全新NVIDIA应用研究加速器计划(Applied Research Accelerator Program)助力研究人员将学术实验室里的AI研究应用于企业中。
学术研究人员正在通过开发和使用AI,解决从农业机器人到自主飞行器等领域的各种难题。
为了将此类AI研究应用于商业或政府中,而非仅作为学术成果,NVIDIA于近日发布应用研究加速器计划,为借助NVIDIA平台进行GPU加速应用部署的应用研究提供支持。
应用研究加速器计划最初会聚焦于机器人技术及自主机器领域,并在接下来几个月内扩展至数据科学、自然语言处理、语音和会话式AI等其他领域。
据IDC估计,到2023年,全球机器人系统和无人机领域相关支出将增至2414亿美元,较针对 2020 年预计的1287亿美元提升88%。
这项新计划将帮助研究人员及其合作机构推广在NVIDIA AI软硬件平台上开发的新一代应用程序,包括Jetson平台、NVIDIA Isaac以及DeepStream软件开发套件。
除了进行交流和市场宣传的机会之外,NVIDIA还将为开展合作的研究人员和机构提供技术指导、硬件捐赠、资金、资助申请帮助以及AI训练计划方面的支持。
NVIDIA现在正在将部分研究人员和企业开发的应用程序纳入该计划。这些研究人员致力于将机器人技术和AI应用于自动化系统中,而这些企业则希望将新的技术推向市场。
加速并部署AI研究
NVIDIA 应用研究加速器计划的首批参与者已经展示了值得进一步开发的AI技术能力。
应用研究加速器计划权益
当学术研究人员能够验证AI在实际应用中具有可行性时,NVIDIA能够为其提供硬件捐赠及资金,还可以为研究人员提交的第三方资助申请提供佐证书。
应用研究加速器计划成员还将获得NVIDIA GPU(包括Jetson)的相关技术指南访问权限。
这项新计划的成员还有机会参加深度学习学院(Deep Learning Institute)培训课程,以获取关于特定AI应用的详细信息。
NVIDIA还为研究人员提供在GTC大会上进行展示和交流的机会。
好文章,需要你的鼓励
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。
Nvidia公布2026财年一季度业绩,营收441亿美元,同比增长69%;新AI超算与显卡产品陆续亮相,尽管出口管控对H20业务造成影响,但整体AI市场前景依然乐观。
Cerebras WSE 芯片拥有 40 亿晶体管,推理速度达到 NVIDIA 集群的约 2.5 倍,刷新了全球 AI 推理速度记录,为复杂 AI 代理应用提供高性能计算支持。
这项研究提出了"B-score",一种新指标用于检测大语言模型中的偏见。研究人员发现,当模型能看到自己之前对同一问题的回答时(多轮对话),它能够减少偏见并给出更平衡的答案。B-score计算单轮与多轮对话中答案概率的差异,无需外部标注即可识别有偏见的回答。实验证明,将B-score用于回答验证可显著提高准确率,在标准基准测试上平均提升2.9个百分点。这一发现不仅提供了实用工具,还表明大语言模型具有自我纠正能力。