掌握全球体育脉搏

2024年5月18日 | 0 评论 | 体育资讯

国际机器学习大会 (ICML) 每年都会公布数千名人工智能研究人员的研究成果。

今年的入选论文清晰地展示了一个趋势：开放式前沿模型和开放式人工智能基础设施已成为现代人工智能科学研究的基石。

英伟达有 74 篇论文在 ICML 上被接受。约有 2,000 篇入选论文引用了英伟达 GPU，另有 145 篇论文则将英伟达 Nemotron（一个包含开放数据集的开放模型系列）作为新研究的基础。此外，还有数百篇论文借鉴了英伟达 Cosmos、英伟达 Isaac GR00T、BioNeMo 以及其他英伟达开放模型系列，这些模型涵盖了物理AI、机器人、自动驾驶汽车和生物医学研究等领域。

塑造今年研究的主题

视觉和视频生成、用于大型语言模型 (LLMs) 的强化学习、以及作为代理训练和AI推理等领域，仍然是今年论文中的突出主题，这反映了这些领域持续的投入。同时，一些新的研究领域也崭露头角。

机器人世界模型引起了广泛关注，例如 DreamDojo 的论文，它在 AI 系统如何理解和操作物理环境方面取得了突破。DreamDojo 通过学习人类视频中的物理世界规律，并基于英伟达 Cosmos 开放前沿模型，能够预测机器人在未曾训练过的环境中的物体处理和操作能力。这使得研究人员能够评估策略、规划动作并远程控制虚拟机器人，从而在不增加实际部署成本和风险的情况下加速开发进程。

生命科学领域的人工智能研究，得益于英伟达 BioNeMo 开放模型和研究贡献，在帮助研究人员理解蛋白质功能、分子行为和基因编码方面取得了进展。FLIP2 等论文提出了用于测试 AI 预测蛋白质突变影响能力的公开基准。KERMT 是一款新的 BioNeMo 开放模型，用于预测对药物发现至关重要的分子特性。

合成数据生成 (SDG) 在今年的 ICML 上备受关注，多篇论文展示了 Nemotron 和物理 AI 开放数据集的应用。这反映了研究人员在扩展训练规模时，正逐渐摆脱对仅依赖人工标注数据的传统模式。

开放式研究栈

开放式基础设施为研究人员提供了加速突破的工具。

论文显示，Nemotron 的使用方式已不再局限于单一模型发布，而是更像一个研究栈：提供开放权重用于评估，开放数据集用于训练和适配，以及开放的推理、工具使用、安全、数据整理和高效推理的“配方”。

除了模型本身，NeMo Curator 及其支持的开放数据集为研究人员提供了可复现的数据集整理基础。SDG 工具能够以几年前难以想象的速度和规模生成高质量的训练数据集。

Cosmos 3 系列开放式前沿全能模型，使研究人员和开发者在构建能够感知、推理、规划和操作物理世界的机器人、自动驾驶汽车和视觉 AI 方面，实现了代际飞跃。

此外，用于自动驾驶汽车开发的英伟达 Alpamayo 开放模型系列、用于机器人技术的英伟达 Isaac GR00T，以及用于生物医学的英伟达 BioNeMo，都有助于加速各行业的研发进程。

生态系统的构建

这种势头不仅限于英伟达自身的研究实验室。

Basecamp Research 开发了一种新的 DNA 基础模型 EDEN，帮助研究人员解读和设计基因序列。

默克公司 (Merck & Co.) 使用 KERMT 来预测潜在药物分子在体内的行为，包括其有效性、安全性以及可开发性。

Sakana AI（今年也参加了 ICML）直接基于 Nemotron 3 Ultra 构建了 Fugu 和 Fugu-Ultra 模型，利用这一开放基础推动其在 AI 研究自动化方面的工作。

KiloCode 将 Nemotron 集成到其代码路由架构中，报告称代币成本降低了高达 90%，这对于 AI 在生产环境中的部署经济性具有实际意义。

NAVER 开发了自己的模型，采用了 Nemotron 架构，为韩语人工智能研究奠定了基础。

Together AI 在其平台上托管 Nemotron 模型，为需要可靠、无缝访问开放推理的研究人员提供了便利。

Humanoid、LG Electronics、NEURA Robotics 和 Noble Machines 正在采用英伟达 Isaac GR00T 模型，以加速其人形机器人的工业化部署；而 1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 则利用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab 来构建下一代人形机器人，加速其机器人的开发和验证。

在 Hugging Face 上探索英伟达的开放模型。

在 7 月 10 日（星期五）的 ICML GenBio 研讨会上，探索基因组学和生物学研究。

开云深耕开云入口领域，用心服务每一位用户。