Beginner Technical

2025年 8月 13日

Dynamo 0.4 提供 4 倍性能提升、基于 SLO 的自动缩放和实时可观测性

最近几周，OpenAI 的 gpt-oss 和 Moonshot AI 的 Kimi K2 等几个前沿开源模型的出现，
2 MIN READ
2025年 8月 13日

借助 CUDA-QX 0.4 简化量子错误纠正和应用程序开发

随着量子处理器单元 (QPU) 制造商和算法开发者致力于打造大规模、商业上可行的量子超级计算机，他们越来越专注于量子纠错 (QEC) 。
2 MIN READ
2025年 8月 11日

通过后训练 NVIDIA Cosmos Reason 极大提升机器人性能

NVIDIA Cosmos Reason 是一个开放且完全可定制的物理 AI 和机器人视觉语言模型 (VLM) ，
2 MIN READ
2025年 8月 11日

开发者利用 NVIDIA Omniverse 库打造快速可靠的机器人模拟

在 SIGGRAPH 大会上，NVIDIA 发布了 NVIDIA Omniverse 库和 Cosmos 世界基础模型 (WFM) 的更新。
2 MIN READ
2025年 8月 5日

NVIDIA 从云到边缘加速 OpenAI gpt-oss 模型部署，在 NVIDIA GB200 NVL72 上实现 150 万 TPS 推理

自 2016 年推出 NVIDIA DGX 以来，NVIDIA 与 OpenAI 便开始共同推动 AI 技术的边界。
1 MIN READ
2025年 8月 4日

GPU 架构支持导航：面向 NVIDIA CUDA 开发者的指南

如果您最近使用 NVIDIA CUDA 编译器 (NVCC) 开发 NVIDIA GPU 应用，您可能会遇到以下警告消息： 这究竟意味着什么，
1 MIN READ
2025年 8月 1日

7 种可即时加速 Python 数据科学工作流程的插入式替代方案

您已经经历过。您编写了完美的 Python 脚本，在示例 CSV 上对其进行了测试，一切都很完美。但是，
2 MIN READ
2025年 7月 30日

使用 CI/CD 自动化网络配置和部署

持续集成和持续交付/部署 (CI/CD) 是一套现代软件开发实践，用于更可靠、更频繁地交付代码更改。虽然 CI/CD 在软件领域得到广泛采用，
1 MIN READ
2025年 7月 29日

使用全新 NVIDIA Llama Nemotron Super v1.5 构建更加准确、高效的 AI 智能体

AI 智能体现在已经能够解决多步骤问题、编写生产级代码并在多个领域担任通用助手。但要充分发挥其潜力，
1 MIN READ
2025年 7月 28日

新的 GB300 NVL72 功能如何为 AI 提供稳定的动力

电网的设计目的是支持相对稳定的负载，例如照明、家用电器和以恒定功率运行的工业机器。但如今的数据中心，尤其是运行 AI 工作负载的数据中心，
2 MIN READ
2025年 7月 28日

为 AI 模型带来可验证的信任：NGC 中的模型签名

AI 正在进入一个新时代，在这个时代，智能体可以推理、计划和采取行动。这些代理系统与 API、工具乃至物理环境进行动态交互，
2 MIN READ
2025年 7月 22日

使用 NVIDIA Warp 和高斯抛物线法构建机器人心理模型

本文将探讨构建物理世界的动态数字表示的光明方向，这一主题在近期研究中日益受到关注。我们引入了一种在机器人环境中构建数字孪生的方法，
1 MIN READ
2025年 7月 21日

传统 RAG 与代理 RAG——AI 智能体如何通过动态知识实现更高智能

是否曾依赖不知道新高速公路旁路或道路突然关闭的旧 GPS？它可能会让您到达目的地，但不是最有效或最准确的方式。
1 MIN READ
2025年 7月 18日

3 个 pandas 工作流在大型数据集上严重变慢，直到启用了 GPU 加速

如果您使用 pandas，您可能已经撞到了墙壁。正是在这个时刻，您值得信赖的工作流程在处理较小的数据集时表现出色，在处理大型数据集时陷入停顿。
1 MIN READ
2025年 7月 18日

使用 Ansible 和 Git 实现 NVIDIA Air 网络设计自动化

NVIDIA Air 的核心是实现自动化。您可以对网络的每个部分进行编码和版本控制，并将其设置为自动触发。这包括创建拓扑、
2 MIN READ
2025年 7月 17日

黑客松获奖者借助 NVIDIA NeMo Agent Toolkit 让代理式 AI 如生

学习新工具包的最佳方式是构建一些真实的东西，这正是开发者在最近的 NVIDIA NeMo Agent 工具包黑客松上所做的。在两周的时间里，
1 MIN READ