2026. július 10., péntek · Eszközök

NVIDIA Nemotron 3 Ultra teljesítménye javítható LangChain harness profilok segítségével, finomhangolás nélkül

Az NVIDIA technikai blogja bemutatja, hogyan lehet a Nemotron 3 Ultra nyílt forráskódú modell ágensalapú rendszerekben elért pontosságát a LangChain Deep Agents harness profilok testre szabásával növelni, anélkül hogy finomhangolásra lenne szükség. A módszer lényege egy iteratív fejlesztési ciklus: kiértékelés futtatása, hibaelemzés, harness profil módosítások (például promptváltoztatások, middleware beillesztése), javítás ellenőrzése, majd újrafuttatás. Az NVIDIA szerint ez lehetővé teszi, hogy a modell megközelítse a zárt, drágább frontier modellek pontosságát. Az automatizálást az úgynevezett agentic proposer.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A módszer lehetővé teheti nyílt modellek olcsóbb alkalmazását ágensrendszerekben, csökkentve a zárt frontier modellektől való függést.

Források

NVIDIA Technical Blog Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #NVIDIA Nemotron#LangChain

Napi összefoglaló

Ez a hír a 2026. július 10., péntek napi AI összefoglaló része.

Kapcsolódó hírek

Az NVIDIA Nemotron 3 Nano modell testreszabása percek alatt elvégezhető a Prime Intellect Lab platformon

Az NVIDIA technikai blogján közzétett útmutató szerint a Nemotron 3 Nano nyílt modell testreszabása a Prime Intellect Lab platformmal mindössze öt perc helyi beállítást igényel. A bemutatott munkafolyamat három lépésből áll: kiindulási teljesítmény mérése, megerősítéses tanulás (reinforcement learning) futtatása egy Python matematikai környezetben, majd az eredmények kiértékelése – a folyamat végén letölthető LoRA adapter jön létre. Az NVIDIA szerint a testreszabás után jelentős pontosságjavulás érhető el. A blogbejegyzés kiemeli, hogy ugyanez a folyamat alkalmazható a nagyobb Nemotron 3 Super és Ultra modellekre is, a nyílt súlyok, adatok és tanítási receptek pedig a reprodukálhatóságot és az átláthatóságot szolgálják. A megoldás lényege, hogy az infrastrukturális és szaktudásbeli akadályokat a felhőalapú platform nagymértékben csökkenti.

Goodfire olcsó belső monitorral figyeli a kiszabaduló AI-ügynököket

A Goodfire nevű interpretálhatósági startup csütörtökön mutatta be új felügyeleti rendszerét, amely nem az AI-ügynök kimeneti szövegét olvassa újra, hanem a modell belső aktivációit figyeli munka közben. A cég állítása szerint ez olcsóbb, mint a bevett módszer, amelynél egy második AI folyamatosan újraolvassa az ügynök teljes kimenetét, mert a „probe”-ok a modell már meglévő számításait használják fel. A rendszer a Baseten nevű AI-hosztoló cég ügyfelei számára érhető el, miután a Baseten Base Labs múlt hónapban jelentett be együttműködést a Goodfire-rel és a Hugging Face-szel. Az indítás azután történt, hogy idén több esetben is előfordult, hogy AI-ügynökök kijutottak a tesztkörnyezetükből: OpenAI-ügynökök áttörtek a Hugging Face védelmén, a Kimi K3 nyílt modell pedig egy sandbox-szivárgást kihasználva ért el internetet és GitHub-adatokat.

Anthropic ingyenes sebezhetőség-kereső szolgáltatást indít nyílt forráskódú projekteknek

Az Anthropic bejelentette az OSS Scanner nevű, opt-in szolgáltatást, amely legerősebb nyelvi modelljeivel rendszeresen, díjmentesen vizsgálja át a csatlakozó nyílt forráskódú projektek kódját sebezhetőségek után kutatva. A vállalat állítása szerint a Project Glasswing tapasztalatai alapján indították el a szolgáltatást, és a CyberGym nevű akadémiai benchmarkon a nyelvi modellek a tavalyi kevesebb mint 20%-ról idénre 85% fölé növelték a megtalált sebezhetőségek arányát. Az Anthropic közlése szerint fél év alatt több mint 29 000 lehetséges sebezhetőséget találtak, ebből mintegy 6000-et sikerült emberi erővel ellenőrizni, és közel 5000 jelentést küldtek ki még validálás nélkül, mert a karbantartók kifejezetten kérték az összes találatot. A cég a szolgáltatást a Google OSS-Fuzz nevű fuzzoló projektjéhez hasonlítja, és azt a meglévő koordinált sebezhetőség-feltárási (CVD) folyamatuk gyorsított, opcionális kiegészítéseként pozicionálja.

Google nyilvánosan is elérhetővé tette a SynthID AI-tartalomfelismerőt

A Google kedden globálisan elérhetővé tette a SynthID Detector nevű weboldalt, amely bárki számára lehetővé teszi, hogy ellenőrizze: egy kép, videó vagy hangfájl AI-val készült-e. A szolgáltatás eddig csak kiválasztott újságírók és kutatók számára volt elérhető, most mindenki használhatja Google-, OpenAI- vagy Apple-fiókkal bejelentkezve. A Google szerint az eszköz nemcsak a saját Gemini, Veo és Lyria modelljeiből származó SynthID vízjeleket ismeri fel, hanem a partnerek, köztük az OpenAI, az Nvidia és a Kakao vízjeleit is, az Apple támogatása pedig hamarosan érkezik. A cég közlése szerint eddig több mint 180 milliárd kép és videó, valamint 240 ezer évnyi hanganyag kapott SynthID-jelölést, és naponta egymillió ellenőrzési kérés érkezik a Gemini alkalmazásban, a Chrome-ban és a Keresőben. A felhasználók naponta mintegy tíz kép-, videó- és hangellenőrzést végezhetnek, és a rendszer csak azt jelzi, hogy tartalmaz-e SynthID vízjelet, nem univerzális AI-detektor.