Nemotron 相关 AI 资讯 · AI 热点

7月11日

00:10

00:10

官方账号LangChain@LangChainAI

精选

LangChain 团队将 NVIDIA 的 Nemotron 3 Ultra 接入 agent 框架 Deep Agents 进行调优。他们通过特定的训练和推理优化，提升了模型在复杂任务中的表现。调优后的 Nemotron 在多个 benchmark 上取得进展，展示了开源模型在智能体场景下的潜力。

AI模型 Nemotron NVIDIA LangChain Deep Agents 智能体

推荐理由：LangChain 分享了怎么用 Deep Agents 调优 Nemotron 3 Ultra，有具体方法，做 agent 的可以看看。

7月9日

16:52

16:52

官方一手marktechpost@Asif Razzaq

73°

NVIDIA发布Nemotron-Labs-3-Puzzle-75B-A9B，这是Nemotron-3-Super的压缩变体。通过Iterative Puzzle方法，总参数从120.7B降至75.3B，活跃参数从12.8B降至9.3B。在单台8xB200节点上，它实现了2.03倍于Super的总吞吐量，每用户100 tok/s。在H100上，1M-token并发从1提升到8。

AI模型 Nemotron NVIDIA MoE 推理模型模型压缩

推荐理由：NVIDIA把这个MoE模型压到75B，吞吐翻倍，用户延迟不变，适合降本增效。

01:01

01:01

官方账号LangChain@LangChainAI

精选

LangChain调整了NVIDIA Nemotron 3 Ultra模型的推理框架，在基准测试中获得0.86的聚合分数，成本仅4.48美元。与之性能最接近的模型成本为43.48美元，实现了10倍的成本降低。该优化在保持领先性能的同时大幅降低了推理开销。

AI模型 Nemotron NVIDIA LangChain 推理优化基准性能

推荐理由：LangChain让Nemotron 3 Ultra跑分0.86，成本只要4.48刀，比对手便宜近10倍，性价比拉满。

7月8日

13:56

13:56IT之家（博客/媒体）

73°

英伟达于6月发布Audex（Nemotron-Labs-Audex-30B-A3B）统一音频-文本大模型，总参数量30B，激活参数3B。该模型以Nemotron-Cascade-2-30B-A3B为骨干，采用52层混合Mamba-Transformer结构，128个可路由专家。音频编码使用AF-Whisper，语音输出用X-Codec2，非语音音频用X-Codec。文本评测中，Audex在MMLU-Redux上得分86.4（高于骨干86.3），在IMO AnswerBench上81.1（高于79.3），但在MMLU-Pro和GPQA-Diamond上小幅下降。

AI模型 Audex Nemotron 英伟达多模态音频理解

推荐理由：英伟达出了个Audex，30B参数但只激活3B，能听能说还不掉文本能力，MMLU-Redux得分86.4比原来还高一点。

7月7日

04:13

04:13

官方账号NVIDIA AI@NVIDIAAI

国际象棋大师@viditchess参加了NVIDIA举办的Hermes Agent Accelerated Business Hackathon。他使用NVIDIA的Nemotron模型构建智能体，旨在角逐最佳参赛作品。该黑客松由NVIDIA AI官方推广，并感谢了Stripe和NousResearch的支持。Vidit提交的项目吸引了3838次浏览和18次点赞。

行业 Nemotron Vidit Hermes Agent 智能体黑客松

推荐理由：国际象棋大神Vidit用Nemotron造了个智能体，看看他在黑客松里提交了什么。

01:11

01:11

官方账号NVIDIA AI@NVIDIAAI

精选

在 ICML 2026 上，NVIDIA 的 Nemotron 模型和数据集被 145 篇论文引用。NVIDIA 自身有 74 篇论文被接受，约 2000 篇论文引用了 NVIDIA GPU。这些数据体现了 NVIDIA 在 AI 研究中的基础设施地位。Nemotron 作为开放模型正在成为现代 AI 研究的基础。

AI模型 NVIDIA Nemotron ICML GPU 开源模型

推荐理由：NVIDIA在ICML 2026上刷了一波存在感：145篇论文用上Nemotron，74篇自家论文入选，还有2000篇靠NVIDIA GPU跑出来的。学术圈地位一览无余。

