在未改变其他超参数的情况下，由于训练吞吐量提升，训练时间从单 GPU 的 1.3 天压缩至 4 GPU 的 12.5 小时，这对于需要反复迭代超参数、快速验证新策略的研究人员而言，是一次具有变革意义的效率跃升。Isaac Lab-Arena 目前是 alpha 版本，后续版本将重点支持更具智能体特征、以提示词优先的场景与任务生成，增强并行评估中的异构性，以及加入敏感性分析和视觉语言模型（VLM,

评估AI模型与评估AI智能体密切相关，但两者回答的问题截然不同。模型基准测试衡量的是基础模型的能力，例如理解语言、遵循指令或解决静态任务的能力；而智能体评估则关注端到端系统的行为，包括规划、调用工具、处理不确定性，以及在动态环境中完成实际工作流程的表现。本文将解释模型和智能体评估之间的主要区别，并介绍将 AI 智能体作为生产系统进行评估的五个实用技巧。这种评估方法侧重于轨迹、工具和结果，而不仅仅是

这一合作旨在解决大规模机器人数据采集的瓶颈，通过 PICO 先进的 XR 硬件与 NVIDIA Isaac 开放机器人开发者平台的深度融合，为全球机器人开发者提供一套标准化、高保真的数据生产管线。针对上述痛点，借助 NVIDIA CloudXR.js SDK，PICO 4 Ultra 能够无缝接入 NVIDIA Isaac 远程操控工作流，无论是面对现实中的实体机器人，还是虚拟仿真环境里的机器人，

NVIDIA CUDA 13.3 为整个 CUDA 生态系统的开发者带来了新功能和性能优化。通过在 C++ 中引入，支持基于 Tile 的高级内核开发，能够自动管理复杂的底层 GPU 细节，从而实现卓越的性能和可移植性。此外，CUDA Tile 编程现在不仅支持所有其他已支持的 GPU 架构，还新增了对计算能力 9.0（NVIDIA Hopper）GPU 的支持。我们还将发布 CUDA Pytho

NVIDIA 深度学习培训中心（DLI）提供的《构建基于大语言模型的应用》 AI 培训班即将开课，由 NVIDIA 认证讲师全天实时中文授课和答疑，配合云端实验环境的动手实操帮助每位学员深入理解 LLM 应用开发并积累实践经验，从而快速投入实际开发工作。无论是个人技能跃升还是团队能力建设，NVIDIA 深度学习培训中心（DLI）的生成式 AI 认证学习路径都能为您提供系统支撑 —— 从认证科目选择

无论您是刚开始了解认证，还是已经购买了考试券准备报名，本文可助您更高效完成从选科到考试的全流程。在考试过程中，如遇到考试设备、考试环境或流程相关问题，DLI 现场工作人员可即时协助解决，避免考生自行与英文在线监考官沟通可能带来的不便，帮助您更加顺畅、专注地完成考试。考试券购买成功后，您将收到 dlichina 邮箱发出的考试券，预约流程说明，以及考前准备。现场考试会从考试前、考试中到考试后全程提供

NVIDIA 深度学习培训中心（DLI）提供的《利用提示工程构建大语言模型应用》AI 培训班即将开课，由 NVIDIA 认证讲师全天实时中文授课和答疑，配合云端实验环境的动手实操，系统讲解并实践提示工程一系列基本技能，用于高效构建基于 LLM 的应用。使用由 Llama-3.1 LLM 驱动的 NVIDIA NIM，和当前流行的 LangChain 库，学习使用提示工程一系列基本技能，用于构建基于

我们使用 GRPO 算法在 Qwen3-8B-Base 模型上运行结果，在部署中应用 FP8，在训练中应用 BF16。虽然对复合错误引起的 KV 缓存和注意力进行量化时，不匹配 KL 差异稍高一些，但我们的方法可以减轻不稳定性。通过启用词元-level 截断重要性采样，用于线性* KV 缓存* 注意力的 FP8 可实现与 BF16 基准和线性层 (W8A8) 的 FP8 的验证准确性对齐。图 6.

AI 和 AR 通过提供超个性化的数字体验 (从虚拟尝试到 AI 驱动的造型) ，正在改变美感和时尚。Perfect Corp. 是 AI 和 AR 美颜技术的全球领导者，利用 NVIDIA 解决方案提高其应用程序的真实感、准确性和性能。Perfect Corp. 使用通过 NVIDIA TensorRT 优化的 AI 模型，能够实现高精度的实时皮肤护理分析和 AI 生成的发型。此外，NVENC

联邦学习 (FL) 不再是研究的好奇心，而是对棘手限制的实际回应：最有价值的数据通常是最不可动的数据。监管边界、数据主权规则和组织风险承受能力通常会阻止集中式聚合。与此同时，纯粹的数据引力使得即使是允许的大规模传输也会变得缓慢、昂贵且脆弱。最新版本的通过联邦计算运行时解决了这一问题，该运行时可将训练逻辑迁移至数据所在位置，而原始数据无需移动。在高风险环境中，集中式数据聚合通常不可行或不现实，因此现