AI模型从开发到部署应用,是一个技术门槛高、流程复杂的过程。AI模型的全生命周期包括问题定义、数据接入、数据处理、特征工程、模型训练、模型评估及发布、模型管理等环节,其中特征工程、模型选择、模型评估等环节高度依赖AI专家和数据科学家的经验和算法能力。
而低代码低代码(Low Code)是一种可视化的应用开发方法,基于图形化拖拽、参数化配置等更为高效的方式,用较少的代码、以较快的速度来交付应用程序,将程序员不想开发的代码做到自动化,称之为低代码。
近日,NVIDIA发布了TAO(NVIDIA训练、适应和优化,TAO)工具套件低代码版本,其能够简化并加速语音和视觉AI应用的AI模型创建。

最新发布的TAO工具套件包括全新和更新的视觉及语音预训练模型。ONNX模型权重导入、REST API和TensorBoard集成等新功能,能够快速追踪模型创建流程,提高开发者的生产力。
简化AI模型开发
NVIDIA TAO(训练、适应和优化)是一个可以简化和加速企业AI应用和服务创建的AI模型自适应平台。通过基于用户界面的指导性工作流程,让用户可以使用自定义数据对预训练模型进行微调,无需掌握大量训练运行和深度AI专业知识,在数小时内(原本需要数月)产生高度精确的计算机视觉、语音和语言理解模型。
TAO使开发者能够轻松运用迁移学习创建自定义生产级模型,这些模型专门针对缺陷检测、语言翻译、交通管理等各种行业专属用例进行了优化。使用TAO开发模型的用户能够用更少的数据优化模型,进而缩短部署时间。
NVIDIA TAO工具套件低代码版本可以简化AI模型开发,这得益于其全新的功能特性:
最新版本中新增的一些预训练模型可以:
结语
当前越来越多的企业将AI应用到业务中,但过程中也受到专业技能缺乏、数据不足以及开发周期较长等问题的困扰。NVIDIA TAO简化了AI工作流程,搭建了奔向企业AI的快车道。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。