檢索增強生成 (RAG)

2025年 4月 23日

使用 NVIDIA NeMo 微服務，通過數據飛輪增強 AI 智能體

企業數據不斷變化。隨著時間的推移，這給保持 AI 系統的準確性帶來了重大挑戰。隨著企業組織越來越依賴 代理式 AI 系統 來優化業務流程，
4 MIN READ
2025年 4月 23日

聚焦：Qodo 借助 NVIDIA DGX 實現高效代碼搜索創新

大語言模型 (LLMs) 使 AI 工具能夠幫助您更快地編寫更多代碼，但隨著我們要求這些工具承擔越來越復雜的任務，其局限性變得顯而易見。
3 MIN READ
2025年 4月 16日

使用 NVIDIA NIM 構建 AI 驅動的自動引用驗證工具

引文的準確性對于保持學術和 AI 生成內容的完整性至關重要。當引用不準確或錯誤時，它們可能會誤導讀者并散布虛假信息。
2 MIN READ
2025年 4月 16日

宣布推出基于 CUDA 評估 LLM 的開源框架 ComputeEval

大語言模型 (LLMs) 正在徹底改變開發者的編碼方式和編碼學習方式。對于經驗豐富的或初級的開發者來說，
1 MIN READ
2025年 4月 15日

NVIDIA Llama Nemotron 超開放模型實現突破性的推理準確性

AI 不再只是生成文本或圖像，而是要針對商業、金融、客戶和醫療健康服務中的現實應用進行深度推理、詳細解決問題并實現強大的適應性。
2 MIN READ
2025年 4月 9日

在 NVIDIA NeMo Guardrails 中使用 Cleanlab 可信語言模型防止 LLM 幻覺

隨著越來越多的企業將 Large Language Models (LLM) 集成到其應用中，他們面臨著一個嚴峻的挑戰：
3 MIN READ
2025年 4月 8日

使用先進的開放式 NVIDIA Llama Nemotron 推理模型構建企業 AI 智能體

此更新文章最初發布于 2025 年 3 月 18 日 。 企業組織正在采用 AI 智能體 來提高生產力并簡化運營。為了更大限度地發揮影響，
3 MIN READ
2025年 4月 7日

使用合成數據評估和增強 RAG 工作流性能

隨著 大語言模型 (LLM) 在各種問答系統中的普及， 檢索增強生成 (RAG) 流程也成為焦點。
1 MIN READ
2025年 4月 2日

LLM 基準測試：基本概念

在過去幾年中，作為廣泛的 AI 革命的一部分， 生成式 AI 和 大語言模型 (LLMs) 越來越受歡迎。
4 MIN READ
2025年 3月 26日

使用 PyG 和圖形數據庫通過 GraphRAG 提高問答準確性

大語言模型（LLMs）在處理特定領域的問題時往往難以保證準確性，尤其是那些需要多跳推理或訪問專有數據的問題。
3 MIN READ
2025年 3月 19日

MONAI 集成先進的代理式架構，建立多模態醫療 AI 生態系統

醫療數據的數量和復雜性不斷增加，以及對早期疾病診斷和提高醫療效率的迫切需求，正在推動醫療 AI 取得前所未有的進步。
2 MIN READ
2025年 3月 18日

使用 NVIDIA NeMo 微服務和數據飛輪實現 AI 智能體性能最大化

隨著 代理式 AI 系統 的發展并成為優化業務流程的關鍵，開發者必須定期更新這些系統，以適應不斷變化的業務和用戶需求。
3 MIN READ
2025年 3月 18日

使用先進的開放式 NVIDIA Llama Nemotron 推理模型構建企業級 AI 智能體

企業組織正在采用 AI 智能體 來提高生產力并簡化運營。為了更大限度地發揮影響，這些智能體需要強大的推理能力來解決復雜的問題，發現隱藏的聯系，
3 MIN READ
2025年 3月 18日

使用 NVIDIA AgentIQ 開源工具包改進 AI 代碼生成

隨著 NVIDIA AgentIQ (用于連接和優化 AI 智能體團隊的開源庫) 的發布，開發者、
4 MIN READ
2025年 3月 18日

NVIDIA NeMo 檢索器將準確的多模態 PDF 數據提取速度提高 15 倍

企業生成和存儲的多模態數據比以往任何時候都多，但傳統的檢索系統在很大程度上仍然以文本為重點。雖然他們可以從書面內容中獲得見解，
3 MIN READ
2025年 3月 18日

借助 NVIDIA DGX 云無服務器推理在云環境中無縫擴展人工智能

NVIDIA DGX Cloud Serverless Inference 是一種自動擴展 AI 推理解決方案，可實現快速可靠的應用部署。
3 MIN READ