AI Mode in Searchの最新機能が旅行計画をサポート。1. フライト価格の追跡機能を追加、300以上の航空会社から最新価格を提供。2. ポイントやマイルのコストを表示、旅行先や日程を入力すると即座に必要マイル数が分かる。3. ホテル予約が簡単に、希望を伝えるだけで比較・予約が可能。これらの機能でスムーズな旅行計画を実現します。

NVIDIAのGB300 NVL72でQwen3.8-Flash-Nextを実験。これは、125Bのパラメータを持つマルチモーダル混合専門家モデルで、最大1Mトークンのコンテキストウィンドウを持つ。Gated DeltaNetとQwen Sparse Attentionを組み合わせて、効率的な処理を実現。開発者はNVIDIA NeMo AutoModelでモデルを微調整でき、複数の推論エンジンがサポートされている。

このチュートリアルでは、AIエージェントを使ってロボットのナビゲーションポリシーを訓練する方法を解説します。COMPASSフレームワークを用いて、ロボットと環境の選定、データ準備、トレーニング、評価を行います。具体的には、Spotロボットを使って、シミュレーション環境での訓練プロセスをステップバイステップで説明します。ナビゲーションの自律性を高めるための手法や、訓練後のポリシー接続方法についても触れています。

NVIDIAは、Qwen3.8-Flash-Nextモデルの実験を発表。176Bのパラメータを持ち、262,144トークンのコンテキストウィンドウをサポート。アルゴリズムにはGated DeltaNet (GDN)とQwen Sparse Attention (QSA)を採用し、長いコンテキストの処理を効率化。NVIDIA GB300 NVL72で16Kトークン/秒以上の処理速度を実現し、エージェントコーディング等のアプリケーションに最適化されています。

このブログ記事では、Sentence Transformersライブラリを使用してMulti-Vector Encoderモデルの訓練とファインチューニングの方法を解説します。Multi-Vectorモデルは、クエリとドキュメントをトークン単位でマッチングし、高度な検索性能を実現します。モデル、データセット、損失関数、トレーニング引数などの要素を組み合わせ、特定のドメインに適したモデルを構築する手法を示します。ファインチューニングにより、一般的なリトリーバモデルを超える性能を発揮します。

NVIDIA Dynamoのシャドウエンジン回復機能は、LLMエンジンの故障時に迅速な復旧を実現します。従来のコールドリスタートでは283秒かかるのに対し、シャドウエンジン回復では7.3秒でサービスを再開可能です。この技術は、GPUメモリサービス(GMS)を利用して、エンジン間で重みを共有し、バックグラウンドで再初期化を行います。これにより、サービスの品質が向上し、SLA違反を回避できます。

NVIDIA Dynamoのシャドウエンジン復旧機能により、LLMエンジンの障害からの復旧が短時間で可能になります。従来の冷再起動は283秒かかるのに対し、シャドウエンジンを使用した場合はわずか7.3秒で復旧が完了し、サービスの質を保ちながら、トラフィックを即座に再開できます。この技術は、GPUメモリサービスを活用し、重量共有によりメモリ使用量を最適化しています。

Google検索を使って自宅のインテリアを改善する方法を紹介します。1. AIを使って新しい家具の配置をビジュアル化。2. Google Lensでビンテージアイテムを見つけて購入。3. Circle to Searchでオンライン発見を促進。4. Search LiveでDIYプロジェクトをサポート。5. 価格比較でお得に購入。これらのツールを活用して、理想の空間を実現しましょう。

CUDA Python 1.0がリリースされ、Python開発者はCUDAプラットフォームをより簡単に利用できるようになります。主な特徴は、CUDAの基本概念をPythonオブジェクトとして扱える`cuda.core`、並列アルゴリズムを提供する`cuda.compute`、低レベルAPIへのバインディングを行う`cuda.bindings`などです。また、セマンティックバージョニングにより、APIの変更が安定し、開発者は安心してライブラリを使用できます。全体として、PythonとCUDAのエコシステムが一体化し、互換性が向上します。

Hugging Faceは「Papers with Code」の復活を進め、AI研究をよりアクセスしやすくしています。主な機能は、キーワードとベクトル検索を組み合わせたハイブリッド検索システムで、110,000以上の論文を対象にしています。データベースはPostgreSQLを利用し、Hugging Faceのサービスが埋め込み生成を支えています。これにより、ユーザーは迅速に関連論文を見つけやすくなり、研究の発展を促進しています。

NVIDIA Groq 3 LPXは、Vera Rubinプラットフォーム向けのAI推論アクセラレーターです。高いスループットとインタラクティビティを提供し、100Kトークンのコンテキストで3,431トークン/秒の出力速度を達成しました。長いコンテキストを維持しながら、高速な応答を可能にする技術が搭載され、エージェント型AIのワークフローを大幅に改善します。

AIファクトリーは、エージェントのタスクを効率的に完了するために、CPUとGPUが連携するシステムです。エージェントのワークロードは予測不可能であり、NVIDIA Vera CPUはそのバランスを保つ設計がされています。このCPUは、高い単一スレッド性能とコア間の高い同時実行性を持ち、エージェントのセッションを最適化し、効率的なフリート経済を実現します。実データを基にした性能評価では、最新の競合製品に対して1.5倍の性能を発揮することが示されています。

NVIDIAの新しいVera Rubin NVL72とBlackwell GB300 NVL72は、エージェントAIのパフォーマンスを大幅に向上させ、特にエネルギー効率を重視しています。Vera Rubinは、最大30倍のスループットを実現し、Blackwellは過去の世代に対しても優れた効率性を示しています。新たなベンチマーク「AgentX」は、エージェントAIのインフラを評価するために設計され、リアルな使用状況を反映した結果を提供します。これにより、AIファクトリーの電力利用を最適化し、インタラクティブな体験を維持することが可能となります。

AdaptGrowを利用したGPU加速のマトリックス因子分解アルゴリズムを用いて、金融商品のクラスタリングを実現します。主に、ポートフォリオ構築やリスク集約に役立ち、従来の手法の限界を克服します。特に、ハードクラスタリングとソフト因子化を組み合わせ、100,000以上の金融商品を効率的に処理可能です。この方法により、構造的変化を捉えつつ、新たなデータに対しても安価に再実行できるパイプラインを提供します。

NVIDIAのAVOは、一般的なエージェントアーキテクチャを構築するプロジェクトで、GPUカーネル最適化やARC-AGI-3ベンチマークに成功。AVOは、持続的な自律作業を可能にするためのメモリと監視機構を持ち、全25環境で100.00 RHAEスコアを達成。エージェントの設計には、フィードバックを基にした長期的な進歩が求められることを示しました。