跳到正文

全部动态

今日 6 条
9月23日周三
  1. NVIDIA Blog12

    NVIDIA 验证工程师 Sakeena Fiza:让硬件在规模化部署中成功运行

    NVIDIA 验证工程师 Sakeena Fiza 的工作是在量产前确保物理设备正确运行,她将验证过程形容为“成为产品的第一批客户”,在真实条件下极限测试硬件,目标是在客户发现问题之前提前捕获故障。她曾见证 NVIDIA Rubin GPU 首次在系统层面完成枚举,并指出单块板卡含数万组件、单个机架接近 50 万组件,验证工作横跨固件、硬件、软件、机械设计、热行为、制造与客户体验。

  2. AWS Machine Learning Blog80

    Claude Opus 5.5 在 AWS 上线

    Claude Opus 5.5 现已在 Amazon Bedrock 和 Claude Platform on AWS 上线,是 Claude 5.5 系列的首个模型。相比 Opus 5,它用更少 token 完成任务,平均单任务成本更低,并首次配备生物、网络安全和 AI 开发领域的安全分类器。模型支持自适应思考,可通过 effort 控制推理量,适用于智能体编码和长文档知识工作。

    推荐理由:原文给出了新模型的效率、定价与安全分类器变化,读者可据此评估其在长任务和智能体编码场景的适用性。

9月22日周二
  1. NVIDIA Blog62

    NVIDIA Isaac ROS 5.0 发布,引入智能体工作流并支持 ROS Lyrical

    NVIDIA 在 ROSCon 大会上发布 Isaac ROS 5.0,这是一套基于 ROS 的 GPU 加速开源包,新增智能体工作流和平台支持,帮助开发者更快构建、定制和部署机器人应用。

    推荐理由:原文给出了 Isaac ROS 5.0 的智能体工作流、ROS Lyrical 支持和生态伙伴落地案例,读者可据此判断它如何加速机器人开发。

  2. Hugging Face Blog42

    oMLX 创建者 Jun Kim 加入 Hugging Face,助力 MLX 社区发展

    oMLX 创建者及维护者 Jun Kim 加入 Hugging Face,以支持 MLX 社区。oMLX 将保持 Apache 2.0 开源协议,并由 Jun 继续主导开发,从兼职项目升级为全职维护项目,有望带来更稳定的发展和更快的迭代。Hugging Face 希望 oMLX 成为新想法的试验场,并加速 transformers 模型定义到 MLX 实现的转换。

  3. Hugging Face Blog73

    Hugging Face transformers 支持运行 llama.cpp 的 GGUF 量化模型

    Hugging Face 在 transformers 中加入对 GGUF 模型的高效运行支持,通过复用 ggml 的 Metal 内核,可在 Apple Silicon 上以熟悉的 from_pretrained 接口加载并生成。

    推荐理由:原文给出了 GGUF 加载方式、性能对比和当前限制,读者可以据此判断在 transformers 里跑本地量化模型的可行性与适用场景。

  4. NVIDIA Blog62

    NVIDIA 发布 Halos 全栈安全系统,覆盖自动驾驶与机器人部署

    NVIDIA 发布 Halos,称其为首个且唯一的物理 AI 全栈安全系统,覆盖硬件、操作系统、端到端模型、仿真验证等各层。面向自动驾驶,Halos 基于 DRIVE AGX Thor 与 Hyperion 平台;面向机器人,基于 IGX Thor 与 Halos Core。

    推荐理由:原文梳理了物理 AI 规模化部署所需的安全分层,并给出 NVIDIA Halos 在自动驾驶与机器人两大领域的完整架构与认证进展。

  5. NVIDIA Blog33

    从赋能到落地,埃及AI生态迈向生产规模

    埃及AI生态正从潜力走向规模化生产,NVIDIA在开罗举办活动展示其全栈AI方案。过去一年,NVIDIA深度学习学院在埃及的学习者数量增长超十倍;Hassan Allam Data Centers获许可建设数据中心,预计投资4亿美元。非洲一年内新增四座AI工厂,另有656兆瓦容量在建,Cassava Technologies等企业正推动本地化AI基础设施部署。

9月21日周一
  1. Microsoft Research62

    微软发布逆合成预测模型 RetroChimera,论文发表于 Nature

    微软研究团队在 Nature 发表逆合成预测模型 RetroChimera,结合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc,通过学习排序整合两者预测。盲测中博士级化学家更偏好其单步反应预测,多步合成路线在十个挑战性目标中成功九个。模型已开源(MIT 许可),并可通过 Microsoft Foundry 访问。

    推荐理由:原文给出了模型架构、开源信息和专家盲测结果,读者可据此判断它在逆合成预测上的实际表现。

  2. NVIDIA Blog42

    AI 安全是工程问题:NVIDIA 如何在智能体栈每一层解决它

    NVIDIA 提出 AI 安全本质是工程问题,需在智能体栈的每一层(模型、工具、运行时环境)落实可执行的安全边界、责任人与防护证据。NVIDIA 开源 OpenShell 安全运行时,在智能体触及范围之外强制策略并提供沙箱执行;Cisco DefenseClaw、JFrog 等合作伙伴正基于 OpenShell 构建治理与技能扫描层。

  3. Hugging Face Blog62

    Multiverse 提出将 LLM 块剪枝转化为伊辛优化问题,深度压缩下 MMLU 提升近 23 个百分点

    Multiverse Computing 发表论文,将大语言模型的块删除(深度剪枝)重构为约束二元优化问题,映射到伊辛玻璃自旋系统,用能量作为下游性能的廉价代理,从而无需逐一基准测试即可筛选大量候选配置。

    推荐理由:把剪枝块选择映射为伊辛玻璃能量最小化,用物理求解器处理组合问题,在深度压缩下显著领先现有方法。

9月19日周六
9月18日周五
9月17日周四