跳到正文
NVIDIA Blog· Erik Pounds·· 3 天前精选AI 评分55

NVIDIA 扩展 Agent Toolkit,以企业数据为智能体提供依据

NVIDIA Agent Toolkit Expands, Grounding Enterprise Agents in Company Data

AI 导读

NVIDIA 扩展开源 NVIDIA Agent Toolkit,新增 NVIDIA Agent Knowledge Foundation,帮助企业智能体利用公司数据回答问题、预测结果并支持决策。

推荐理由

NVIDIA 将企业数据、模型、运行时和工具纳入开放智能体技术栈,并列出多家企业的应用案例及检索性能变化。

正文 · AI 翻译

智能体的实用性取决于它们掌握的信息,而可信度则取决于它们运行时所处的边界。 

领先企业正在使用开源的 NVIDIA Agent Toolkit(现已扩展并加入新工具),以定制和控制智能体,利用公司数据为其回答和行动提供依据,监控其行为并管理其运行方式。 

NVIDIA Agent Toolkit 包括:

阅读 NVIDIA 在欧洲发布的所有公告

要开发能够完成实际工作的智能体,并确保其从开发到部署都值得信赖,构建者需要一个开放的智能体技术栈,将模型、运行框架、运行时、数据和工具整合在一起。

NVIDIA Agent Knowledge Foundation 帮助企业将数据转化为智能体可用的企业情报。智能体能够查找相关信息,理解其对业务的意义,并据此进行预测,帮助人们决定下一步该怎么做。企业无需迁移数据、重建现有工作流或更改治理控制,即可使用 Agent Knowledge Foundation。 

该基础平台提供 NVIDIA CUDA-X 库,包括 cuDF、cuGraph、cuML、cuOpt 和 cuVS,以及全新的 Auto-Ontology 库。后者可将原始公司数据转换为客户、产品和订单等常见业务概念,并描绘它们之间的关系。 

该平台还包含 NVIDIA Nemotron Retriever 和 Kumo Structured 开放模型——Kumo Tabular、Kumo Relational、Kumo Time Series 和 Kumo Forecast,可帮助智能体查找相关公司信息,以回答问题并进行预测。 

OpenShell 提供安全的运行时边界,让企业能够控制智能体可以访问和执行的内容。NVIDIA NemoClaw 蓝图为构建安全、专用的智能体提供参考设计。最新的 NemoClaw 智能体优化蓝图提供了循序渐进的起点,助力提升智能体的智能水平——让它们随着时间推移更擅长完成工作。

企业采用 NVIDIA Agent Knowledge Foundation

全新的 NVIDIA Agent Knowledge Foundation 已在各大企业投入使用。

借助 Palantir,NVIDIA 供应链组织 正通过 Palantir Foundry、Ontology 和 AIP 使用 Agent Knowledge Foundation,部署专用智能体,从专有数据中生成可付诸行动的情报、预测结果并优化决策。

Databricks 将 NVIDIA Kumo Anomaly 与 Databricks Genie Ontology 相结合,为智能体提供上下文感知能力。

Snowflake 正在支持客户在其 Snowflake Notebook 环境中使用 NVIDIA Kumo Engine 和 Kumo Relational 开放模型,以解锁更强大的预测能力。

NVIDIA Nemotron Retriever 模型让搜索更快速、更准确。借助嵌入模型,Amazon OpenSearch Service 通过更少的搜索步骤提升了相关性,且几乎没有增加延迟。SAP 的 微调重排序器运行速度提升近 3 倍。ServiceNow 在将延迟缩短近四分之一的同时,提高了重排序质量。Zoom 正在使用 Nemotron Retriever 模型,提升 Zoom AI Services 的文档理解能力、搜索相关性和上下文检索能力。 

Amazon Web Services (AWS)、ClickHouse、Cloudera、Cohesity、Dassault Systèmes、Dell、Elastic、Exa、IBM、NetApp、Oracle、Perplexity、Starburst 和 VAST Data 也在基于 Agent Knowledge Foundation 构建。

通过参加这场关于在生产环境中构建、部署和优化专用智能体的 GTC Berlin 会议,了解更多。

阅读 NVIDIA 在欧洲的所有公告

来源:NVIDIA Blog · blogs.nvidia.com