Tencent Hunyuan@TencentHunyuanOne more thing about Hy4 preview that is particularly interesting. In AI research. Hy4 preview found…
DịchTencent giới thiệu Hunyuan Hy4 Preview với 770B tham số và cửa sổ ngữ cảnh 1M. Điểm nhấn là khả năng tự phát hiện nút thắt suy luận, giúp tăng 31,8% lưu lượng xử lý thực tế, hướng tới tối ưu chi phí cho doanh nghiệp.
Chat-Edit-3D++ giới thiệu mạng Hash-Atlas giúp tách biệt quy trình chỉnh sửa 2D và tái tạo 3D, cho phép người dùng chỉnh sửa cảnh 3D và 4D linh hoạt thông qua hội thoại tự nhiên.
Nghiên cứu giới thiệu Super Library Agent, một giải pháp giúp AI tự động trích xuất và duy trì các thành phần dùng chung giữa nhiều ứng dụng, giải quyết vấn đề trùng lặp mã nguồn và suy giảm cấu trúc trong các dự án quy mô lớn.
Nghiên cứu chỉ ra rằng việc cá nhân hóa LLM dựa trên dữ liệu người dùng có thể dẫn đến các rủi ro như thông tin không cần thiết, tạo ra 'phòng vang' thông tin và xu hướng đồng tình thái quá với quan điểm người dùng.
Francois Chollet@fcholletTest-time scaling has two axes: running agents over longer timeframes (depth), and running a larger …
DịchFrançois Chollet cho rằng việc mở rộng thời điểm kiểm thử không chỉ nằm ở việc kéo dài thời gian xử lý (chiều sâu), mà còn cần tăng số lượng tác nhân hoạt động song song (chiều rộng) để giải quyết các bài toán phức tạp đòi hỏi tìm kiếm không gian rộng.
GPU World tổ chức cuộc thi viết với tổng giải thưởng 100.000 USD, mời gọi cộng đồng hình dung viễn cảnh năm 2040 khi năng lực tính toán bùng nổ, cho phép mọi người tiếp cận các mô hình LLM tiên tiến nhất mọi lúc mọi nơi.
VAT là khung huấn luyện plug-and-play giúp mô hình học cách tối ưu hóa quá trình giải mã suy đoán bằng cách chuyển đổi các mẫu chấp nhận và từ chối thành tín hiệu giám sát trực tiếp.
Rohan Paul@rohanpaul_aiNghiên cứu chỉ ra rằng việc chuyển đổi từ mô hình yếu sang mô hình mạnh giữa chừng có thể gây ra 'thuế chuyển giao', làm giảm hiệu quả tổng thể so với việc sử dụng mô hình mạnh ngay từ đầu.
SHAPE là khung phân tích mới giúp hiểu sâu cách LLM giải toán thông qua không gian ngữ nghĩa và các chiến lược suy luận, từ đó dự đoán chính xác khả năng giải đúng của mô hình.
DIEM là khung làm việc tự động giúp tối ưu hóa việc chọn lọc dữ liệu trong quá trình tinh chỉnh mô hình bằng học tăng cường (RFT), bằng cách đánh giá đóng góp của từng mẫu dữ liệu theo thời gian thực để cải thiện hiệu suất học tập.
CAST chuyển đổi kết quả nhiệm vụ thành sự giám sát ở cấp độ hành động, giúp tối ưu hóa chiến lược thông qua việc phân tích lý do hiệu quả của các bước thực hiện. Phương pháp này giúp mô hình Qwen3 vượt trội hơn GPT-OSS-120B đáng kể trong các tác vụ thực tế và kịch bản mới.
Nghiên cứu chỉ ra rằng hiệu quả của chưng cất On-Policy (OPD) chủ yếu đến từ việc ức chế các token có xác suất thấp thay vì phụ thuộc vào giáo viên. Từ đó, nhóm tác giả đề xuất OPSA, phương pháp không cần giám sát giúp tối ưu hóa mô hình hiệu quả hơn.
Nghiên cứu khám phá khả năng chuyển đổi đa ngôn ngữ của 'vector chức năng' (FVs) để điều hướng hành vi của LLM trong các tác vụ nhận diện cảm xúc phức tạp mà không cần ví dụ minh họa.
Rohan Paul@rohanpaul_aiFor long-horizon agents, this paper argues the harness can matter more than the model, so benchmark …
DịchMột bài báo trên arXiv chỉ ra rằng trong các bài kiểm tra tác nhân AI dài hạn, công cụ đánh giá (harness) có ảnh hưởng đến kết quả lớn hơn cả bản thân mô hình, đòi hỏi sự minh bạch hơn khi công bố điểm số.
