Nemotron-Post-Training-Dataset-v2
PulseAugur coverage of Nemotron-Post-Training-Dataset-v2 — every cluster mentioning Nemotron-Post-Training-Dataset-v2 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
NVIDIA 的 Qwen3.8-27B 草案模型在消费级 GPU 上面临速度挑战
NVIDIA 发布了 Qwen3.8-27B 的一种推测性解码草案模型,旨在提高推理速度。该草案模型名为 nvidia/Qwen3.5-4B-Qwen3.8-27B-Draft,是一个拥有 4.21B 参数的模型,并在 Qwen3.8-27B 本身生成的数据上进行了训练。虽然 NVIDIA 声称它可以提高 token 接受率,但分析表明,在单个消费级 GPU 上,由于运行更大草案模型的开销,Qwen3.8-27B 模型中现有的 Mul…
-
NVIDIA 发布 Qwen3.5-4B-Qwen3.8-27B-Draft 模型以加速推理
NVIDIA 发布了一个草稿模型 Qwen3.5-4B-Qwen3.8-27B-Draft,旨在降低 Qwen3.8-27B 语言模型的解码延迟。该草稿模型通过提出候选 token,然后由 Qwen3.8-27B 进行验证,这一过程称为投机解码。该模型针对 NVIDIA 硬件进行了优化,并兼容 vLLM 等运行时,可在 NVIDIA 和 Apache 2.0 特定许可下用于商业用途。
-
Nvidia 发布量化版 GLM-5.3-Flash 多模态 AI 模型
Nvidia 发布了 ZAI 的 GLM-5.3-Flash 模型的量化版本,名为 nvidia/GLM-5.3-Flash-FP4-Local。该多模态模型专为推理、编码和代理任务设计,采用混合稀疏和线性注意力架构,并带有 Manifold-Constrained Hyper-Connections 以实现长上下文能力。它针对本地 AI 硬件进行了优化,需要约 166 GiB 的 vRAM,并在高端 Nvidia 硬件配置上进行了验证。
-
Nvidia 发布 GLM-5.3-Flash NVFP4 多模态模型,支持 1M 上下文
Nvidia 发布了 GLM-5.3-Flash NVFP4 模型,这是 ZAI 的 GLM-5.3-Flash 的量化版本。这款多模态混合专家模型专为推理、编码和智能体任务设计,采用混合注意力架构,支持高达 100 万个 token 的上下文长度。该模型针对 NVIDIA 硬件进行了优化,提供更快的训练和推理速度,并兼容 vLLM 和 SGLang 等各种运行时引擎以及 NVIDIA Blackwell 微架构。