AI 基礎模型

2025年 6月 17日
R2D2:利用 NVIDIA Research 構建AI驅動的3D機器人感知與地圖構建技術
機器人必須感知和解釋其 3D 環境,才能安全有效地行動。這對于非結構化或陌生空間中的自主導航、對象操作和遠程操作等任務尤為重要。
3 MIN READ

2025年 6月 16日
使用世界基礎模型生成的合成軌跡數據提高機器人學習效果
在機電一體化和機器人 AI 基礎模型的進步的推動下,通用型機器人技術已經問世。但關鍵的瓶頸依然存在:
2 MIN READ

2025年 6月 11日
使用 NVIDIA Cosmos Predict-2 構建自定義物理人工智能基礎模型
構建更智能的機器人和自動駕駛汽車 (AV) 始于能夠理解現實世界動態的物理 AI 模型。這些模型發揮著兩個關鍵作用:
2 MIN READ

2025年 6月 11日
借助 NVIDIA 生物醫學 AI-Q 研究代理 Blueprint 推進文獻回顧和目標發現
長期以來,生物醫學研究和藥物研發一直受到勞動密集型流程的限制。為了發起藥物研發活動,研究人員通常會梳理大量科學論文,
1 MIN READ

2025年 6月 9日
借助 EoRA 快速恢復 LLM 壓縮錯誤的免微調方法
模型壓縮技術已經過廣泛探索,可減少為大語言模型 (LLM) 或其他大型神經網絡提供服務所需的計算資源。 但是,與未壓縮的模型相比,
5 MIN READ

2025年 5月 16日
R2D2:通過 NVIDIA Research 解鎖機器人裝配和豐富的接觸操作
本期 NVIDIA 機器人研發摘要 (R2D2) 探討了 NVIDIA Research 針對機器人裝配任務提供的多個接觸性豐富的操作工作流,
3 MIN READ

2025年 3月 27日
R2D2:利用 NVIDIA 研究中心的新型工作流和 AI 基礎模型,提升機器人的移動和全身控制能力
歡迎閱讀首期“NVIDIA 機器人研究與開發摘要(R²D²)”。
3 MIN READ

2025年 3月 18日
加速通用人形機器人的開發:NVIDIA Isaac GR00T N1
人形機器人需要能夠適應人類工作空間,處理重復性或高強度任務。然而,為真實世界的任務和不可預測的環境創建通用人形機器人是一項挑戰。通常來說,
2 MIN READ

2025年 3月 12日
輕量級、多模態、多語種 Gemma 3 模型實現性能優化
使用基礎模型構建 AI 系統需要在內存、延遲、存儲、計算等資源之間實現微妙的平衡。在將生成式 AI 功能引入快速發展的 AI 應用生態系統時,
1 MIN READ

2025年 2月 26日
在 NVIDIA GPU 上訓練的 Microsoft Phi SLM 的多模態最新進展
大語言模型(LLMs)已滲透到各行各業,并改變了技術潛力。但是,由于規模龐大,它們對于許多公司目前面臨的資源限制來說并不切實際。
1 MIN READ

2025年 2月 11日
NVIDIA DGX 云推出即用型模板,更好地評估 AI 平臺性能
在快速發展的 AI 系統和工作負載環境中,實現出色的模型訓練性能遠遠超出芯片速度。這需要對整個堆棧進行全面評估,從計算到網絡,再到模型框架。
2 MIN READ

2025年 1月 6日
Llama Nemotron 模型提升智能體 AI 工作流的準確性和效率
Agentic AI 是新一波生成式 AI 浪潮,是一種范式轉變,通過使 AI 系統能夠自主行動并實現復雜的目標,具有變革行業的潛力。
2 MIN READ

2024年 12月 18日
NVIDIA?TensorRT-LLM?現支持?Recurrent Drafting,實現?LLM?推理優化
Recurrent Drafting (簡稱 ReDrafter) 是蘋果公司為大語言模型 (LLM) 推理開發并開源的一種新型推測解碼技術,
2 MIN READ

2024年 12月 17日
利用 NVIDIA NeMo-Aligner 進行監督式微調的數據高效知識蒸餾
知識蒸餾是一種將更大的教師模型的知識轉移到更小的學生模型的方法,理想情況下可生成緊湊、易于部署的學生,且準確度與教師相當。
2 MIN READ

2024年 11月 21日
聚焦:借助 AVEVA 動態模擬和 NVIDIA Raptor 推進自動駕駛操作
工業工程師正在利用人工智能構建先進的流程模擬解決方案,并加快能源、電力和化學行業實現完全自主運營的進程。
2 MIN READ

2024年 11月 21日
利用 NVIDIA NIM 實現 AI 模型微調部署
對于使用特定領域數據調整 AI 基礎模型的組織而言,快速創建和部署微調模型的能力是高效地通過企業生成式 AI 應用提供價值的關鍵。
2 MIN READ