Rohan Paul@rohanpaul_aiLLM rankings can be created by evaluation choices as much as model differences, so one setup should …
DịchMột nghiên cứu cho thấy chỉ cần thay đổi định dạng prompt hoặc cách chấm điểm, điểm số của cùng một mô hình (như Gemma-2-27b) có thể dao động từ 31% đến 89%, làm lung lay tính khách quan của các bảng xếp hạng LLM hiện nay.
Elvis Saravia@omarsar0Interesting paper from Tencent. Tencent trains an agent to manage its own working context, and assi…
DịchTencent cùng các đối tác giới thiệu ContextPilot, một phương pháp giúp AI chủ động quản lý ngữ cảnh làm việc thông qua học tăng cường, cho phép hệ thống tự quyết định lưu trữ hoặc nén thông tin thay vì chỉ loại bỏ, giúp tối ưu hóa bộ nhớ dài hạn và khả năng lập kế hoạch.
EvoUndo là khung làm việc giúp kiểm soát và khôi phục các thay đổi tự thân của tác nhân AI, ngăn chặn lỗi hệ thống khi các cải tiến không thể đảo ngược trong môi trường thực tế.
Rohan Paul@rohanpaul_aiThis paper shows a better way to train multi-turn agents: score each turn separately, then use a s…
DịchNghiên cứu giới thiệu khung CREST giúp tối ưu hóa việc học cho các tác nhân LLM đa bước bằng cách phân bổ tín dụng phân tầng. Mô hình tự đóng vai trò giáo viên để điều chỉnh trọng số học tập dựa trên độ tin cậy của các quyết định, giúp cải thiện hiệu suất mà không làm thay đổi kết quả kiểm chứng.
Elvis Saravia@omarsar0Good paper on long-horizon scalable agent skills.
DịchGoogle ra mắt SKILL.state, thay thế lịch sử hội thoại cồng kềnh bằng trạng thái thực thi có cấu trúc. Giải pháp này giúp AI Agent duy trì độ chính xác cao, giảm tiêu thụ token và loại bỏ tình trạng nhiễu ngữ cảnh trong các tác vụ kéo dài.
DAIR.AI@dair_aiGreat paper from Google and colleagues. It proposes an interesting approach to improve agents on lo…
DịchGoogle đề xuất SKILL.state, thay thế lịch sử hội thoại cồng kềnh bằng trạng thái thực thi rõ ràng, giúp AI xử lý tác vụ dài nhanh hơn, chính xác hơn và tiết kiệm token hơn.
Rohan Paul@rohanpaul_aiGrok Bots turned LLM citation data into an operating loop: find the pages ChatGPT, Grok, Gemini an…
DịchGrok Bots giúp doanh nghiệp theo dõi các trang web được AI (ChatGPT, Grok, Gemini) trích dẫn, từ đó chủ động tối ưu hóa nội dung để tăng khả năng hiển thị trong kết quả tìm kiếm AI.
Rohan Paul@rohanpaul_aiThis paper shows a different way to make chain-of-thought cheaper: move reusable reasoning from gene…
DịchPhương pháp này chuyển đổi các bước suy luận từ giai đoạn tạo văn bản sang phần gợi ý (prompt), giúp giảm chi phí tính toán cho chuỗi tư duy mà không cần huấn luyện lại mô hình.
Alexandr Wang (Scale AI nhà sáng lập/Meta Giám đốc AI)@alexandr_wangtop 3 model on opencode! future models will be even better 💪
DịchMô hình Muse Spark của Meta đã vươn lên vị trí thứ 3 trên bảng xếp hạng OpenCode, đánh dấu bước tiến mới trong hiệu năng của các mô hình mã nguồn mở.
Khám phá quy trình xử lý phức tạp của LLM từ lúc nhận lệnh đến khi phản hồi, bao gồm cách tái tạo lịch sử hội thoại và tầm quan trọng của kỹ thuật ngữ cảnh trong việc tối ưu chi phí và chất lượng câu trả lời.
OpenClaw 2.0 mang đến quy trình cài đặt thông minh hơn, giao diện tập trung vào trải nghiệm trò chuyện và cải thiện hiệu suất đáng kể, đánh dấu bước ngoặt lớn trong quá trình phát triển dự án.
Nghiên cứu chỉ ra rằng Sliding Window Attention với cơ chế 'sinks' mang lại hiệu suất ngang bằng hoặc tốt hơn các mô hình Linear Attention, đồng thời giải quyết hiệu quả vấn đề tiêu tốn tài nguyên của kiến trúc Transformer truyền thống.
