Analyse approfondie · Environ 4 min de lecture
NVIDIA étend Agent Toolkit : connaissance d’entreprise et contrôle d’exécution
Agent Knowledge Foundation relie sens métier, recherche et modèles structurés à une frontière d’exécution distincte.
- Publié ici
- Date de la source
- Source vérifiée
L’annonce du 21 octobre ajoute Agent Knowledge Foundation à Agent Toolkit pour relier données d’entreprise, concepts, recherche et prédiction. Elle combine outils et données avec OpenShell et les références NemoClaw. Savoir quelque chose et avoir le droit d’agir restent deux questions.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- Auto-Ontology et les bibliothèques CUDA-X rapprochent les données de clients, produits, commandes et relations métier.
- Les résultats SAP, ServiceNow et OpenSearch concernent des déploiements différents, pas un benchmark commun ou une garantie universelle.
Séparer sens métier et accès brut
La fondation transforme les données en information pour questions, prévisions et décisions. Auto-Ontology associe les enregistrements à des entités et relations comme clients, produits et commandes ; CUDA-X cite cuDF, cuGraph, cuML, cuOpt et cuVS. NVIDIA dit éviter déplacement des données, reconstruction des flux et changement de gouvernance. C’est une affirmation d’intégration, pas une preuve de résidence identique pour chaque connecteur. Le contexte métier détermine la pertinence d’un enregistrement ; il faut vérifier que les relations inférées respectent ses propres définitions.
Recherche et prédiction ne se confondent pas
La base inclut Nemotron Retriever et Kumo Structured : Tabular, Relational, Time Series et Forecast. Les citer ensemble ne rend pas leurs tâches interchangeables. La recherche apporte du contexte ; la prédiction structurée demande son évaluation. Notre exemple hypothétique d’assistant de commandes retrouve une règle puis estime séparément un risque de livraison. La première sortie doit pointer vers la bonne règle ; la seconde exige cible, fenêtre et résultats de référence. C’est notre analyse, pas une fonction indépendamment démontrée.
Séparer intelligence et droit d’exécuter
OpenShell fournit la frontière de contrôle des accès et actions. NemoClaw propose des références, dont un blueprint d’optimisation présenté comme départ pour améliorer les agents. NeMo Relay et Compass sont cités comme outils et skills sans détails suffisants pour en déduire chaque comportement. Une référence ne certifie pas un déploiement ni une amélioration continue automatique. Nous proposons de tester connaissance et permission séparément : retrouver une source convaincante ne donne pas le droit de modifier le dossier. La configuration doit exprimer cette limite, sans laisser le modèle déduire un pouvoir de l’utilité d’une réponse.
Les partenaires ont des comparaisons différentes
NVIDIA décrit sa chaîne logistique avec Palantir Foundry, Ontology et AIP ; Databricks associe Kumo Anomaly à Genie Ontology, et Snowflake propose Kumo Engine et Relational dans les notebooks. Le billet revendique aussi OpenSearch plus pertinent avec moins d’étapes et presque aucune latence ajoutée, un reranker SAP ajusté presque trois fois plus rapide et ServiceNow améliorant la qualité avec presque un quart de latence en moins. Zoom utilise Retriever pour documents et contexte. Ce sont des tâches et comparaisons distinctes, sans configuration, taille d’échantillon et critère commun complets. Ni multiplicateur universel ni accès de tous les comptes n’en découle.
Définir un essai limité et auditable
Nous proposons une question métier, une frontière de données et des actions permises. Vérifier les entités sur des dossiers connus, tracer les sources et juger les prédictions sur des résultats adaptés plutôt que leur vraisemblance textuelle. Tester un appel autorisé et un refusé, puis examiner ce que les journaux enregistrent. Garder versions des modèles, outils, données et politiques permet d’expliquer un changement. Ce sont des suggestions, pas nos essais. L’ouverture et l’adoption ne garantissent ni service gratuit, ni tarif public, ni accès pour toute l’entreprise. Mesurer coût, latence et qualité sur la charge réelle.
Pourquoi cela compte
Notre analyse : ancrer un agent exige sources explicables et permissions appliquées. Une meilleure recherche n’autorise pas l’action ; une frontière d’exécution ne prouve pas l’exactitude des sources.
Limites et disponibilité
Nous avons lu tout le billet sans déploiement, accès aux données partenaires ou test de qualité. Les résultats sont attribués et ni configurations, ni prix, ni disponibilité universelle ne sont établis.
Sources et preuves
Date de la source: · Source vérifiée:
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.