NVIDIA Dory 1.0 4B 用 llama.cpp 运行的逐环实测教程

本教程演示如何用 NVIDIA SkillSpector 评估 AI 技能的安全态势，构建包含干净、风险、恶意及 MCP 示例的合成技能市场，并通过 LangGraph 检查流水线扫描每个技能。

该教程基于 NVIDIA cuTile Python 实现了分块 GPU 内核编程工作流，在 Colab 环境中配置 GPU、驱动、CUDA 及 cuTile 可用性后，分别构建了 tiled 向量加法、矩阵加法和矩阵乘法核函数，并以 PyTorch 作为回退保持 notebook 可执行。每一步均通过 PyTorch 验证结果正确性，并基准测试了各阶段的中位运行时间。

教程在 llama.cpp 中对比运行 Underdog Saluki 27B（7.9 GB 的 Qwen3.8-27B 2-bit 量化版）与 ISTA-DASLab 的 GSQ-RCO 量化版，逐张量比对 GGUF 头并做字节级比较。两者在同一 GPU 上测内存与速度，并用 BFCL 官方 checker 在相同种子的 120 个任务上按严格与宽松解析评分。

教程演示如何用 NVIDIA 开源的 Nsight Python 库在 Colab T4 上剖析 GPU kernel：用 nsight.annotate 标注代码、用 nsight.analyze.kernel 装饰基准函数，直接得到包含每次运行硬件指标的 pandas DataFrame。

教程展示在不本地下载 707 GB 数据集的情况下，围绕 NVIDIA Cosmos3-DROID 构建端到端流式机器人学习管线。

一篇教程详解 NVIDIA cuDNN Frontend 的 graph API：把计算声明为算子图，由 cuDNN 选择执行引擎，再手动接管该选择。

MarkTechPost 发布一篇教程，用 NVIDIA cuML 和 RAPIDS 构建覆盖 GPU 加速机器学习全流程的可运行工作流。

本教程演示如何用 NVIDIA Earth2Studio 构建集合天气预报工作流，安装组件并加载 FCN 预报模型，从 GFS 获取初始条件，实现将 10 米风分量转为涡轮容量因子的风电诊断及变尺度扰动系统。通过低层迭代器、坐标映射、批处理和 Zarr API 构建执行管道，用纬度加权 RMSE、fair CRPS 等指标验证预报，并可视化集合不确定性。

Figma 介绍其为 agent 自研 Figma 编辑模型的训练方法，先用超过 25 万条合成样本做 SFT，让早期 Llama 3.3 70B 在编辑任务上接近当时顶级模型，后转向 RL 并结合确定性校验器与视觉评委做评测。

n8n 博客发布教程，讲解如何在一台 NVIDIA DGX Spark（128GB 统一内存）上部署七个本地模型，通过 LiteLLM 单一 OpenAI 兼容端点驱动 n8n 工作流，全程不调用云 API。