Nemotron

2026年 10月 15日

NVIDIA Nemotron 3.5 Super VL 通过多模态推理为专用智能体提供支持

始终在线的智能体正在承担更长、更复杂的企业工作流程。单个请求可能涉及阅读文档、检查跨来源的信息、遵循公司政策以及调用多个工具。
4 MIN READ
2026年 10月 12日

ReplaySSM：重新思考状态存储，加快混合模型解码速度

混合模型将状态空间模型 (SSM) 层与几个注意力层交织在一起。NVIDIA Nemotron 3、Qwen3.5 到 Qwen3.8、
4 MIN READ
2026年 10月 7日

借助 NVIDIA cuPhoton 加快科学图像分析速度

天文台和望远镜、激光和 X 射线光源以及其他高吞吐量仪器生成图像数据的速度比受 CPU 限制的工作流处理图像数据以支持及时决策的速度更快。
5 MIN READ
2026年 10月 6日

使用 NVIDIA Megatron Core 扩展逐位确定性预训练

逐位确定性使大规模预训练更易于调试、验证和以可重现的方式恢复。在跨数千个 GPU 训练具有数万亿个参数的模型时，这些优势变得尤为重要，
3 MIN READ
2026年 9月 30日

微调适用于沙特阿拉伯阿拉伯语方言的 NVIDIA Nemotron，以及通往其他语言的路径

自动语音识别不仅要处理主导预训练数据的语言和风格，还必须处理人们的实际讲话方式。区域方言和本地录音条件通常代表性不足，
3 MIN READ
2026年 9月 29日

借助 NVIDIA VSS Blueprint 3.3 降低构建和运行视觉 AI 智能体的成本

视觉语言模型使构建能够理解生产级视频的视觉 AI 智能体成为可能。更棘手的问题是将这种能力转变为可维护的系统，将提取、流处理、事件检测、检索、
3 MIN READ
2026年 9月 21日

如何评估从工具调用到任务完成的 AI 智能体

当您发布 AI 智能体 时，关键问题是它能否在实时环境中跨数十次连续工具调用执行工作链，并在步骤失败时恢复。
2 MIN READ
2026年 9月 16日

如何使用 AI 智能体准备用于仿真的 3D 场景

代理式 AI 工作流可用于为数字孪生准备和验证物理 AI 系统。智能体可以检查 3D 场景、在OpenUSD 中生成仿真相关数据、
4 MIN READ
2026年 9月 15日

密集与 MoE 模型：活动参数、吞吐量以及选择每个模型的时间

一个包含 300 亿个参数的模型如何仅对每个 token 激活 300 亿个参数，同时仍然使用更大模型的容量？Nemotron 3.5…
2 MIN READ
2026年 9月 10日

全栈 NIM 优化如何在 Nemotron 3 Ultra 上为用户提供 2.5 倍的提升

部署大语言模型只是实现生产就绪型服务的第一步。制作团队还需要在可用的 GPU 基础架构上为尽可能多的并发用户提供服务，
2 MIN READ
2026年 9月 10日

从晶圆到第一个 Token：使用 Nemotron 和 Palantir Foundry 编写供应链专业知识

NVIDIA 拥有世界上最大、最复杂的供应链之一，其性能从晶圆到第一个 token 来衡量。间隔分为两部分。从芯片到机架的运行时间 (…
2 MIN READ
2026年 9月 4日

使用 NVIDIA NemoClaw 构建内存驱动型智能体

企业工作涵盖随时间变化的AI 智能体必须先对其进行重建，然后再进行贡献。 为了向智能体提供这种必要的环境，
1 MIN READ
2026年 9月 1日

使用 NVIDIA Nemotron 构建自适应代理式网络安全系统

AI 正在改变网络安全的步伐。代理式系统可以协调工作并长期追求复杂的目标。安全团队开始在安全运营中应用智能体，但许多实施仍然依赖于现有警报、
2 MIN READ
2026年 8月 24日

NVIDIA Vera Rubin 和 Blackwell 为代理式 AI 每瓦性能设定新标准

AI 智能体已将推理从单轮交互扩展到多步骤工作流，这些工作流能够进行推理、调用工具、协调子智能体，
3 MIN READ
2026年 8月 21日

适用于大规模金融工具的 GPU 加速集群

使用 AdaptGrow (一种 GPU 加速的矩阵分解算法) 将滚动相关性和尾依赖性矩阵转换为硬集群、
3 MIN READ
2026年 8月 17日

使用 NVIDIA Model Optimizer 开发基于 QAD 的 Nemotron 3.5 Lightning NVFP4

团队可以自定义模型，在延迟、速度、内存和计算方面达到目标。借助开放式 NVIDIA Nemotron 系列模型，
6 MIN READ