NVIDIA telah melancarkan dua alat AI baharu — NemoClaw dan Hermes Agent — yang bersama-sama membentuk rangka kerja yang memperbaiki diri untuk aliran kerja penyelidikan. Syarikat itu menyatakan gabungan ini direka untuk menjadikan penyelidikan lebih pantas dan lebih selamat dengan mengautomasikan penghalusan model dan mengurangkan campur tangan manual.
Apa yang Dilakukan oleh Rangka Kerja Ini
Rangka kerja ini dibina di sekitar idea bahawa model AI boleh meningkatkan prestasi mereka sendiri semasa eksperimen. Daripada memerlukan penyelidik untuk mengubah parameter secara manual selepas setiap larian, sistem belajar daripada hasil dan menyesuaikan diri. Ini boleh memendekkan masa antara hipotesis dan kesimpulan, terutamanya dalam bidang yang melibatkan kitaran latihan dan ujian yang berulang.
NVIDIA memanggil pendekatan ini sebagai memperbaiki diri, bermakna perisian sentiasa mengemas kini tingkah lakunya sendiri berdasarkan data baharu. Syarikat itu juga menekankan keselamatan: data penyelidikan harus kekal dilindungi walaupun model beriterasi pada dirinya sendiri. Kecekapan adalah satu lagi matlamat yang dinyatakan — rangka kerja ini bertujuan untuk meminimumkan kitaran pengiraan yang terbuang.
NemoClaw dan Hermes Agent — Dua Bahagian daripada Satu Keseluruhan
NVIDIA belum mengeluarkan spesifikasi terperinci untuk setiap alat, tetapi NemoClaw dan Hermes Agent berfungsi bersama. NemoClaw mengendalikan pemprosesan teras dan pengendalian data, manakala Hermes Agent menguruskan gelung penambahbaikan berulang. Bersama-sama, mereka menyediakan saluran yang boleh dipasang oleh penyelidik ke dalam projek sedia ada.
Alat-alat ini menyasarkan pasukan yang perlu mengautomasikan penalaan model tanpa mengorbankan kawalan atau keselamatan. NVIDIA meletakkannya sebagai lapisan infrastruktur untuk makmal yang menjalankan eksperimen frekuensi tinggi dengan set data sensitif.
Mengapa Penyelidik Mungkin Berminat
AI yang memperbaiki diri bukanlah perkara baharu, tetapi meletakkannya dalam rangka kerja yang dibungkus menurunkan halangan untuk penerimaan. Makmal penyelidikan tanpa kepakaran pembelajaran pengukuhan mendalam masih boleh mendapat manfaat daripada pengoptimuman automatik. Tumpuan keselamatan penting untuk bidang yang berat dengan pematuhan seperti penjagaan kesihatan, kewangan, atau pertahanan, di mana data tidak boleh meninggalkan persekitaran terkawal.
Kecekapan juga penting. Melatih model besar memakan kuasa dan masa yang ketara. Rangka kerja yang kurang membazirkan pengiraan pada jalan buntu boleh mengurangkan kos dan mempercepatkan kitaran penerbitan.
Apa yang Kurang
NVIDIA belum menerbitkan dokumentasi teknikal untuk NemoClaw atau Hermes Agent. Ini bermakna penyelidik belum boleh menilai bagaimana mekanisme memperbaiki diri berfungsi, protokol keselamatan yang disertakan, atau berapa banyak persediaan yang diperlukan oleh alat-alat ini. Syarikat itu belum mengumumkan tarikh pelancaran, harga, atau model pelesenan. Sehingga butiran tersebut tiba, rangka kerja ini kekal sebagai pengumuman yang menarik dan bukannya produk yang boleh digunakan.
