NVIDIA 研究

2025年 7月 7日

提出一個維基百科規模的問題：如何利用數百萬 token 的實時推理使世界更加智能

現代 AI 應用越來越依賴于將龐大的參數數量與數百萬個令牌的上下文窗口相結合的模型。無論是經過數月對話的 AI 智能體、
3 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

借助神經重建和世界基礎模型提升自動駕駛汽車仿真速度

自動駕駛汽車 (AV) 堆棧正在從離散構建塊的層次結構發展為基于foundation models構建的端到端架構。
1 MIN READ
2025年 6月 11日

借助全新 NVIDIA Cosmos 世界基礎模型簡化端到端自動駕駛汽車開發

隨著向為自動駕駛汽車 (AV) 提供動力支持的端到端規劃模型的轉變，人們對基于物理性質的高質量傳感器數據的需求也在不斷增加。
1 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 4月 25日

R2D2：利用 NVIDIA 研究工作流程和模型提升靈巧機器人的適應性

如今，Robotic arms 用于組裝、包裝、檢查等更多應用領域。但是，它們仍然經過預編程，可以執行特定的、通常是重復性的任務。
2 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 2月 25日

代理自主級別與安全性

智能體工作流是 AI 賦能工具的下一次演進。它們使開發者能夠將多個 AI 模型關聯在一起以執行復雜的活動，
2 MIN READ
2025年 2月 25日

定義 LLM 紅色團隊

在一項活動中，人們為生成式 AI 技術 (例如大語言模型 (LLMs)) 提供輸入，以確定輸出是否會偏離可接受的標準。
1 MIN READ
2025年 1月 9日

NVIDIA Cosmos World 基礎模型平臺助力物理 AI 進步

隨著機器人和 自動駕駛汽車 的發展，加速 物理 AI 的發展變得至關重要，而物理 AI 使自主機器能夠感知、理解并在現實世界中執行復雜的操作。
4 MIN READ
2024年 11月 22日

Hymba 混合頭架構提高小型語言模型性能

Transformer 及其基于注意力的架構，憑借強大的性能、并行化功能以及通過鍵值 (KV) 緩存進行的長期召回，已成為語言模型 (LM)…
5 MIN READ
2024年 9月 6日

在電路設計中使用生成式 AI 模型

從智能文本生成大語言模型（LLMs）到創意圖像和視頻生成模型，生成式模型在過去幾年中掀起了巨大的浪潮。在 NVIDIA，
2 MIN READ
2024年 9月 5日

跨音頻類型實現先進的零樣本波形音頻生成

令人驚嘆的音頻內容是虛擬世界的重要組成部分。音頻生成式 AI 在創建此類內容方面發揮著關鍵作用，NVIDIA 正在不斷突破這一研究領域的極限。
2 MIN READ
2024年 9月 3日

實時神經接收器推動 AI-RAN 創新

當今的 5G New Radio (5G NR) 無線通信系統依靠高度優化的信號處理算法，在短短幾微秒內重建從雜信道觀察到的傳輸消息。
3 MIN READ
2024年 7月 25日

利用 NVIDIA Kaolin 庫模擬任何表示下的彈性物體

最新進展在生成式 AI 和多視圖重建領域引入了快速生成 3D 內容的新方法。然而，要在機器人、設計、AR/VR 和游戲等下游應用中發揮作用，
1 MIN READ
2024年 6月 28日

推出高性能微調解決方案 DoRA，LoRA 的替代選擇

全微調（FT）通常用于針對特定的下游任務定制通用預訓練模型。為了降低訓練成本，我們引入了參數高效微調（PEFT）方法，
3 MIN READ