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
Salesforce研究团队发布开源工具包MCPEval,基于模型上下文协议(MCP)架构评估AI智能体工具使用性能。该工具突破传统静态测试局限,通过全自动化流程收集详细任务轨迹和协议交互数据,为智能体行为提供前所未有的可视化分析。MCPEval能快速评估MCP工具和服务器,生成综合评估报告,为企业智能体部署提供可操作的改进建议。
清华大学团队推出AnyCap项目,通过轻量级"即插即用"框架解决多模态AI字幕生成缺乏个性化控制的问题。该项目包含模型、数据集和评估基准,能让现有AI系统根据用户需求生成定制化字幕,在不重训基础模型的情况下显著提升控制能力,为AI内容创作的个性化发展奠定基础。
月之暗面Kimi K2技术报告:解读万亿参数的智能体模型(含K2与DeepSeek R1对比)
耶鲁大学团队开发了全球首个AI科学实验设计评估系统ABGEN,测试了18个先进AI模型设计消融实验的能力。研究发现最好的AI系统得分4.11分,仍低于人类专家的4.80分,但在人机协作模式下表现显著改善。研究还发现现有自动评估系统可靠性不足,建立了元评估基准ABGEN-EVAL。这项研究为AI在科学研究中的应用提供了重要评估框架。