Die International Conference on Machine Learning (ICML) 2026 zeigt eindeutig, wohin die Reise in der KI-Forschung geht. Offene Frontier-Modelle und offene Infrastrukturen haben sich als Grundpfeiler moderner Wissenschaft etabliert. Wir fassen die wichtigsten Trends und Entwicklungen zusammen.

Die Themen, die die Forschung prägen

Dieses Jahr standen Bereiche wie Vision und Videogenerierung, Reinforcement Learning für Large Language Models (LLMs) sowie Agententraining und KI-Inferenz im Mittelpunkt. Gleichzeitig brachen spannende neue Forschungsfelder durch, die das Potenzial offener Modelle eindrucksvoll unterstreichen.

Robotik-Weltmodelle auf dem Vormarsch

DreamDojo sticht als wegweisendes Projekt hervor. Das System lernt aus menschlichen Videos, wie sich die physische Welt verhält, und baut auf den offenen NVIDIA Cosmos Frontier-Modellen auf. So kann DreamDojo vorhersagen, wie ein Roboter Objekte handhabt, die er nie zuvor gesehen hat. Forscher können Policies evaluieren, Aktionen planen und virtuelle Roboter teleoperieren, ohne physische Prototypen einsetzen zu müssen.

KI für die Lebenswissenschaften

NVIDIAs BioNeMo offene Modelle treiben die biomedizinische Forschung voran. Das Papier FLIP2 stellt öffentliche Benchmarks vor, um zu testen, wie gut KI die Auswirkungen von Proteinmutationen vorhersagt. KERMT wiederum ist ein neues BioNeMo Open Model, das molekulare Eigenschaften für die Arzneimittelforschung prognostiziert.

Synthetische Datengenerierung gewinnt an Bedeutung

Die synthetische Datengenerierung (SDG) erfuhr auf der ICML 2026 besondere Aufmerksamkeit. Forscher setzen zunehmend auf Nemotron und Physical-AI-Datasets, um Trainingsskalen zu erreichen, die allein mit menschlich annotierten Daten unmöglich wären.

Die offene Forschungsinfrastruktur

Nemotron wird dabei nicht als isoliertes Modell genutzt, sondern als umfassender Research Stack. Zur Verfügung stehen offene Gewichte zum Evaluieren, offene Datensätze zum Trainieren und Adaptieren sowie offene Recipes für Reasoning, Tool-Use, Sicherheit, Datenkuration und effiziente Inferenz.

Mit NeMo Curator erhalten Forscher eine reproduzierbare Basis für die Trainingsdaten-Kuration. SDG-Tools ermöglichen die Erstellung hochwertiger Trainingssets in einem Ausmaß und Tempo, das noch vor wenigen Jahren undenkbar war.

Die Cosmos 3 Familie offener Frontier-Omnimodelle liefert einen generationellen Sprung für die Entwicklung von Robotern, autonomen Fahrzeugen und Vision-KI. Zusätzlich unterstützen NVIDIA Alpamayo für autonomes Fahren, NVIDIA Isaac GR00T für Robotik und BioNeMo für Biomedizin die Forschung in ihren jeweiligen Industrien.

Das wachsende Ökosystem rund um offene Modelle

Der Schwung beschränkt sich nicht auf NVIDIAs eigene Labore. Basecamp Research entwickelte das DNA-Foundation-Modell EDEN, das bei der Interpretation und Gestaltung genetischer Sequenzen hilft. Merck & Co. nutzt KERMT, um das Verhalten potenzieller Arzneimittelmoleküle im Körper vorherzusagen.

Sakana AI baute seine Fugu und Fugu-Ultra Modelle direkt auf Nemotron 3 Ultra auf und treibt so die Automatisierung von KI-Forschung voran. KiloCode integrierte Nemotron in seine Code-Routing-Architektur und senkte die Token-Kosten um bis zu 90 Prozent. NAVER entwickelte auf Basis der Nemotron-Architektur ein eigenes Modell für die koreanische Sprache.

Together AI hostet Nemotron-Modelle auf ihrer Plattform und macht sie so für Forscher leichter zugänglich. Im Bereich Humanoid-Robotik setzen LG Electronics, NEURA Robotics und Noble Machines auf NVIDIA Isaac GR00T, während 1X, Boston Dynamics, Agile Robots, Hexagon Robotics und Mentee Cosmos Weltmodelle sowie Isaac Sim und Isaac Lab für die Entwicklung der nächsten Generation nutzen.

Quelle: NVIDIA Blog