Visit your regional NVIDIA website for local content, pricing, and where to buy partners specific to your country.
參加競賽，即有機會贏得 GeForce RTX 4090 顯示卡、 LangChain 獎勵、NVIDIA 創辦人及執行長黃仁勳簽名的參賽證書等大獎。
我們正在尋找人工智慧創新者 ，一起來利用 NVIDIA 和 LangChain 技術突破生成式人工智慧應用的極限。參賽者可以選擇任何領域，例如程式碼生成、視覺內容創作、會議助理等，開發實用、高效率且具創意的文字和多模態代理程式等。你可從我們逐步引導的開發人員資源開始、以及和 NVIDIA 和 LangChain 技術專家，以及 Discord 上更廣大的人工智慧社群來交流及搜尋資源，以克服開發過程中遭遇的挑戰。
競賽於 2024 年 5 月 15 日至 6 月 17 日止，於美國、英國、日本、德國，包含台灣等全球各地舉行。
選擇下列任一類別，建立 GPU 加速的生成式人工智慧代理程式專案。
LLM 正在迅速演變，從 GPT 模型發展到 Llama、Gemma 和 Mixtral。開發人員可以利用這些大型模型 (超過 80 億個參數)，來建立各種不同的 AI 代理程式如問答，摘要和內容生成等工作任務。
隨著模型規模日益龐大，產生了一波開發小型語言模型 (SLM) 的新浪潮，小型語言模型指的是參數量小於 80 億的語言模型。在這個類別中，我們鼓勵開發人員使用這類較小的語言模型來打造應用程式，例如本機助理或裝置上的應用程式。
有多種方法可以建立採用 LLM 和 SLM 的生成式人工智慧應用程式。以下是一些範例和資源，可為你在開發這些應用程式的創意旅程中提供指引。
使用建立代理程式的頂尖框架 LangChain 來建立強大的 LLM 應用程式。建立代理程式會用到多個元件，例如模型。
你可以透過 API 目錄，或在 LangChain 框架中使用 NVIDIA AI Foundation 端點，來使用熱門的開放原始碼和 NVIDIA 基礎模型。開發應用程式後，你可以根據使用案例新增 NeMo Guardrails 來控制 LLM 模型的輸出。
如果您想開發進階代理程式，可以從 LangGraph 開始，這是建立在 LangChain 基礎上的多重代理程式框架。
如果您想為特定工作自訂代理程式，其中一種方法就是針對資料集微調模型。為此，您可以先使用 NeMo Curator 統籌資料集，然後使用 NeMo 框架或 HuggingFace Transformers 根據資料集微調模型。
一但自訂 LLM 後，就可以使用 LangChain 框架內的模型來開發代理程式。
對於任何因隱私和安全性考量，而需要在本機執行的代理程式，您可以從開發類似於採用 LLM 的代理程式開始。
不過，除了使用 LLM，您也可以利用小於或等於 80 億個參數的小型語言模型，並透過 NVIDIA TensorRT-LLM 予以量化，以縮小模型規模來配合您的 GPU 效能。
透過 NVIDIA 與 LangChain 框架，您便能建立可在本機運算資源上執行的代理程式。
報名參加競賽，並使用我們的「如何開始」資源開始著手
在 NVIDIA LLM 社群開發人員 Discord 頻道和 NVIDIA 開發人員論壇上，與 LLM 開發人員社群、NVIDIA 和 LangChain 技術專家交流。
設定開發環境並建立專案。使用下列任一種 NVIDIA 技術與 LangChain/LangGraph 框架來開發你的 AI 代理程式應用程式。
使用標籤 #NVIDIADevContest 和 #LangChain，在 Twitter、LinkedIn 或 Instagram 上張貼 45 到 90 秒的生成式人工智慧專案展示影片。此外，請標記下列其中一個 NVIDIA 社群帳號：
X (Twitter): @NVIDIAAIDev LinkedIn: @NVIDIAAI Instagram: @NVIDIAAI
完成後，請提交所有素材，包括原始程式碼、展示影片、社群貼文和任何其他補充資料的連結。 請務必填寫並提交表格上的所有必填欄位以符合資格。
參與者將有機會贏得 GPU 和來自 LangChain 價值數百美元的獎勵，讓參與者繼續他們的學習之旅：
查看競賽條款與細則
符合資格的參賽作品，將根據以下標準進行評審：
探索數個入門生成式人工智慧範例，這些範例使用 Mixtral、Llama 和 Gemma 等最先進的模型，以及 NVIDIA 和 LangChain 的加速框架與函式庫。
透過 NVIDIA API 目錄快速開始使用基礎模型、使用 NeMo Guardrails 控制 LLM 輸出、使用 Curator 建立高品質資料集，並使用 TensorRT-LLM 最佳化推論。
透過 Python 和 JavaScript 文件及 YouTube 教學 ，熟悉 LangChain 和 LangGraph 框架。
獲得 NVIDIA 和 LangChain 技術專家的指導。 藉由加入 NVIDIA 開發人員 Discord 頻道和 NVIDIA 開發人員論壇上的 LLM 社群，提出問題尋找解答來加速你的競賽開發過程。