Atbloķējiet ģeneratīvās AI spēku ar NVIDIA “Saraksties ar RTX”

NVIDIA ir ieviesusi “Saraksties ar RTX”, revolucionāru tehnoloģijas demonstrāciju, kas ļauj lietotājiem izmantot ģeneratīvās mākslīgās intelekta (gen AI) čatu botu potenciālu savos vietējos datoros. Taču tas, kas atšķir šo piedāvājumu, ir pielāgošanas iespējas. Izmantojot jaudīgo NVIDIA GeForce RTX 30. sērijas GPU vai augstāku izpildierīci ar vismaz 8 GB VRAM, lietotāji var piekļūt plašam datu un konteksta klāstam, lai uzlabotu čata bota atbildes.

“NVIDIA ‘Saraksties ar RTX’ ļauj vietējos Windows datoros ar GeForce spēku integrēt dažādus vietējos failus, ieskaitot teksta failus, Microsoft Word dokumentus, PDF failus un pat YouTube video un atskaņošanas sarakstus, lai nodrošinātu čatu robotam vērtīgu informāciju”, skaidro NVIDIA pārstāvis Džesija Klētons.

Atšķirībā no mākoņu bāzes valodas modelu pakalpojumiem “Saraksties ar RTX” apstrādā datus vietēji, nodrošinot ātrākus rezultātus un maksimālu privātumu. Lietotāji tagad var izmantot savu datoru jaudu, nepieciešamības gadījumā neatklājot jutīgus datus trešām personām vai atkaroties no interneta savienojuma.

Izsīkstošie novērotāji noteikti atradīs izdevumu “Saraksties ar RTX” lielu vērtību. Šī tehnoloģijas demonstrācija sader ar Windows 10 un jaunākajām versijām, NVIDIA GeForce RTX 30. sērijas GPU ar vismaz 8 GB VRAM vai vairāk un pašreizējām grafikas karšu draiveriem. Tā kalpo kā solis uz priekšu, paātrinot lielu valodas modeļu (LLMs) attīstību, izmantojot RTX GPU. NVIDIA “TensorRT-LLM RAG” attīstītāju atsauces projekts, kas pieejams “GitHub” platformā, dod attīstītājiem iespēju izveidot un izplatīt savas RAG pamatotas lietojumprogrammas, tādējādi paplašinot ģeneratīvās AI iespējas.

Izmēģiniet “Saraksties ar RTX” transformējošo potenciālu. Apmeklējiet NVIDIA mājaslapu un lejupielādējiet šo ievērojamo tehnoloģijas demonstrāciju jau šodien. Atbrīvojiet savu iztēli un atklājiet neierobežotās iespējas, ko piedāvā lokalizēta ar GPU uzturētā ģeneratīvā AI.

Biežāk uzdotie jautājumi – “Saraksties ar RTX”

J: Kas ir “Saraksties ar RTX”?
A: “Saraksties ar RTX” ir NVIDIA turpmākpārdeviešu tehnoloģijas demonstrācija, kas ļauj lietotājiem izmantot ģeneratīvās mākslīgās intelektuālās (gen AI) čatu botu iespējas savos vietējos datoros.

J: Kā “Saraksties ar RTX” atšķiras no citiem čatu bota piedāvājumiem?
A: “Saraksties ar RTX” piedāvā pielāgošanas iespējas, ļaujot lietotājiem integrēt vietējos failus, piemēram, teksta failus, Word dokumentus, PDF failus un pat YouTube video un atskaņošanas sarakstus, lai uzlabotu čata bota atbildes.

J: Kā “Saraksties ar RTX” apstrādā datus?
A: Atšķirībā no mākoņu bāzes valodas modelu pakalpojumiem “Saraksties ar RTX” apstrādā datus vietēji lietotāju GeForce spēkā esošajos Windows datoros. Tas nodrošina ātrākus rezultātus un aizsargā lietotāju privātumu.

J: Kam “Saraksties ar RTX” var būt labums?
A: Gan lietotāji, gan attīstītāji var gūt labumu no “Saraksties ar RTX”. Lietotāji var izmantot bagātīgus datus un kontekstu, lai uzlabotu savu čatu bota pieredzi, bet attīstītāji var izpētīt lielu valodas modeļu (LLMs) potenciālu, izmantojot RTX GPU.

Būtiski termini/unikāla valoda:

– Ģeneratīvā mākslīgā intelekta (gen AI): AI tehnoloģija, kas, pamatojoties uz dotajiem datiem vai kontekstu, rada saturu vai atbildes, bieži vien cilvēkam līdzīgā veidā.
– NVIDIA GeForce RTX 30. sērijas GPU: NVIDIA grafikas apstrādes vienību sērija, kas nodrošina uzlabotu veiktspēju un iespējas.
– VRAM: Video atmiņa ar nejaušu piekļuvi, GPU izmantojamā tipa atmiņa, kurā tiek uzglabāti pagaidu dati saistībā ar video vai grafikas attēliem.
– Mākoņu bāzes valodas modelu pakalpojumi: Pakalpojumi, kas izmanto mākoņu infrastruktūru, lai apstrādātu un generētu valodas pamatotu saturu vai atbildes.
– TensorRT-LLM RAG: NVIDIA attīstītāju atsauces projekts, kas koncentrējas uz lielu valodas modeļu (LLMs) paātrināšanu, izmantojot RTX GPU.
– GitHub: Populāra tiešsaistes platforma versiju kontrolei un sadarbībai, veidojot programmatūras attīstības projektus.

Saistītie saiti:
– NVIDIA mājaslapa (https://www.nvidia.com/)

The source of the article is from the blog publicsectortravel.org.uk

Privacy policy
Contact