7月3日

13:27

13:27IT之家（博客/媒体）

76°

英伟达开源了 60B 参数的双塔离散扩散语言模型 Nemotron-Labs-TwoTower，包括 30B 的自回归上下文塔和 30B 的扩散去噪器塔。在 MMLU 上得分为 78.24，ARC-Challenge 上为 92.66，综合基准质量保留 98.7%。实际运行吞吐量相比自回归模型提升 2.42 倍。模型权重已在 Huggingface 发布，采用 NVIDIA Nemotron Open Model License。

AI模型英伟达 TwoTower Nemotron 扩散语言模型开源模型

推荐理由：英伟达放出了一个双塔扩散模型，生成速度比普通模型快 2.4 倍，质量只掉了 1.3%，权重和代码都已经开源了。

7月2日

03:52

03:52

官方账号NVIDIA AI@NVIDIAAI

78°

NVIDIA Research将30B参数的Nemotron-3-Nano-30B-A3B模型拆分为两半，一半维护上下文，一半生成token。该扩散语言模型仅复用预训练权重而非从头训练，在保持98.7%原始质量的同时实现了2.42倍的生成加速。这种方法将传统的自回归逐token生成改为并行写入，显著提升了推理效率。

AI模型 Nemotron NVIDIA 扩散语言模型并行生成推理加速

推荐理由：NVIDIA把30B模型劈成两半，并行写token，速度翻倍还保质量，不是新训模型是复用预训练，挺聪明的做法。

6月30日

12:27

12:27

官方账号NVIDIA AI@NVIDIAAI

NVIDIA 宣布其 Nemotron 模型与 LangChain 集成，覆盖从推理到编排的智能体工作流。开发者可在开放栈上自定义、调优和部署模型。该集成面向生产环境，基于 LangChain 框架实现灵活编排。Nemotron 是 NVIDIA 的前沿智能体性能模型，支持多种部署方式。

AI产品 NVIDIA Nemotron LangChain 智能体推理模型

推荐理由：NVIDIA的Nemotron现在接入了LangChain，你可以按需调优和部署智能体，不受厂商锁定，适合做定制化AI代理。

6月23日

13:13

13:13

官方账号arXiv cs.AI@Prateek Agnihotri, Sanchit Jain, Prabhat Agnihotri, Aditya Prasad, Shubham Jain

这篇论文介绍了在NVIDIA Nemotron Model Reasoning Challenge中解决Bit Manipulation Puzzles的创新算法。该任务要求发现隐藏的逻辑规则并应用于新输入，但LLMs通常因复杂布尔逻辑模拟而幻觉。作者提出放弃算术逻辑，转而使用字符串相似性、结构化搜索和自主错误恢复。他们将逻辑门推导重构为基选择任务，利用最小比特翻转来隔离基并推导真值表，无需复杂算术。通过回溯DFS和错误恢复，结合比特分词和交互推理SFT，该方法在验证集上达到96%以上的准确率，最终获得比赛第7名。

论文 NVIDIA Nemotron Bit Manipulation Puzzles 推理模型 LLM

推荐理由：这篇论文用字符串相似度和回溯搜索替代了算术逻辑，让LLM在位操作谜题上验证精度超过96%，比赛第7名，方法很巧妙。

6月6日

02:36

02:36

官方账号NVIDIA AI@NVIDIAAI

NVIDIA 宣布其 Nemotron Coalition 新增三家成员：@hcompany_ai、@NousResearch 和 @PrimeIntellect。该联盟旨在协作开发前沿开放模型，现有成员包括 Black Forest Labs、Cursor、LangChain、Mistral AI 等。Nemotron 3 Ultra 模型已在联盟成员贡献下完成开发，未来将继续合作推进新模型发布。Prime Intellect 表示将贡献其强化学习基础设施，帮助扩展智能体能力。

行业 NVIDIA Nemotron 开放模型联盟智能体

推荐理由：开放模型生态再添生力军，做 AI 模型训练或智能体开发的团队值得关注——联盟协作模式可能加速下一代开源模型落地。

6月4日

22:32

22:32官方一手Hugging Face: Blog（博客/媒体）

NVIDIA 发布了 Nemotron 3.5 ASR 模型的微调指南，帮助开发者将通用语音识别模型适配到特定语言、专业领域或口音。该模型基于 Whisper 架构优化，支持低资源语言和噪声环境。指南提供了从数据准备、训练配置到部署的完整流程，并强调使用 LoRA 等高效微调方法降低计算成本。这对于需要高精度语音识别的垂直场景（如医疗、金融、客服）尤其有价值。

