英伟达推出一种名为PHI-S（PHI Standardization）的技术，它是一种用于无标签多教师知识蒸馏的方法。知识蒸馏是一种技术，它允许一个“学生”模型去学习并模仿一个或多个“教师”模型的行为，而不需要直接访问训练数据。PHI-S特别关注于如何平衡和标准化来自不同教师模型的特征激活分布，以便学生模型可以更准确地... 阅读全文

英伟达推出MaskedMimic，它是一个用于控制虚拟角色动作的人工智能系统。想象一下，我们想要创造一个能够根据我们给定的条件做出各种动作的虚拟角色，比如在虚拟现实游戏中的人物或者电影里的动画角色。MaskedMimic就是专门用来实现这一目标的。 项目主页：https://research.nvidia.com/la... 阅读全文

英伟达推出多模态大语言模型NVLM 1.0，它在视觉-语言任务上取得了突破性成果，与业界领先的专有模型（比如GPT-4o）和开源模型（比如Llama 3-V 405B和InternVL 2）相媲美。NVLM 1.0不仅在多模态任务上表现出色，还在文本任务上超越了其基础的大语言模型。 项目主页：https://nvlm-... 阅读全文

英伟达最新推出了一款名为 Nemotron-Mini-4B-Instruct的小型语言模型（SLM），这在公司长期致力于人工智能创新的历程中开启了新的篇章。这款专为角色扮演、增强式检索生成（RAG）和功能调用等任务设计的模型，是 英伟达 更大型模型的精简而高效版本。现在，让我们深入了解 Nemotron-Mini-4B... 阅读全文

英伟达推出机器人学习系统RVT-2，它的全称是“Robotic View Transformer 2”。RVT-2是一个先进的模型，专门设计用来让机器人通过少量的演示就能学会执行多种三维（3D）操作任务，并且这些任务的执行精度非常高，可以达到毫米级别。RVT-2模型通过结合多种架构和系统级别的改进，显著提高了机器人3D... 阅读全文

英伟达发布的Nemotron-4 340B系列模型家族，包括Nemotron-4-340B-Base、Nemotron-4-340B-Instruct和Nemotron-4-340B-Reward。这些模型在多种任务上展现出了强大的性能，并且可以在单个DGX H100系统上的8个GPU中以FP8精度部署。模型的安全性评... 阅读全文

英伟达推出开源数据集HelpSteer2，它是为了训练能够指导大语言模型（LLMs）生成符合人类偏好的高质量回应的奖励模型而设计的。HelpSteer2数据集的特点是它包含了对回应的多属性评分，这有助于训练出能够更好地符合人类偏好的奖励模型。例如，你是一个在线客服聊天机器人的开发者，你希望机器人能够提供既准确又有帮助的... 阅读全文

英伟达的NVIDIA App 将 NVIDIA 控制面板、GeForce Experience 和 RTX Experience 整合，目前仍在测试阶段。这次测试版更新将支持 120 FPS AV1 视频录制，引入一键 GPU 性能调优，改进 NVIDIA App 浮窗，进一步改善用户体验。本次更新引入了对 AV1 格... 阅读全文

英伟达推出NeMo-Aligner，它是一个用于调整大语言模型（LLMs）以符合人类价值观和偏好的高效工具。这个工具的目的是为了让这些语言模型在实际应用中更加有用和安全。例如，我们有一个非常聪明的电脑程序，它可以写文章、回答问题甚至创作诗歌。但是，如果我们想要这个程序在写作时避免使用不礼貌的语言，或者确保它提供的信息总... 阅读全文

英伟达的 ChatRTX 应用在其网站上发布了备受期待的 0.3 版本更新。这款类似 ChatGPT 的应用的更新首次在 英伟达 3月份的 GTC 会议上被预告，带来了一系列新功能，包括照片搜索能力、AI 驱动的语音识别以及与更多大语言模型（LLM）的兼容性。 本次更新亮点包括： 照片搜索新境界：集成OpenAI的CL... 阅读全文

英伟达、加州大学伯克利分校和多伦多大学的研究人员推出NeRF-XL，它能够利用多个GPU来扩展神经辐射场（NeRFs）的规模，从而使得训练和渲染具有更大容量的NeRFs成为可能。NeRFs是一种用于3D场景重建和新视角合成的技术，它可以通过一系列的2D图像来重建出3D场景，并从新的视角生成图像。 例如：我们想要从数千张... 阅读全文

英伟达推出数据据Audio Dialogues，旨在提升音频和音乐理解方面的对话能力。现有的音频理解数据集主要集中在单轮交互上，例如音频描述或音频问答，这些数据集限制了通过交互式对话理解音频的能力。Audio Dialogues是一个多轮对话数据集，包含了16.38万个样本，涵盖一般声音和音乐。除了对话样本，该数据集还... 阅读全文