POSEIDON
POSEIDON 是面向 PDE 的基础模型，采用 All2All 半群增强训练：利用时间可分离性 从单条轨迹中挖掘 O(T^2) 量级的训练对，显著提升数据效率。
适用场景：用少量样本把预训练算子微调到新的 PDE 族；在椭圆、抛物、双曲及混合型算子间评测迁移能力。
标签: 基础模型神经算子下游任务PDEETH
相关条目
- 宇树UnifoLM-WLA-1.0通用人形机器人基础模型 · 宇树科技发布6B参数通用具身智能模型UnifoLM-WLA-1.0，约2500小时真机训练，在具身推理领域取得7项开源SOTA。
- PhysicsNeMo · NVIDIA 物理 ML 训练框架（原 Modulus），内置 PINN、神经算子与多种物理约束训练范式，商用友好，工业首选。
- NeuralOperator · FNO / DeepONet 等神经算子的标准实现库（MIT 许可），是训练「无限维映射」代理模型的事实标准工具。
- NeuralOperator v2.0.0 发布 · NeuralOperator 2.0.0 重大版本发布，新增 Codano 模型，完善文档并提升 PyTorch 神经算子训练易用性。
- AIPerf：大规模LLM推理性能基准测试工具 · AIPerf 是 NVIDIA 推出的 LLM 推理基准测试工具，用于在部署场景下评估大规模语言模型的推理速度和性能表现。