NVIDIA đã công bố hai công cụ AI mới — NemoClaw và Hermes Agent — cùng tạo thành một khung tự cải thiện cho các quy trình nghiên cứu. Công ty cho biết sự kết hợp này được thiết kế để giúp nghiên cứu nhanh hơn và an toàn hơn bằng cách tự động hóa việc tinh chỉnh mô hình và giảm thiểu can thiệp thủ công.
Khung này làm gì
Khung này được xây dựng dựa trên ý tưởng rằng các mô hình AI có thể tự cải thiện hiệu suất trong quá trình thử nghiệm. Thay vì yêu cầu các nhà nghiên cứu phải tự tay điều chỉnh các tham số sau mỗi lần chạy, hệ thống sẽ học từ kết quả và thích ứng. Điều đó có thể rút ngắn khoảng thời gian giữa giả thuyết và kết luận, đặc biệt trong các lĩnh vực liên quan đến các chu kỳ huấn luyện và kiểm tra lặp đi lặp lại.
NVIDIA gọi cách tiếp cận này là tự cải thiện, nghĩa là phần mềm liên tục cập nhật hành vi của chính nó dựa trên dữ liệu mới. Công ty cũng nhấn mạnh tính bảo mật: dữ liệu nghiên cứu phải được bảo vệ ngay cả khi mô hình tự lặp lại. Hiệu quả là một mục tiêu khác được nêu ra — khung này nhằm mục đích giảm thiểu các chu kỳ tính toán lãng phí.
NemoClaw và Hermes Agent — Hai phần của một tổng thể
NVIDIA chưa công bố thông số kỹ thuật chi tiết cho từng công cụ, nhưng NemoClaw và Hermes Agent hoạt động cùng nhau. NemoClaw xử lý các tác vụ xử lý lõi và quản lý dữ liệu, trong khi Hermes Agent quản lý vòng lặp cải thiện lặp đi lặp lại. Cùng nhau, chúng cung cấp một đường ống mà các nhà nghiên cứu có thể tích hợp vào các dự án hiện có.
Các công cụ này nhắm đến các nhóm cần tự động hóa việc tinh chỉnh mô hình mà không hy sinh quyền kiểm soát hoặc bảo mật. NVIDIA định vị chúng như một lớp hạ tầng cho các phòng thí nghiệm chạy các thử nghiệm tần suất cao với các bộ dữ liệu nhạy cảm.
Tại sao các nhà nghiên cứu có thể quan tâm
AI tự cải thiện không phải là mới, nhưng việc đưa nó vào một khung có sẵn giúp hạ thấp rào cản áp dụng. Các phòng thí nghiệm nghiên cứu không có chuyên môn sâu về học tăng cường vẫn có thể hưởng lợi từ việc tối ưu hóa tự động. Trọng tâm bảo mật rất quan trọng đối với các lĩnh vực yêu cầu tuân thủ như chăm sóc sức khỏe, tài chính hoặc quốc phòng, nơi dữ liệu không thể rời khỏi môi trường được kiểm soát.
Hiệu quả cũng rất quan trọng. Huấn luyện các mô hình lớn tiêu tốn nhiều năng lượng và thời gian. Một khung giảm thiểu tính toán lãng phí vào các hướng đi không hiệu quả có thể giảm chi phí và đẩy nhanh chu kỳ xuất bản.
Những gì còn thiếu
NVIDIA chưa công bố tài liệu kỹ thuật cho NemoClaw hoặc Hermes Agent. Điều đó có nghĩa là các nhà nghiên cứu chưa thể đánh giá cơ chế tự cải thiện hoạt động như thế nào, các giao thức bảo mật được tích hợp sẵn ra sao, hoặc các công cụ yêu cầu bao nhiêu công tác thiết lập. Công ty chưa công bố ngày phát hành, giá cả hoặc mô hình cấp phép. Cho đến khi những chi tiết đó xuất hiện, các khung này vẫn chỉ là một thông báo thú vị chứ chưa phải là một sản phẩm có thể sử dụng.