Rohan Paul@rohanpaul_aiNew ByteDance paper shows for test-time improvement, keeping the messy history of attempts can work …
DịchByteDance giới thiệu phương pháp Chain-of-Experience, ưu tiên lưu giữ toàn bộ quá trình thử nghiệm và phản hồi thay vì tóm tắt ngắn gọn. Cách tiếp cận này giúp cải thiện đáng kể độ chính xác trong các tác vụ toán học và lập trình so với phương pháp lặp lại truyền thống.
Nghiên cứu đánh giá hiệu quả của các công cụ nén prompt trên 10 ngôn ngữ, cho thấy sự chênh lệch đáng kể khi áp dụng các mô hình được huấn luyện chủ yếu bằng tiếng Anh so với đa ngôn ngữ.
Rohan Paul@rohanpaul_aiNew Amazon paper shows KV-cache policy is not just an inference optimization; but it can change the …
DịchNghiên cứu mới của Amazon chỉ ra rằng việc đồng bộ hóa chiến lược KV Cache trong quá trình tinh chỉnh (fine-tuning) giúp mô hình tránh lỗi mất ngữ cảnh khi xử lý văn bản dài, thay vì chỉ tập trung vào tối ưu suy luận như trước đây.
Bài viết giải thích cách xây dựng mô hình ngôn ngữ khuếch tán, từ cơ chế khuếch tán Gaussian, mặt nạ đến kỹ thuật tinh chỉnh lặp lại, giúp đạt hiệu suất ngang bằng mô hình tự hồi quy truyền thống.
CRPO là khung làm việc mới giúp chuyển giao tri thức ưu tiên từ tiếng Anh sang các ngôn ngữ khác, cải thiện đáng kể chất lượng phản hồi của mô hình AI thông qua cơ chế xếp hạng đa ngôn ngữ thay vì chỉ so sánh nhị phân.
Mô hình 27 tỷ tham số của StartLux vừa giành vị trí thứ hai trong bài kiểm tra MCP của CAICT, cho thấy hiệu suất tiệm cận các mô hình nghìn tỷ tham số và vượt qua DeepSeek-V4-Flash.
X.PIN@thexpinByteDance has postponed Doubao 2.2's planned August launch, Baijing Lab reports, citing people close…
DịchByteDance đã dời lịch phát hành Doubao 2.2 để tập trung tối ưu hóa khả năng lập trình, sử dụng công cụ và hiệu suất của AI Agent, nhằm tạo ra bước nhảy vọt về năng lực cho phiên bản này.
DART-SD là khung làm việc mới giúp tác nhân AI học cách gọi công cụ hiệu quả hơn bằng cách thay thế việc bắt chước quỹ đạo tuyến tính bằng phương pháp hiệu chỉnh dựa trên cấu trúc đồ thị, giúp tăng tính linh hoạt và đa dạng trong giải quyết vấn đề.
karminski@karminski3Karminski vừa thực hiện bài đánh giá toàn diện các mô hình AI nhỏ, bao gồm các phiên bản Qwen3.6, Qwen3.8 và Ornith-1.5, nhằm so sánh hiệu năng thực tế giữa các dòng model này.
Nghiên cứu giới thiệu kiến trúc Falcon sử dụng bộ nhớ trọng số nhanh để nén ngữ cảnh vào trạng thái hồi quy cố định, tối ưu hóa khả năng học trực tuyến cho các mô hình ngôn ngữ.
Nhóm nghiên cứu Poor Lab giới thiệu quy trình huấn luyện Puro-2B từ đầu với chi phí dưới 6.900 USD trên GPU RTX 5090, đạt hiệu suất tiệm cận Qwen2.5-1.5B, giúp dân chủ hóa việc huấn luyện AI cho cộng đồng.
Rohan Paul@rohanpaul_aiRAG poisoning can make a model more confident, which is exactly why confidence-based detectors can f…
DịchNghiên cứu chỉ ra rằng các tài liệu độc hại có thể thao túng mô hình RAG, khiến nó tập trung sai lệch vào dữ liệu xấu thay vì bằng chứng xác thực. Để phát hiện, cần giám sát sự phân bổ chú ý giữa các tài liệu thay vì chỉ dựa vào độ tin cậy của câu trả lời cuối cùng.
StepGuard là mô hình kiểm soát an toàn giúp giám sát và ngăn chặn các hành động rủi ro của AI Agent trước khi thực thi công cụ, thông qua cơ chế huấn luyện tự động và cân bằng giữa tính an toàn và hiệu suất.
Nghiên cứu giới thiệu ElephantBench, bộ dữ liệu gồm 1.094 câu hỏi để kiểm tra khả năng của LLM trong việc ghi nhớ các quan điểm trái chiều về những sự kiện ít phổ biến. Kết quả cho thấy ngay cả các mô hình mạnh nhất cũng thường bỏ sót các luồng thông tin khác nhau, cho thấy lỗ hổng trong tri thức của AI.