICML 2026 dauert bis zum 11. Juli; das vollständige Programm der Arbeiten steht Forschern über die offizielle Konferenz-Website zur Verfügung.
Häufig gestellte Fragen
- Was ist DreamDojo und wie nutzt es NVIDIAs Modelle?
- DreamDojo ist ein auf der ICML vorgestelltes Forschungsprojekt, das Cosmos-3-Modelle nutzt, um robotisches Verhalten aus Videos menschlicher Aktivitäten zu erlernen – ohne aufgabenspezifisches Vortraining.
- Wie viele Arbeiten auf der ICML 2026 zitieren NVIDIA-Technologie?
- Insgesamt etwa 2.000 akzeptierte Arbeiten nennen NVIDIA-GPUs als Infrastruktur, während 145 Arbeiten direkt Nemotron-Modelle oder Datensätze zitieren.
- Welche realen Anwendungen haben BioNeMo-Modelle?
- Der Pharmariese Merck hat KERMT, ein BioNeMo-Modell zur Vorhersage molekularer Eigenschaften, zur Beschleunigung der Wirkstoffforschung eingeführt.