Nemotron 3 Nano Omni
PulseAugur coverage of Nemotron 3 Nano Omni — every cluster mentioning Nemotron 3 Nano Omni across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的 ProCUA-SFT 数据集提升了 AI 代理的桌面性能
研究人员开发了 ProCUA-SFT，一个旨在改进与图形桌面环境交互的计算机使用代理（CUAs）训练的新数据集。AgentNet 等现有数据集已显示出负迁移效应，阻碍了性能。ProCUA-SFT 由 310 万个来自合成轨迹的步级样本组成，通过使用自动化的任务生成和验证管道来解决这个问题。在 ProCUA-SFT 上微调 UI-TARS 7B 模型，在 OSWorld 基准测试上显著提高了性能，优于在 AgentNet 上训练的模型。…
-
IBM、NVIDIA发布多模态模型；Hugging Face详解参数传输
IBM发布了Granite 4.0 3B Vision，这是一款专为企业文档设计的紧凑型多模态智能模型。NVIDIA推出了Nemotron 3 Nano Omni，这是一款适用于文档、语音和视频代理的长上下文多模态智能模型。此外，Hugging Face详细介绍了一种在hub buckets中传输一万亿参数的方法，重点关注TRL内的增量权重同步。
-
NVIDIA发布多模态模型；Hugging Face改进参数传输；IBM基准测试IT代理
NVIDIA发布了Nemotron 3 Nano Omni，这是一款专为处理文档、音频和视频并具备长上下文能力的多模态智能模型。此外，Hugging Face在TRL中引入了增量权重同步，用于高效传输万亿参数模型。另外，IBM开发了一个名为ITBench-AA的新基准测试，显示当前最先进的模型在代理式企业IT任务上的得分低于50%。
-
NVIDIA 发布 Nemotron 3 Nano Omni 多模态人工智能模型
NVIDIA 开发了 Nemotron 3 Nano Omni，这是一款新推出的多模态人工智能模型，专为跨文档、视频和音频等各种数据类型的扩展上下文处理而设计。该模型还支持代理工作流，表明其在更复杂和交互式人工智能应用中的潜力。此次开发侧重于增强模型在更长序列中理解和处理来自不同来源信息的能力。
-
英伟达的 Nemotron 3 Nano Omni 和 Llama.cpp 支持本地运行大型语言模型
Thomas Bley 发布了新的演示幻灯片，详细介绍了如何在本地运行大型语言模型。幻灯片涵盖了英伟达的 Nemotron 3 Nano Omni、Llama.cpp 的内置工具以及使用 Transformers.js 进行图像识别和 OCR 任务。
-
NVIDIA 发布 Nemotron 3 Nano Omni 多模态 AI 模型，用于智能体
NVIDIA 发布了 Nemotron 3 Nano Omni，这是一款能够同时处理视觉、音频、视频和文本的多模态大型语言模型。该开放模型基于 Mamba2 Transformer 混合专家模型架构构建，旨在通过实现单一多模态理解推理循环来增强企业智能体工作流程。它现已在 Fireworks 和 Amazon SageMaker JumpStart 上提供，提供 131K 的上下文长度，并获得商业使用许可。
-
NVIDIA 发布 Nemotron 3 Nano Omni，统一多模态 AI 以提高效率
NVIDIA 发布了 Nemotron 3 Nano Omni，这是一个开放的多模态模型，能够处理文本、图像、音频和视频。该模型旨在将这些模态统一到单一架构中，从而提高效率并实现更复杂的人工智能智能体。Nemotron 3 Nano Omni 在文档智能、音频理解和视频分析的基准测试中表现出色，与之前的模型和替代方案相比，在吞吐量和推理速度方面均有显著提升。
-
Together AI 发布 NVIDIA 的多模态和 1M 上下文 Nemotron 3 模型
Together AI 已在其平台上发布了 NVIDIA 的 Nemotron 3 模型，包括多模态的 Nano Omni 和大上下文的 Super。Nemotron 3 Nano Omni 是一个 30B 参数模型，擅长同时处理视频、图像、音频和语言的推理，非常适合代理应用。Nemotron 3 Super 是一个 120B 参数模型，拥有 100 万个 token 的上下文窗口和多 token 预测，可高效处理复杂的推理和长上下文…