NVIDIA 联合 AI4Bharat 开源 2.8 万亿 token 印度语言预训练语料及数据生成管线
NVIDIA 联合 AI4Bharat(IIT Madras)开源 Nemotron-pretraining-Indic-v1 印度语言预训练语料,覆盖 22 种印度语言共约 2.8 万亿 token,其中 12 种语言同时提供本族文字与罗马化版本。
推荐理由:原文给出了从翻译到质量筛选的完整生成流程与 75/100 阈值等具体参数,读者可据此复现或改造自己的多语种数据管线。
英伟达的 AI 芯片与生态动态:GPU 新品、CUDA 生态、机器人平台与 AI 算力市场的风向。
NVIDIA 联合 AI4Bharat(IIT Madras)开源 Nemotron-pretraining-Indic-v1 印度语言预训练语料,覆盖 22 种印度语言共约 2.8 万亿 token,其中 12 种语言同时提供本族文字与罗马化版本。
推荐理由:原文给出了从翻译到质量筛选的完整生成流程与 75/100 阈值等具体参数,读者可据此复现或改造自己的多语种数据管线。
NVIDIA 发布 Nemotron 3.5 Super VL(120B 参数)开放模型,主打多模态智能体任务,并推出 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB 两款端侧模型。
推荐理由:原文给出 Super VL 在参数量和吞吐量上的同档对比,以及从数据中心到端侧的全家族覆盖定位,可帮助判断 Nemotron 在开放模型生态中的角色。
NVIDIA RTX Spark笔记本电脑将于10月16日(周五)正式发售,搭载最高128GB统一内存与1 petaflop AI算力,上周已与微软联合公布。
推荐理由:原文梳理了RTX Spark笔记本上市前后的本地AI软件生态,可看出端侧智能体所需的模型、沙箱与工具栈已大致就绪。
在旧金山 Microsoft 活动上,NVIDIA CEO 黄仁勋与 Microsoft CEO 萨提亚·纳德拉共同发布 RTX Spark 和面向 Windows 的 DGX Station。
推荐理由:文章给出了 RTX Spark 和 Windows 版 DGX Station 的硬件规格与本地 AI 路径,读者可据此评估 Windows PC 运行大模型的真实门槛。
NVIDIA 在 Hugging Face 博客上介绍基于 Nemotron 3 微调的模型在 IOI 2026 和 IMO 2026 双双达到金牌水平。
推荐理由:把同一套 Nemotron 微调加搜索式推理配方在 IOI 与 IMO 两道不同赛道上都推到金牌水平,开源资产齐备便于复用。
GPT-6 Astra Ultrafast 已在 OpenAI API 及符合条件的 ChatGPT Work 与 Codex 用户中开放,相比 Astra Standard 模式 token 生成速度最高提升 8 倍。
推荐理由:原文展示了 OpenAI 借助自有模型针对 NVIDIA Blackwell 优化推理栈的做法,可作为大模型推理加速与硬件协同优化的参考案例。
AMD 收购世界模型初创公司 World Labs,交易金额 82 亿美元,预计年内完成交割。World Labs 由 AI 学者 Fei-Fei Li 创办。这笔交易被外界视为 AMD 加大与 Nvidia 竞争的动作。
推荐理由:交易金额 82 亿美元且预计年内完成,可用来观察 AMD 在 AI 领域的收购布局及其与 Nvidia 的竞争姿态。
NVIDIA 在 Hugging Face 发布开源表格基础模型 Kumo Tabular,对带标签的表格做单次前向预测,无需训练、调参和特征工程,同时支持分类与回归。
推荐理由:开源表格基础模型给出免训练、免特征工程的单次前向预测路径,可对照四个基准的排名判断适用范围。
费城儿童医院(CHOP)基于 NVIDIA 参与发起的开源医学影像框架 MONAI,把儿童心脏三维建模从熟练研究者 4 小时的工时缩短到几秒。这套心脏建模服务读取诊疗已有的 CT、MRI 和 3D 超声影像生成解剖精确模型,美国已有 20 多家儿童医院运行心脏建模项目,波士顿儿童医院每年约 500 例心脏手术借助建模。
推荐理由:案例呈现开源医学影像工具把儿童心脏建模从数小时缩短到秒级的落地过程,可了解开源协作在小众临床场景的做法。
NVIDIA 发布开源 364M 参数的 Magpie 多语种 TTS 模型,支持 12 种语言,包括本次新增的现代标准阿拉伯语、韩语和巴西葡萄牙语。
推荐理由:对比 B200、H100、A100 上的首音频延迟数据,并介绍 frame stacking 与 local transformer 两项推理优化思路,可用于自有基础设施上的语音智能体部署。
LeRobot v0.6.0 发布,引入世界模型策略(VLA-JEPA、LingBot-VA、FastWAM)、统一奖励模型 API(Robometer、TOPReward)与六个仿真基准。
推荐理由:v0.6.0 把世界模型策略、奖励模型、六个仿真基准和 FSDP/云端训练打包到 LeRobot,可作为观察当前开源机器人学习栈能力面的一份参考。