NVIDIA telah meluncurkan dua alat AI baru — NemoClaw dan Hermes Agent — yang bersama-sama membentuk kerangka kerja yang meningkatkan diri sendiri untuk alur kerja penelitian. Perusahaan mengatakan kombinasi ini dirancang untuk membuat penelitian lebih cepat dan lebih aman dengan mengotomatiskan penyempurnaan model dan mengurangi intervensi manual.
Apa yang Dilakukan Kerangka Kerja Ini
Kerangka kerja ini dibangun di sekitar gagasan bahwa model AI dapat meningkatkan kinerja mereka sendiri selama eksperimen. Alih-alih mengharuskan peneliti untuk menyesuaikan parameter secara manual setelah setiap proses, sistem belajar dari hasil dan beradaptasi. Hal itu dapat mempersingkat waktu antara hipotesis dan kesimpulan, terutama di bidang yang melibatkan siklus pelatihan dan pengujian yang berulang.
NVIDIA menyebut pendekatan ini sebagai peningkatan diri sendiri, yang berarti perangkat lunak terus memperbarui perilakunya sendiri berdasarkan data baru. Perusahaan juga menekankan keamanan: data penelitian harus tetap terlindungi bahkan saat model melakukan iterasi pada dirinya sendiri. Efisiensi adalah tujuan lain yang dinyatakan — kerangka kerja ini bertujuan untuk meminimalkan siklus komputasi yang terbuang.
NemoClaw dan Hermes Agent — Dua Bagian dari Satu Kesatuan
NVIDIA belum merilis spesifikasi terperinci untuk setiap alat, tetapi NemoClaw dan Hermes Agent bekerja bersama. NemoClaw menangani pemrosesan inti dan penanganan data, sementara Hermes Agent mengelola loop peningkatan iteratif. Bersama-sama, mereka menyediakan pipeline yang dapat diintegrasikan oleh peneliti ke dalam proyek yang ada.
Alat-alat ini menargetkan tim yang perlu mengotomatiskan penyetelan model tanpa mengorbankan kontrol atau keamanan. NVIDIA memposisikannya sebagai lapisan infrastruktur untuk laboratorium yang menjalankan eksperimen frekuensi tinggi dengan kumpulan data sensitif.
Mengapa Peneliti Mungkin Tertarik
AI yang meningkatkan diri sendiri bukanlah hal baru, tetapi memasukkannya ke dalam kerangka kerja yang sudah dikemas menurunkan hambatan adopsi. Laboratorium penelitian tanpa keahlian pembelajaran penguatan yang mendalam tetap dapat memperoleh manfaat dari optimasi otomatis. Fokus pada keamanan penting untuk bidang yang sangat terikat kepatuhan seperti perawatan kesehatan, keuangan, atau pertahanan, di mana data tidak boleh meninggalkan lingkungan yang terkendali.
Efisiensi juga penting. Melatih model besar membutuhkan daya dan waktu yang signifikan. Kerangka kerja yang membuang lebih sedikit komputasi pada jalan buntu dapat mengurangi biaya dan mempercepat siklus publikasi.
Apa yang Kurang
NVIDIA belum menerbitkan dokumentasi teknis untuk NemoClaw atau Hermes Agent. Itu berarti peneliti belum dapat mengevaluasi bagaimana mekanisme peningkatan diri sendiri bekerja, protokol keamanan apa yang tertanam, atau berapa banyak pengaturan yang diperlukan alat-alat tersebut. Perusahaan belum mengumumkan tanggal rilis, harga, atau model lisensi. Sampai detail tersebut tiba, kerangka kerja ini tetap merupakan pengumuman yang menarik daripada produk yang dapat digunakan.
