NVIDIA が Blackwell と NVFP4（4ビット精度）を使い、JAX での学習を高速化したと示した。発生元は5件すべて NVIDIA 公式で、一社主導の技術提示――発表主導だが、性能の実測を伴うインフラ寄りの動きだ。低精度演算と最新 GPU を組み合わせ、大規模学習のスループットを上げる点が主眼で、本流はモデルの新規性より、同じモデルをより速く・安くという学習効率の追求にある。フレームワーク（JAX）と精度形式とハードの三者を噛み合わせる、地味だが本質的な最適化だ。ただし提示は自社環境での結果が中心で、他ワークロードでの再現性や実運用でのコスト効果は、今後の確認点として残る。
NVIDIA × インフラ・ハードウェア
NVIDIA、Blackwell+NVFP4でJAX学習高速化
NVIDIA、Blackwell+NVFP4でJAX学習高速化
✎ ストーリー本文
▲ 公式・報道
公式
Train Models Faster with JAX and MaxText Using NVFP4 on NVIDIA Blackwell
NVIDIA、JAX・MaxText と NVFP4 で Blackwell 上の LLM 事前学習を高速化
公式
Run DiffusionGemma on NVIDIA for Developer-Ready, High-Throughput Text Generation
NVIDIA、DiffusionGemma を高スループット実行する開発者向け手順を公開
公式
NVIDIA、DGX SparkでAIインフラのライフサイクル管理を強化
公式
NVIDIA、FP8チェックポイントをTensorRTで高性能推論エンジンに変換する手法を解説
公式
Accelerating Federated Learning Research with AI Agents and NVIDIA FLARE Auto-FL
NVIDIA、AIエージェントとFLARE Auto-FLで連合学習研究を加速
公式
Evaluate Clinical ASR Models Faster with Agent Skills and NVIDIA Nemotron Speech
NVIDIA、Agent SkillsとNemotron Speechで臨床ASR評価を高速化
学術（arxiv ほか） 4本 ▾
学術
IntElicit: Eliciting and Assessing Contextualized Creativity via Dialogue Policy Optimization
IntElicit、対話方策最適化で文脈化された創造性を評価
学術
学術
Designed by Journalists, but Is It for Readers? Rethinking AI Disclosures and Transparency in News
ニュースのAI開示、詳細表示がかえって信頼を損なう「透明性のジレンマ」
学術
Generative Archetype-Grounded Item Representations for Sequential Recommendation
GenAIR、対象顧客像で接地した生成的アイテム表現で推薦改善