AI模型语音识别 ASR Nemotron 微调 NVIDIA

推荐理由：NVIDIA 把 ASR 微调的门槛降下来了，做语音应用的团队（尤其是非英语场景或专业领域）可以直接参考这套流程，省去大量试错成本。

20:32

20:32官方一手Hugging Face: Blog（博客/媒体）

精选

NVIDIA 提出了一种名为 Task-Seeded Synthetic Q&A Generation 的方法，用于为 Nemotron 模型预训练生成高质量的合成问答数据。该方法通过任务种子（task seeds）引导生成多样化的问答对，解决了传统数据生成中覆盖不足和多样性低的问题。实验表明，使用该方法生成的合成数据训练的模型在多个基准测试上表现优异，甚至优于使用真实数据训练的模型。这项技术有望降低对人工标注数据的依赖，加速大语言模型的开发。

论文 NVIDIA Nemotron 合成数据预训练问答生成

推荐理由：NVIDIA 用任务种子生成合成数据，解决了预训练数据稀缺和多样性不足的问题，做 NLP 和模型训练的团队可以关注，能显著降低数据标注成本。

6月3日

08:02

08:02

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA 旗下 Nemotron Labs 发布了 Self-Evolving Hermes Agents，一种能够在使用中自我改进的企业级 AI 智能体。该智能体通过持续学习用户交互和反馈，自动优化自身行为，无需人工重新训练。这解决了传统企业 AI 部署后性能停滞的问题，显著降低了维护成本。Hermes Agents 基于 Nemotron 模型，专为复杂企业任务设计，如客户服务、流程自动化等。NVIDIA 在直播中展示了其在实际场景中的自适应能力，引发广泛关注。

AI产品智能体企业AI 自我进化 NVIDIA Nemotron

推荐理由：企业 AI 终于能自己变强了——Self-Evolving Hermes Agents 解决了部署后性能衰减的痛点，做企业级 AI 落地的团队值得关注，看看它如何通过使用自动进化。

5月21日

07:59

07:59

官方账号NVIDIA AI@NVIDIAAI

NVIDIA AI 官方推特宣布了 Nemotron 系列模型的完整论文，并推荐用户阅读 @llm_wizard 的详细解读。该论文可能涉及 NVIDIA 在大型语言模型领域的最新进展，包括模型架构、训练方法或性能优化。对于关注 AI 前沿研究和 NVIDIA 技术动态的开发者与研究者，这是一份重要的技术文档。

论文 NVIDIA Nemotron 论文大型语言模型技术解读

推荐理由：NVIDIA 的 Nemotron 论文是了解其 LLM 技术路线的一手资料，做模型训练或推理优化的开发者值得仔细研读，配合 @llm_wizard 的解读能更快抓住重点。

5月20日

08:44

08:44

官方账号NVIDIA AI@NVIDIAAI

76°

NVIDIA 发布了 Nemotron-Labs-Diffusion 系列扩散语言模型，与传统逐 token 生成不同，该模型能在单次推理中并行生成多个 token，并支持在生成过程中进行修订。这种设计充分利用了现代 GPU 的并行计算能力，显著提升推理速度。模型系列包含 3B 到 14B 参数规模，并提供了视觉-语言变体。目前该模型已开源可用。

AI模型扩散模型并行生成 NVIDIA Nemotron 推理加速

推荐理由：NVIDIA 的扩散语言模型打破了传统逐 token 生成瓶颈，做推理加速或大模型部署的团队可以直接拿来提升 GPU 利用率，值得关注。

5月13日

02:41

02:41

官方账号NVIDIA AI@NVIDIAAI

NVIDIA AI官方发布了关于Nemotron 3 Nano Omni的专家问答内容，来自Nemotron Labs。该模型是Nemotron系列的最新进展，专注于边缘设备上的高效AI推理。问答中探讨了模型架构、量化技术与实际部署场景，强调了小模型在保持高性能同时降低计算成本的重要性。这标志着NVIDIA在小型化多模态AI模型上的持续投入。

AI模型 NVIDIA Nemotron 边缘推理模型压缩多模态

推荐理由：对于关注边缘AI部署和模型压缩的开发者，Nemotron系列的技术细节具有实际参考价值，尤其适合了解NVIDIA在小模型领域的最新动态。