Nvidia H100 GPUs
PulseAugur coverage of Nvidia H100 GPUs — every cluster mentioning Nvidia H100 GPUs across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
山丘采样提高了LLM的测试时性能，优于复杂方法
一篇新的研究论文介绍了一种名为山丘采样（Hill Sampling）的新颖方法，用于提高大型语言模型（LLMs）在测试时的性能。该技术包括从一个固定的LLM中重复采样候选程序，并将后续采样条件化为迄今为止找到的最佳程序。山丘采样在圆盘填充问题上取得了最先进的结果，并在Erdos的最小重叠问题上提高了性能，优于进化策略（Evolution Strategies）和重复采样等更复杂的方法。
-
英伟达与Palantir合作优化AI驱动的供应链 · 追踪4个来源
英伟达（Nvidia）与Palantir已达成合作，利用AI优化供应链运营，英伟达自身复杂的百万部件供应链将作为首个试点案例。此次合作将利用Palantir Foundry进行数据建模，并使用cuOpt（一个开源库）进行混合整数线性规划，以管理部件分配并最大限度地缩短交付时间。此外，英伟达还整合了其Nemotron 3.5 Lightning模型的预训练版本，以纳入非结构化运营数据，显著提高了供应链分配的决策准确性。
-
Revolut 为银行业构建统一人工智能基础模型
Revolut 正在开发一款名为 PRAGMA 的专有基础模型，该模型专为金融行业设计。这种统一的人工智能方法旨在通过将交易、客户互动和应用程序使用数据整合到一个系统中来理解金融行为。PRAGMA 在欺诈检测、信用风险预测和产品推荐方面取得了显著改进，同时还支持一个能够处理大部分客户支持请求的人工智能助手。
-
Outpost VFX 在 AWS 上实现 AI 训练速度提升 8 倍
Outpost VFX 通过利用 AWS 基础设施，显著加速了其视觉特效的 AI 模型训练，实现了 8 倍的速度提升。该公司在其换脸工作流程中遇到了单 GPU 限制的瓶颈，之前每次迭代需要一周多时间。通过与 AWS Generative AI Innovation Center 合作，Outpost VFX 实施了使用配备 NVIDIA H100 GPU 的 Amazon EC2 P5 实例的分布式多 GPU 训练解决方案，增强了计算…
-
Bharat ABIS 实现量级多模态生物识别搜索
研究人员开发了 Bharat ABIS，一个开源系统，专为大规模、多模态生物识别搜索而设计。该系统集成了指纹、面部和虹膜数据，创建一个统一的模板，用于高效的身份去重。在源自印度 Aadhaar 数据库的大型数据集上的评估显示出有希望的准确性，在 0.5% 的误报率下，假阴性识别率为 0.3%。该系统表现出令人印象深刻的性能，在一台配备 Nvidia H100 GPU 的服务器上，对 4000 万身份的图库实现了每秒 100 次搜索。