Nemotron

2026年 11月 4日

NVIDIA 如何使用 AI 智能体简化 AI 工厂运营

随着 GPU 集群的扩展，各种操作涵盖计算、网络、硬件和调度。站点可靠性工程师 (SRE) 通常必须检查多个控制面板，
2 MIN READ
2026年 11月 4日

使用 NVIDIA NeMo 将智能体故障转化为测试和线束修复

将生产证据转化为优先考虑的问题和自定义评估，帮助您改进提示词、工具、模型、内存、技能和利用代码。 为您的领域构建智能体时，
2 MIN READ
2026年 10月 30日

只需几个命令即可运行用于边缘应用开发的 AI 模型

AI 正在扩展到数据中心之外，因为开发者构建了在边缘发挥作用的新一代 智能体：监控驾驶员注意力和座舱状况，帮助机器人了解周围环境并规划任务，
2 MIN READ
2026年 10月 30日

使用 NVIDIA NemoClaw 在您控制的堆栈上构建专用智能体

构建自主智能体需要模型、线束和特定领域的工具。为了更安全地部署智能体，开发者需要一个执行策略的运行时，以及用于可靠执行的优化和可观察性工具。
2 MIN READ
2026年 10月 27日

微调 NVIDIA Nemotron 以了解本地规则，而不仅仅是本地语言

随着 AI 在全球的普及，不同语言和文化的人们都在日常生活的更多方面使用 AI。通用语言模型是一个强大的基础，
4 MIN READ
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