AI 基础模型

2025年 8月 8日

R²D²：利用 NVIDIA Research 的全球基础模型和工作流提升机器人训练效率

随着物理 AI 系统的进步，对丰富标记数据集的需求正在加速增长，超出了我们在现实世界中手动捕捉的能力。世界基础模型 (WFM)…
3 MIN READ
2025年 8月 4日

如何使用 NVIDIA Llama Nemotron 模型通过推理增强 RAG 工作流

检索增强生成 (RAG) 系统面临的一大挑战是处理缺乏明确清晰度或带有隐含意图的用户查询。用户通常会以不准确的方式来表达问题。例如，
4 MIN READ
2025年 6月 17日

R²D²：利用 NVIDIA Research 构建AI驱动的3D机器人感知与地图构建技术

机器人必须感知和解释其 3D 环境，才能安全有效地行动。这对于非结构化或陌生空间中的自主导航、对象操作和远程操作等任务尤为重要。
3 MIN READ
2025年 6月 16日

使用世界基础模型生成的合成轨迹数据提高机器人学习效果

在机电一体化和机器人 AI 基础模型的进步的推动下，通用型机器人技术已经问世。但关键的瓶颈依然存在：
2 MIN READ
2025年 6月 11日

使用 NVIDIA Cosmos Predict-2 构建自定义物理人工智能基础模型

构建更智能的机器人和自动驾驶汽车 (AV) 始于能够理解现实世界动态的物理 AI 模型。这些模型发挥着两个关键作用：
2 MIN READ
2025年 6月 11日

借助 NVIDIA 生物医学 AI-Q 研究代理 Blueprint 推进文献回顾和目标发现

长期以来，生物医学研究和药物研发一直受到劳动密集型流程的限制。为了发起药物研发活动，研究人员通常会梳理大量科学论文，
1 MIN READ
2025年 6月 9日

借助 EoRA 快速恢复 LLM 压缩错误的免微调方法

模型压缩技术已经过广泛探索，可减少为大语言模型 (LLM) 或其他大型神经网络提供服务所需的计算资源。 但是，与未压缩的模型相比，
5 MIN READ
2025年 5月 16日

R²D²：通过 NVIDIA Research 解锁机器人装配和丰富的接触操作

本期 NVIDIA 机器人研发摘要 (R2D2) 探讨了 NVIDIA Research 针对机器人装配任务提供的多个接触性丰富的操作工作流，
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 基础模型，提升机器人的移动和全身控制能力

欢迎阅读首期“NVIDIA 机器人研究与开发摘要（R²D²）”。
3 MIN READ
2025年 3月 18日

加速通用人形机器人的开发：NVIDIA Isaac GR00T N1

人形机器人需要能够适应人类工作空间，处理重复性或高强度任务。然而，为真实世界的任务和不可预测的环境创建通用人形机器人是一项挑战。通常来说，
2 MIN READ
2025年 3月 12日

轻量级、多模态、多语种 Gemma 3 模型实现性能优化

使用基础模型构建 AI 系统需要在内存、延迟、存储、计算等资源之间实现微妙的平衡。在将生成式 AI 功能引入快速发展的 AI 应用生态系统时，
1 MIN READ
2025年 2月 26日

在 NVIDIA GPU 上训练的 Microsoft Phi SLM 的多模态最新进展

大语言模型（LLMs）已渗透到各行各业，并改变了技术潜力。但是，由于规模庞大，它们对于许多公司目前面临的资源限制来说并不切实际。
1 MIN READ
2025年 2月 11日

NVIDIA DGX 云推出即用型模板，更好地评估 AI 平台性能

在快速发展的 AI 系统和工作负载环境中，实现出色的模型训练性能远远超出芯片速度。这需要对整个堆栈进行全面评估，从计算到网络，再到模型框架。
2 MIN READ
2025年 1月 6日

Llama Nemotron 模型提升智能体 AI 工作流的准确性和效率

Agentic AI 是新一波生成式 AI 浪潮，是一种范式转变，通过使 AI 系统能够自主行动并实现复杂的目标，具有变革行业的潜力。
2 MIN READ
2024年 12月 18日

NVIDIA TensorRT-LLM 现支持 Recurrent Drafting，实现 LLM 推理优化

Recurrent Drafting (简称 ReDrafter) 是苹果公司为大语言模型 (LLM) 推理开发并开源的一种新型推测解码技术，
2 MIN READ
2024年 12月 17日

利用 NVIDIA NeMo-Aligner 进行监督式微调的数据高效知识蒸馏

知识蒸馏是一种将更大的教师模型的知识转移到更小的学生模型的方法，理想情况下可生成紧凑、易于部署的学生，且准确度与教师相当。
2 MIN READ