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。
TensorRT
速報
TensorRT 優化 YOLO 在 Jetson Nano 的硬體可靠性實測
在自駕系統逐漸把深度學習模型部署到受限邊緣平台時，掌握在資源退化下的硬體行為變得關鍵。
深度分析
NVIDIA Nemotron 領域嵌入模型微調完整實作：一天內提升 RAG 效能
企業在建置檢索增強生成系統時，常因通用嵌入模型無法捕捉專業文件細節而受阻。NVIDIA提供以單張GPU、不到一天完成的Nemotron領域微調流程，透過自動合成問答與硬負例挖掘，將Recall@60提升至95%。此技術可縮短開發週期並降低標記成本，對企業AI部署產生顯著效益。
深度分析
NVIDIA 一日微調實作：合成資料 SDG、硬負例挖掘與 ONNX/TensorRT 部署
面對通用嵌入難以掌握企業文件細節，NVIDIA 提出一套以合成訓練資料、硬負例挖掘與多跳問句展開的嵌入微調流程。透過 NeMo 工具鏈與雙編碼對比式訓練，改善檢索排序與覆蓋；實驗在主要指標上有約十％等級提升，並示範可在單 GPU 日內完成端到端部署。