英伟达发布了定制大语言模型ChipNeMo，用于芯片设计任务。该模型基于领域自适应技术，适应芯片设计领域，并在工程助手聊天机器人、EDA脚本生成和Bug总结与分析等应用中性能优于通用大语言模型。ChipNeMo参数规模较小，但性能超过更大的通用模型。目前仅供内部使用。

本文提出了一种针对复杂的人体部位像素回归问题的领域自适应技术，利用深度批量规范化残差网络和多任务学习目标来缓解跨域间协变量漂移，实现了对2.5D DensePose估计和3D人体表面法线估计任务的实际到仿真转移，并在多人DensePose MSCOCO基准测试中超越了基于真实图像的State-of-the-art方法。该方法可以应用于其他密集像素姿态估计问题。