最近の投稿

2026 年 7 月 31 日

NVIDIA NeMo RL ではじめる強化学習 - Gym 編

NVIDIA NeMo RL と NeMo Gym を活用した LLM の強化学習の実践法を解説します。NeMo Gym　を用いたマルチ環境での評価および改善から学習時のトラブルシューティングまでを網羅し、開発者が RL を円滑に導入するための知見を共有します。
8 MIN READ
2026 年 7 月 27 日

モデル性能を高める 6 つのエージェント ハーネス機能

同一のモデルを使ってもハーネス設計だけで、ベンチマーク結果が 2 桁ポイント変わり、トークン コストにも大きな差が生じることがあります。 NVIDIA Labs Object-Oriented Agents (NOOA) は、このインサイトを基に構築されたオープンソースの研究プレビューです。
3 MIN READ
2026 年 7 月 16 日

コンテキストに応じた動画 AI エージェントのエンタープライズ ワークフローへの統合

NVIDIA NemoClaw、VSS、RAG を活用し、ビデオ解析 AI を企業のワークフローに統合する方法を解説します。具体的なアクションへ繋げる自律的なアプローチをご確認ください。
4 MIN READ
2026 年 6 月 24 日

NVIDIA NeMo RL ではじめる強化学習 - Math 編

エージェント型 AI の流れにより、LLM の事後学習における強化学習の重要性が高まっています。この記事では、NVIDIA がオープン ソースとして公開しているマルチモーダル モデル向けの事後学習ライブラリ「NeMo RL」を使用した強化学習について解説します。
6 MIN READ
2026 年 5 月 13 日

AI エージェントとスキルを活用して、ビデオを即座に検索可能で実用的なインテリジェンスに変換する

この記事では、自律型の動画分析 AI エージェントを構築するために、コーディング エージェントで VSS スキルを活用する方法を学べます。
4 MIN READ
2026 年 4 月 28 日

24 時間 365 日 のシミュレーション ループ: エージェント型 AI がサブサーフェス エンジニアリングを前進させる仕組み

繰り返し発生する技術的なハードルを、エージェント型 AI でオフロードすることで、より広範なソリューション空間を探索し、資産価値の向上を推進しましょう。
2 MIN READ
2026 年 4 月 20 日

NVIDIA Jetson でメモリ効率を最大化して大規模なモデルを実行

リソースに制約のあるエッジ システムで、開発者がパフォーマンス、効率性、機能を最大化するのに役立つ最適化戦略について説明します。
4 MIN READ
2026 年 4 月 8 日

NVIDIA Omniverse ライブラリを活用した、フィジカル AI 機能の既存アプリへの統合

NVIDIA Omniverse は、既存アプリにフィジカル AI 機能を統合しやすくするため、レンダリング (ovrtx)、物理シミュレーション (ovphysx)、データ パイプライン (ovstorage) を C API として公開しています。
4 MIN READ
2026 年 3 月 17 日

Nemotron-Nano-9B-v2-Japanese の推論チュートリアル

NVIDIA DGX Spark、NVIDIA Jetson Thor、NVIDIA RTX PRO 6000 Blackwell 向けに Nemotron-Nano-9B-v2-Japanese をデプロイする実装例をご紹介します。
8 MIN READ
2026 年 3 月 16 日

NVIDIA OpenShell で自律的かつ自己進化するエージェントをより安全に実行

新しいオープンソース ランタイムにより、開発者はエンタープライズのプライバシーとセキュリティを維持しながら、claw の生産性を享受できます。
1 MIN READ
2026 年 3 月 13 日

NVIDIA Cosmos 世界基盤モデルによる、合成データのスケールアップとフィジカル AI リーズニングの実現

トレーニング データ不足の問題を解決する、最新の Cosmos WFM (世界基盤モデル)、フィジカル AI を進化させる主な機能、そしてそれらの使用方法について解説します。
3 MIN READ
2026 年 3 月 11 日

Nemotron 3 Super の紹介: エージェント型推論向けのオープン ハイブリッド Mamba-Transformer MoE

Nemotron 3 Super は、高容量の推論モデルにおける典型的な効率と精度のトレードオフを軽減するアーキテクチャ革新を導入しています。
3 MIN READ
2026 年 2 月 6 日

NVFP4 が AI のトレーニングと推論を加速する 3 つの方法

NVIDIA による徹底的な共同設計によって、モデルのトレーニングと推論の両方において、優れた精度で大幅なパフォーマンスの向上が達成が見込めるようになりました。
2 MIN READ
2026 年 2 月 6 日

マルチ LLM 対応の NVIDIA NIM による合成データ SFT (Seed あり / なし) の効果分析

マルチ LLM 対応の NVIDIA NIM を用いた SFT 済みモデルのデプロイ方法、日本語常識推論タスクの評価手法、合成データ SFT の効果比較について解説します。
3 MIN READ
2026 年 2 月 6 日

NVIDIA NeMo RL を用いた合成データによる Supervised Fine-Tuning (SFT)

高品質な合成データを用い、 NeMo RL による Supervised Fine-Tuning (SFT) を行うことで、 小規模モデルの日本語常識推論性能を改善する方法を解説します。
7 MIN READ
2026 年 2 月 6 日

Nemotron-Personas-Japan を用いた NVIDIA NeMo Data Designer による合成データ生成

単なる LLM 合成生成を越え、構造化、検証、再現性、多様性という観点で品質とスケールを両立した合成データ フレームワークとして設計された NeMo Data Designer で、Seed データを活用した高品質データ生成方法をご紹介します。
4 MIN READ