NVIDIA Agent Toolkit се разширява с нова основа за свързване на корпоративни агенти с данните на компанията, наред с модели и инструменти за контрол на тяхната дейност. В доклада си от 21 октомври 2026 г. NVIDIA описва внедрявания в собствената си верига на доставки и в корпоративни софтуерни платформи, поставяйки достъпа до бизнес данни в центъра на последното разширяване на инструментариума с отворен код.
Основни изводи
- Новата Agent Knowledge Foundation свързва информацията за компанията с бизнес понятия, така че агентите да могат да извличат контекст и да подпомагат прогнозирането.
- NVIDIA посочи внедрявания, свързани с Palantir, Databricks и Snowflake, макар че реализациите се различават според платформата.
- NVIDIA посочи и подобрения при извличането на информация в Amazon OpenSearch Service, SAP и ServiceNow; тези резултати се отнасят до отделни употреби на модели, а не до инструментариума като цяло.
Съдържание
- Какво добавя NVIDIA Agent Toolkit за данните на компанията
- Етап на корпоративните внедрявания
- Какво показват резултатите при извличането на информация
- Как се контролират достъпът и усъвършенстването на агентите
- Заключение
Какво добавя NVIDIA Agent Toolkit за данните на компанията
Основното нововъведение е NVIDIA Agent Knowledge Foundation, която съчетава библиотеки за обработка на данни с модели за извличане на информация и структурирани данни. Според NVIDIA компаниите могат да я използват, като запазят съществуващите си местоположения на данните, работни процеси и механизми за управление.
Новата библиотека Auto-Ontology дава на агентите ориентирано към бизнеса тълкуване на необработената информация. Вместо да разглежда записите само като изолирани данни, тя идентифицира понятия като клиенти, продукти и поръчки и установява връзки между тях. Целта е този контекст да помага на агентите да отговарят на бизнес въпроси и да подпомагат вземането на решения.
Основата включва библиотеки CUDA-X, сред които cuDF, cuGraph, cuML, cuOpt и cuVS. Подборът на модели включва Nemotron Retriever и семейството Kumo Structured: Kumo Tabular, Kumo Relational, Kumo Time Series и Kumo Forecast.
| Елемент | Подробности |
|---|---|
| NVIDIA OpenShell | Сигурна среда за изпълнение, която позволява на предприятията да ограничават достъпа и действията на агентите. |
| NVIDIA NemoClaw blueprints | Референтни проекти за изграждане на сигурни агенти, пригодени за специализирани задачи. |
| Най-новият план за оптимизация на NemoClaw | Поетапна начална рамка за подобряване на интелигентността на агентите. |
Етап на корпоративните внедрявания
Организацията на NVIDIA за веригата на доставки използва тази основа с Foundry, Ontology и AIP на Palantir. Според NVIDIA тази реализация поддържа специализирани агенти, които работят със защитена собствена информация за прогнозиране и оптимизиране на решенията. Това е вътрешно внедряване, описано в доклада, а не просто предложено приложение.
Databricks съчетава своя Genie Ontology с NVIDIA Kumo Anomaly за агенти, които използват контекстуална информация. Подходът на Snowflake включва моделите Kumo Engine и Kumo Relational в средите Snowflake Notebook, което позволява на клиентите да добавят там прогнозни функции.
Тези примери показват различни пътища към корпоративна употреба: оперативно внедряване в NVIDIA, интеграция с Databricks и достъп за клиенти чрез средата за бележници на Snowflake. Те не бива да се разглеждат като идентични реализации или като доказателство за равностойни резултати.
Какво показват резултатите при извличането на информация
NVIDIA посочи няколко резултата за Nemotron Retriever, като отдели подобренията при търсенето и пренареждането на резултатите от по-широките възможности на корпоративните агенти. Според NVIDIA в Amazon OpenSearch Service моделът за вграждания е подобрил релевантността и същевременно е намалил броя на стъпките при търсене, без почти никакво допълнително забавяне.
Компанията заяви, че пренареждащият модел на SAP, дообучен с фина настройка, е работил почти три пъти по-бързо. Тя също така посочи, че ServiceNow е подобрил качеството на пренареждането, като е намалил забавянето с почти една четвърт. Докладът не предоставя общ сравнителен тест, който да позволи пряко съпоставяне на тези резултати.
Zoom използва Nemotron Retriever за разбиране на документи, релевантност при търсене и извличане на контекст в Zoom AI Services. NVIDIA не посочи количествен резултат за ефективността на това внедряване.
Как се контролират достъпът и усъвършенстването на агентите
Разширяването не се ограничава до предоставянето на повече информация на агентите. Съпътстващите компоненти обхващат границите на изпълнение, проектирането на специализирани агенти и оптимизацията, като отделните им функции са обобщени по-долу.
NVIDIA описва най-новия план за оптимизация на NemoClaw като начална отправна точка за постепенно подобряване на интелигентността на агентите. Това е референтен проект за разработчици, а не доказателство, че всяко корпоративно внедряване вече е постигнало подобрение. В доклада NeMo Relay и NeMo Compass също са посочени сред инструментите и уменията в набора, без да се уточняват функциите им.
Заключение
Разширяването обединява тълкуването на данни за компанията, извличането на информация и контрола върху изпълнението в един и същ инструментариум. Най-конкретните доказателства са посочените внедрявания и резултати на ниво модели; тези примери не установяват единен резултат за ефективността на целия стек от агенти.
Още новини
Отказ от отговорност
Тази статия на FinanceVelix предоставя обща информация, а не персонализиран финансов, инвестиционен, правен или данъчен съвет. Пазарните цени, лихвените проценти и икономическите условия могат да се променят; инвестициите носят риск от загуба. Фактите отразяват наличната към момента на публикуване информация и може да се променят. Проверявайте самостоятелно важната информация и при необходимост се консултирайте с квалифициран специалист. Споменаването на актив, компания или услуга не представлява препоръка.
