深度分析
NVIDIA 推出單卡一天完成的領域專用嵌入模型微調流程，提升 RAG 檢索效能
通用嵌入模型常在處理企業專業文件時失效，導致 RAG 系統檢索精度不足。NVIDIA 推出一套微調流程，利用 LLM 自動生成合成問答對並挖掘硬負樣本，同時引入多跳查詢以強化複雜語意推理。該方案僅需單張 GPU 在一天內即可完成訓練，實測可提升 Recall@10 與 NDCG@10 逾 10%，顯著優化專業領域的檢索效能。
ONNX
深度分析
NVIDIA Llama‑Nemotron‑Embed‑1B‑v2 單卡 A100 一天完成領域嵌入微調與 RAG 優化全流程
在企業建置RAG系統時，通用嵌入模型無法辨識合約與製造紀錄等專業語彙。NVIDIA提供單張A100、一天即可完成的微調流程，透過自動合成問答、硬負樣本挖掘與多跳問題展開，提升檢索Recall@10與NDCG@10超過10%。此方案降低標註成本，助企業快速落地領域語意搜尋。
深度分析
在 Chrome 擴充功能中整合 Transformers.js 與 Gemma 4：本地 AI 助手實作指南
本文說明在 Chrome Manifest V3 限制下，如何將 Transformers.js 結合 Gemma‑4 模型於背景 Service Worker，並以側邊面板 UI 與內容腳本分工合作，完成本地 AI 對話、工具呼叫與向量嵌入檢索。
深度分析
Manifest V3 下以 Transformers.js 實作 Chrome 擴充本地推論與工具化架構
本文以 Hugging Face 的 Transformers.js 範例擴充功能為藍本，說明在 Chrome Manifest V3 限制下，如何把人工智慧推論與工具呼叫放在背景 service worker，並以側欄 UI 與內容腳本分工協作。