科技媒体 marktechpost 昨日发布博文，报道称英伟达发布 Llama-3.1-Nemotron-Ultra-253B-v1，随着 AI 在数字基础设施中的普及，企业与开发者需在计算成本、性能与扩展性间寻找平衡。大型语言模型的快速发展提升了自然语言理解和对话能力，但其庞大规模常导致效率低下，限制大规模部署。

　　英伟达最新发布的 Llama-3.1-Nemotron-Ultra-253B-v1直面这一挑战，该模型基于 Meta 的 Llama-3.1-405B-Instruct 架构，专为商业和企业需求设计，支持从工具使用到多轮复杂指令执行等任务。

　　援引博文介绍，Nemotron Ultra 采用仅解码器的密集 Transformer 结构，通过神经架构算法优化，其创新之处在于采用跳跃注意力机制，在部分层中省略注意力模块或替换为简单线性层。

　　此外，前馈网络融合技术将多层 FFN 合并为更宽但更少的层，大幅缩短推理时间，同时保持性能。模型支持 128K token 的上下文窗口，可处理长篇文本，适合高级 RAG 系统和多文档分析。

　　在部署效率上，Nemotron Ultra 也实现突破。它能在单 8xH100 节点上运行推理，显著降低数据中心成本，提升企业开发者的可及性。

　　英伟达通过多阶段后训练进一步优化模型，包括在代码生成、数学、对话和工具调用等任务上的监督微调，以及使用群体相对策略优化算法进行强化学习。这些步骤确保模型在基准测试中表现出色，并与人类交互偏好高度契合。