Crypto Currency Tracker logo Crypto Currency Tracker logo
Forklog 2026-07-16 11:25:41

Nvidia автоматизировала дообучение Cosmos 3 с помощью ИИ-агента

В техническом эксперименте Nvidia точность модели Cosmos 3 Nano на тесте с четырьмя вариантами ответа выросла с 54,41% до 93,35% менее чем за сутки. Основные этапы дообучения выполнил ИИ-агент Codex по заранее подготовленным инструкциям TAO. Результат получен на одном специализированном датасете — Woven Traffic Safety от Woven by Toyota. Он содержит видео дорожных ситуаций и вопросы с четырьмя вариантами ответа. Для обучения и проверки использовали более 8000 примеров. Без дополнительной адаптации Cosmos 3 Nano правильно ответила на 54,41% вопросов. Затем разработчики попросили Codex оценить базовую модель и провести дообучение методом LoRA. Агент выбрал специализированную инструкцию Cosmos-reason, проверил аннотации датасета и обнаружил отсутствующий параметр частоты кадров. После исправления конфигурации он загрузил веса модели, подготовил настройки и запустил обучающий контейнер. https://youtu.be/9AQkVbx3fKA?si=6y1p3qZHRgeqzuEq LoRA не изменяет все параметры модели, а обучает небольшие дополнительные адаптеры. По расчетам Nvidia, в этом эксперименте метод потребовал примерно в семь раз меньше GPU-часов, чем полное дообучение Cosmos 3 Nano. Один прогон LoRA занял около 30 минут на восьми ускорителях NVIDIA A100 с 80 ГБ памяти. Точность выросла до 87,14%. Вторым промптом разработчики запустили TAO AutoML для подбора скорости обучения, размера пакета, параметров LoRA и других настроек. Система провела 43 параллельных испытания. Лучший результат с байесовской оптимизацией составил 93,35%. Этот этап занял 19,5 часа на нескольких узлах A100 в Oracle Cloud Infrastructure. Codex в эксперименте не ограничивался анализом результатов. Он выбирал рабочий процесс, проверял данные, исправлял конфигурацию, запускал контейнеры и сравнивал метрики. Автономность агента оставалась ограниченной, он действовал по заранее подготовленным инструкциям. Показатель 93,35% отражает точность ответов в проверочной части одного исследовательского датасета. Он не измеряет безопасность автономного вождения и не подтверждает способность модели принимать решения в реальном времени. https://forklog.com/exclusive/ai/depai-novyj-trend-v-ekonomike-mashin Напомним, в июне исследователи Nvidia, Carnegie Mellon University и Калифорнийского университета в Беркли представили ENPIRE — фреймворк, который позволяет ИИ-агентам для программирования улучшать политики управления роботами на реальном оборудовании.

Loe lahtiütlusest : Kogu meie veebisaidi, hüperlingitud saitide, seotud rakenduste, foorumite, ajaveebide, sotsiaalmeediakontode ja muude platvormide ("Sait") siin esitatud sisu on mõeldud ainult teie üldiseks teabeks, mis on hangitud kolmandate isikute allikatest. Me ei anna meie sisu osas mingeid garantiisid, sealhulgas täpsust ja ajakohastust, kuid mitte ainult. Ükski meie poolt pakutava sisu osa ei kujuta endast finantsnõustamist, õigusnõustamist ega muud nõustamist, mis on mõeldud teie konkreetseks toetumiseks mis tahes eesmärgil. Mis tahes kasutamine või sõltuvus meie sisust on ainuüksi omal vastutusel ja omal äranägemisel. Enne nende kasutamist peate oma teadustööd läbi viima, analüüsima ja kontrollima oma sisu. Kauplemine on väga riskantne tegevus, mis võib põhjustada suuri kahjusid, palun konsulteerige enne oma otsuse langetamist oma finantsnõustajaga. Meie saidi sisu ei tohi olla pakkumine ega pakkumine