英伟达公司今日发布了一套开源工具,旨在增强人工智能智能体的功能。这些项目在公司年度GTC开发者大会上首次亮相。
英伟达的首个新工具NemoClaw改进了OpenClaw的安全性和输出质量。OpenClaw是一个流行的开源AI智能体,消费者可以在个人电脑上运行。它能够自动化多步骤任务,如整理本地存储文件和进行在线研究。
NemoClaw包含多个组件。第一个是OpenShell,这是一个为OpenClaw添加隐私和网络安全防护的工具。它通过在沙盒环境中运行OpenClaw来实现这一点,防止其访问执行任务时不必要的文件。该工具还限制了智能体的网络访问。
开发者可以通过编写YAML语法配置规则来自定义OpenShell。例如,软件团队可以创建一个策略,允许智能体沙盒与云托管AI工具之间的网络连接。一些YAML规则支持热交换,这意味着可以在不重启受影响智能体的情况下更改这些规则。
NemoClaw的另一个组件是由OpenShell支持的新开源工具,它基于英伟达现有项目Nemotron。该项目包含六个以上的AI模型,针对文本生成和图形分析等任务进行了优化。
用户可以配置其由NemoClaw驱动的智能体,将提示路由到Nemotron算法。据英伟达介绍,还可以将智能体与云托管的大语言模型集成。一个名为隐私路由器的组件确保敏感数据不会发送到这些大语言模型。
英伟达表示,NemoClaw使得通过单个命令安装OpenShell和Nemotron成为可能。除了OpenClaw,NemoClaw还可以为使用OpenAI集团和Anthropic等提供商模型的其他AI智能体提供支持。
英伟达首席执行官黄仁勋表示:"员工将通过部署和管理的前沿、专业化和定制化智能体团队获得超强能力。企业软件行业将演变为专业化的智能体平台,IT行业正处于下一次重大扩张的边缘。"
OpenShell和Nemotron作为NemoClaw的两个核心组件,还与英伟达今日发布的另一个开源项目一同发布。智能体工具包使开发者能够构建自动化多步骤任务的自定义AI智能体。与NemoClaw一样,它在隔离的OpenShell沙盒中运行智能体以提高安全性。
智能体工具包包含一个名为AI-Q的软件蓝图,旨在加速开发项目。据英伟达介绍,软件团队可以使用它构建搜索智能体,自动化诸如在商业文档中筛选特定数据点等任务。该芯片制造商使用AI-Q开发了一个在DeepResearch Bench和DeepResearch Bench II两个AI排行榜上名列前茅的智能体。
该蓝图基于英伟达所称的混合架构。AI-Q使用Nemotron算法进行研究,并使用更昂贵的前沿模型来编排这些算法。据英伟达表示,这种方法可以将查询处理成本削减一半以上。
该芯片制造商目前正与众多合作伙伴合作,将智能体工具包集成到他们的产品中。Adobe公司、IBM公司的红帽部门、Box公司和Cadence Design Systems公司等都是早期采用者。初创公司LangChain将把智能体工具包与其广泛使用的同名AI应用开发平台集成。
Q&A
Q1:NemoClaw是什么?它的主要功能是什么?
A:NemoClaw是英伟达推出的开源工具,旨在改进OpenClaw的安全性和输出质量。它包含OpenShell和Nemotron两个核心组件,能够为AI智能体提供隐私防护、网络安全控制和模型优化功能。
Q2:OpenShell如何保护AI智能体的安全?
A:OpenShell通过在沙盒环境中运行AI智能体来提供保护,防止智能体访问执行任务时不必要的文件,同时限制网络访问。开发者可以使用YAML语法编写配置规则来自定义安全策略。
Q3:智能体工具包与NemoClaw有什么区别?
A:智能体工具包是另一个开源项目,专门用于帮助开发者构建自定义AI智能体。它同样使用OpenShell沙盒技术,并包含AI-Q软件蓝图,采用混合架构来降低查询处理成本。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。