NVIDIA ha lanzado el modelo Nemotron 3 Ultra, que lidera a los modelos de código abierto tanto en precisión como en eficiencia para tareas de codificación RTL (Register Transfer Level) de agentes.
NVIDIA describe cómo el co-diseño extremo con sus procesadores BlueField puede abordar los desafíos de infraestructura planteados por las cargas de trabajo de Agentic AI. La compañía argumenta que a medida que los sistemas agénticos desencadenan cadenas complejas de llamadas a modelos, interacciones con herramientas y búsquedas de datos, los patrones de infraestructura tradicionales son insuficientes para mantener el rendimiento.
Un agente de IA de análisis de video capaz de percibir, razonar y actuar sobre grandes cantidades de material de video debe integrarse con los flujos de trabajo existentes para ser útil. Estos flujos de trabajo incluyen sistemas de gestión de contenido, plataformas de mensajería, bases de datos, colas de tickets y rutas de escalamiento.
NVIDIA ha introducido un método que utiliza agentes de IA para acelerar el desarrollo de entornos de ejecución OpenUSD ligeros. Este enfoque aborda la dificultad tradicional de adaptar grandes bases de código existentes para equipos que requieren huellas de memoria específicas.
Los desarrolladores que crean aplicaciones de análisis de video en grandes espacios deben rastrear el mismo objeto mientras se mueve entre las vistas de la cámara. El seguimiento 2D de una sola cámara carece de información confiable de profundidad y generalmente pierde el objeto cuando sale del marco, lo que limita aplicaciones como la seguridad en almacenes, análisis minoristas y monitoreo de edificios inteligentes.
NVIDIA ha introducido una nueva instrucción PTX para la multiplicación sin acarreo en CUDA 13.3, abordando una lagencia de larga data donde las GPU carecían de soporte nativo para esta operación a pesar de estar presente en las CPUs x86 durante más de quince años.
NVIDIA NeMo proporciona capacidades para codificar agentes de IA que operen en flujos de trabajo de aprendizaje automático de larga duración, específicamente dirigidos a la investigación de aprendizaje por refuerzo.
NVIDIA demuestra que usar agentes de IA autónomos para codificación en el post-entrenamiento del modelo de razonamiento visual Cosmos 3 puede elevar la precisión por encima del 90% con un esfuerzo manual mínimo.
El Desafío de Razonamiento del Modelo Nemotron de NVIDIA invitó a la comunidad de Kaggle a explorar técnicas que mejoren la precisión del razonamiento bajo restricciones compartidas de modelos abiertos, benchmarks e infraestructura. Al cierre de la competencia, más de 5.000 participantes activos en 4.000 equipos habían generado miles de presentaciones.
Los investigadores de NVIDIA han desarrollado un método de decodificación Ising que reduce las tasas de error lógico para la corrección de errores cuánticos del código de color en más de 300 veces.
Estimar la probabilidad de eventos de baja probabilidad y alto impacto en ciencia, ingeniería y finanzas es desafiante porque el muestreo de Monte Carlo por fuerza bruta requiere un volumen excesivo de iteraciones del modelo.
NVIDIA aborda el desafío de evaluar rigurosamente los modelos fundamentales de robótica, que ahora pueden seguir instrucciones en lenguaje natural para manipular objetos. La empresa identifica la evaluación como un problema crítico sin resolver y presenta un nuevo método para abordar estas cuestiones.