제품·서비스NVIDIA Developer2026-09-30
NVIDIA, HSTU 생성형 추천 시스템 배포를 위한 Dynamo-Triton 도입
Deploying an HSTU Generative Recommender with NVIDIA Dynamo-Triton
- NVIDIA는 HSTU 생성형 추천 시스템을 Dynamo-Triton으로 배포할 수 있는 엔드-to-엔드 워크플로우를 제공합니다.
- NVIDIA RTX PRO 6000 Blackwell Workstation Edition GPU에서 8층 HSTU 모델은 100% GPU KV-캐시 히트율로 배치 크기 8에서 5.93배의 지연 감소를 달성했습니다.
왜 중요한가이 기술은 생성형 추천 시스템의 지연 감소와 효율적인 배포를 가능하게 하여 대규모 개인화 추천 시스템의 성능을 향상시킬 수 있습니다.
공식 원문 확인 ↗
모델·연구NVIDIA2026-09-30
NVIDIA, 2027–2028 대학원 과학기술 장학금 신청 시작
NVIDIA Opens Applications for 2027–2028 Graduate Fellowships With Awards Up to $60,000
- NVIDIA가 2027–2028년 대학원 과학기술 장학금 신청을 시작하며 최대 6만 달러의 수상금을 제공한다.
- 장학금은 AI, 자율주행차, 의료 등 분야에서 우수한 연구를 수행하는 박사과정 학생에게 지원된다.
왜 중요한가NVIDIA의 장학금 지원은 첨단 기술 연구에 대한 인재 양성과 혁신을 촉진할 수 있는 중요한 기회이다.
공식 원문 확인 ↗
모델·연구OpenAI2026-09-30
오픈AI, 모델 추출 캠페인 차단 및 방어 강화
Disrupting a coordinated model-distillation campaign
- 오픈AI는 최근 모델 추출 캠페인을 차단하고, 관련 위협에 대응하기 위해 방어 체계를 강화했다.
- 공격자는 모델의 내부 추론을 복제해 다른 모델을 훈련하거나 개선하려는 악성 추출을 시도했다.
왜 중요한가이 사례는 AI 모델 보안에 대한 새로운 위협을 드러내며, 산업 전체의 방어 체계 강화가 필요하다.
공식 원문 확인 ↗
모델·연구Hugging Face2026-09-30
오픈 TTS 리더보드, 다국어 TTS 및 목소리 복제 평가 기준 마련
Open TTS Leaderboard: Scalable Evaluation for Multilingual Text-to-Speech and Voice Cloning
- 오픈소스 TTS 모델의 평가 체계가 부족해지면서 오픈 TTS 리더보드가 발표됐으며, 인간 선호도 기반의 평가보다 객관적 지표를 사용해 모델을 평가합니다.
- 리더보드는 다국어 TTS 및 목소리 복제 기능을 비교할 수 있도록 설계되었으며, 사용자 피드백을 통해 평가 내용을 개선할 계획입니다.
왜 중요한가오픈소스 TTS 모델의 평가 체계가 부족해지면서, 객관적 지표를 기반으로 한 리더보드가 모델 개발자와 사용자에게 중요한 참고 자료가 됩니다.
공식 원문 확인 ↗
인프라·반도체NVIDIA Developer2026-09-30
NVIDIA, cuObject과 SCADA 서버 SDK로 AI 스토리지 접근 확대
Expanding AI Storage Access with NVIDIA cuObject and the NVIDIA SCADA Server SDK
- NVIDIA가 cuObject 클라이언트 및 서버 라이브러리와 SCADA 서버 SDK를 일반화하여 제공하며, RDMA 기반의 고속 스토리지 접근을 지원합니다.
- xio-sig 컨소시엄이 cuObject와 cuFile을 포함하며, IBM이 SCADA와 스토리지 통합을 시범 구현했습니다.
왜 중요한가AI 작업에 필요한 고속 스토리지 접근을 위한 표준화된 인터페이스와 프로토콜이 제공되어, 개발자와 클라우드 제공업체의 협업이 용이해집니다.
공식 원문 확인 ↗
제품·서비스NVIDIA Developer2026-09-30
NVIDIA NeMo Relay를 활용한 에이전트 행동 추적 방법론
Tracing Agent Harness Behavior with NVIDIA NeMo Relay
- NVIDIA NeMo Relay는 에이전트의 실행 트레이스를 통해 행동을 분석하고 헤르мес 에이전트의 헤arness 변경이 작업 결과에 미치는 영향을 평가할 수 있는 공통 관측 계층을 제공한다.
- 트레이스 데이터는 모델 및 도구 호출, 오류, 재시도, 시간 소요, 토큰 사용량 등을 분석하여 에이전트의 성능 개선을 평가하는 데 활용된다.
왜 중요한가에이전트의 성능 개선을 위해 실행 트레이스를 통해 행동을 분석하고, 헤arness 변경이 작업 결과에 미치는 영향을 평가하는 방법을 제공한다.
공식 원문 확인 ↗