新兴实验室

阿西什·瓦斯瓦尼 Ashish Vaswani

Essential AI

关注理由: Transformer第一作者

人事变动

暂无已发布的人事变动。

论文

论文2026-10-28

开发能够执行复杂任务的高效AI模型

Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI

阿西什·瓦斯瓦尼等 499 人

做了什么: 研究人员开发了 Nemotron 3.5 Super 和 Lightning，这是两款适合推理、长文本理解和自主任务执行的开源AI模型。
核心结果: Super 模型在使用的激活参数较少的情况下，在软件工程评估中取得了 51.78% 的成绩，超越了以往的模型，并通过各种优化展现了高吞吐性能。
意义: 本研究展示了同时提升大规模模型效率与性能、从而在各种环境中进行实用性应用的可能性。AI 摘要

推理效率与轻量化智能体与编程

完整摘要阅读原文 ↗ PDF ↗

论文2026-10-07

开发预测基础AI模型的编码智能体性能的方法

Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models

阿西什·瓦斯瓦尼等 21 人

做了什么: 为了评估基础AI模型的潜力，开发了利用事后训练的编码智能体成功路径的三个评估界面（屏幕）。
核心结果: 开发的三种评估方法都准确预测了公开模型组与实际性能接近的排名。
意义: 展示了未来将编码智能体基准测试用于基础模型评估的可能性。AI 摘要

智能体与编程

完整摘要阅读原文 ↗

论文2026-10-06

OTel发布了专用于电信领域的AI数据和模型

OTel: Open Telco AI Datasets, Benchmarks, and Models

阿西什·瓦斯瓦尼等 17 人

做了什么: 研究人员公开了“Open Telco (OTel)”资源，集成了电信领域AI训练所需的数据集、评估标准以及利用这些资源训练的模型。
核心结果: 基于OTel公开的模型在电信数据检索、文档重排序以及语言模型准确度评估中分别取得了93.1%、0.947和87.8%的性能表现。
意义: 此次发布为电信领域的AI研究与应用促进提供了可重复实现的起点。AI 摘要

推理效率与轻量化

完整摘要阅读原文 ↗

论文2026-05-27 · arXiv.org

开发用于在人工智能训练过程中追踪记忆与泛化转换的诊断工具

A Training-Time Diagnostic for Generalization via the Log-Alignment Ratio

阿西什·瓦斯瓦尼等 1 人

做了什么: 研究了一种利用测量参数与激活值的“对数对齐比率（LAR）”来追踪人工智能是在对数据进行简单记忆还是在实际学习的诊断方法。
核心结果: LAR 在无需额外验证数据的情况下，有效地捕捉到了人工智能泛化能力的变化和过拟合征兆。
意义: 无需单独的验证数据即可在训练过程中诊断 AI 的性能，有望为未来高效的模型训练管理技术发展做出贡献。AI 摘要

训练与扩展

完整摘要阅读原文 ↗ PDF ↗

本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。本页摘要由 AI 根据编辑审核过的韩文版本翻译。