Bài viết phân tích thực trạng các AI Agent hiện nay trong việc áp dụng kiểm thử khi tạo mã nguồn, đồng thời chỉ ra khoảng cách lớn giữa hiệu suất thực tế và kỳ vọng lý tưởng.
Nghiên cứu chỉ ra rằng việc ép mô hình thế giới mô phỏng giống hệt thực tế có thể gây tác dụng ngược. Thay đổi mục tiêu huấn luyện từ 'nhất quán trạng thái' sang 'nhất quán hành vi' giúp giảm đáng kể tỷ lệ sai sót khi đánh giá AI Agent trong môi trường giả lập.
Microsoft giới thiệu Project Opal cho Copilot, cho phép các AI Agent tự lập kế hoạch và thực hiện các nhiệm vụ kéo dài hàng giờ hoặc hàng ngày trong môi trường được kiểm soát.
Xiaomi MiMo@XiaomiMiMoXiaomi MiMo Desktop is now in invite-only beta!
DịchXiaomi bắt đầu thử nghiệm giới hạn MiMo Desktop, một trợ lý AI có khả năng xử lý đa dạng tệp tin, điều khiển trình duyệt và thao tác máy tính với hiệu suất bộ nhớ đệm ấn tượng.
AI Notes@AYi_AInotesPhiên bản Herdr 0.9.0 cho phép quản lý tập trung các Agent trên cả máy cục bộ và từ xa. Tác giả chia sẻ 4 phương pháp phối hợp hiệu quả, bao gồm phân tách nhiệm vụ, cô lập môi trường bằng Git Worktree và quy trình kiểm soát đầu ra chặt chẽ.
Alibaba Cloud@alibaba_cloudThe next phase for AI involves transforming capabilities into tangible real-world value. At #ApsaraC…
DịchTại hội nghị Apsara 2026, lãnh đạo cấp cao của SAP thảo luận về việc ứng dụng AI Agent để chuyển đổi mô hình vận hành, giúp doanh nghiệp đạt được sự tự chủ và tối ưu hóa giá trị thực tiễn.
ModelBest OpenBMB@OpenBMBThis is MiniCPM5-2B doing real work as local agents 🚀Huge thanks to MiniCPM Ambassador @aijoey - 3…
DịchMô hình MiniCPM5-2B chứng minh hiệu suất vượt trội khi phối hợp cùng 32 tác nhân (agent) để tự động hóa quy trình đối soát hóa đơn và thanh toán, thực hiện 232 lệnh gọi công cụ chỉ trong chưa đầy 70 giây.
Baidu Smart Cloud khẳng định hạ tầng điện toán cần nâng cấp toàn diện để đáp ứng kỷ nguyên Agent. Các giải pháp như cụm siêu máy tính Tianchi và nền tảng Baige đã đạt chứng nhận sản xuất thực tế, sẵn sàng cho việc triển khai quy mô lớn.
Arm vừa giới thiệu hệ thống tính toán di động thế hệ thứ hai CSS for Mobile 2, trang bị CPU C2, GPU Mali G2-Ultra NX và hệ thống kết nối SI L2, tối ưu hóa cho các tác vụ AI Agent và đồ họa AI nguyên bản.
Rohan Paul@rohanpaul_aiA skill-enabled agent can look better overall while performing worse on the exact tasks where it ret…
DịchCác nhà nghiên cứu từ Đại học Soongsil chỉ ra rằng cách đánh giá AI Agent hiện nay thường bị sai lệch. Họ đề xuất phương pháp RAE để đo lường thực chất hiệu quả của việc truy xuất kỹ năng, giúp khắc phục các hạn chế trong các bài kiểm tra truyền thống.
Đội ngũ vLLM công bố giải pháp tối ưu hóa cho tải công việc AI Agent dựa trên benchmark AgentX, giúp DeepSeek V4 Pro đạt hiệu suất 83K tokens/GPU-giây trên hệ thống GB300.
Rohan Paul@rohanpaul_aiAgent skills work for a very specific reason: they turn messy past experience into a clean procedure…
DịchNghiên cứu cho thấy việc chắt lọc kinh nghiệm thành các kỹ năng (SKILL.md) giúp AI đạt hiệu suất cao hơn 6,06% so với việc lưu trữ chi tiết quy trình. Thay vì mở rộng bộ nhớ, các tác nhân AI tự cải tiến cần tập trung vào khả năng đúc kết và áp dụng kinh nghiệm hiệu quả hơn.
DAIR.AI@dair_aiReally strong benchmark paper on coding agents. Claude Opus 5 running under Claude Code passes 23.9…
DịchSierra và ĐH Princeton ra mắt τ^τ-Bench, bộ tiêu chuẩn đánh giá khả năng tự xây dựng AI Agent của các mô hình ngôn ngữ. Kết quả cho thấy khoảng cách lớn giữa AI và chuyên gia con người trong việc thiết lập hệ thống chăm sóc khách hàng thực tế.
OpenRouter@OpenRouterOmarchy is the first operating system built from the ground up for agents. Omarchy is using OpenRou…
DịchOmarchy là hệ điều hành tiên phong xây dựng từ đầu dành riêng cho các tác nhân AI (AI Agents), tích hợp cơ chế điều phối token thông qua OpenRouter.
DAIR.AI@dair_ai// From Language Models to World-Acting Systems // A critical review of agentic AI, and a framework…
DịchDAIR.AI đề xuất khung đánh giá mới cho AI Agent, chỉ ra rằng khả năng kết nối hành động đang phát triển mạnh hơn so với độ tin cậy và tính tự chủ. Báo cáo cũng cảnh báo về rủi ro chi phí và lỗi phối hợp trong các hệ thống đa tác tử.
AI Notes@AYi_AInotesLauren Tan (SpaceXAI) khẳng định viết code bằng AI không còn là lợi thế, mà khả năng kiểm thử mới là nút thắt. Cô đã tối ưu quy trình để AI tự động hóa việc hợp nhất 1.000 PR mỗi tháng vào nhánh chính.
DAIR.AI@dair_aiBrilliant paper from LinkedIn. (bookmark it) I have been saying that memory is one of the most cha…
DịchNghiên cứu của LinkedIn phân tích khả năng duy trì bộ nhớ của các AI Agent khi thay đổi mô hình đọc/ghi, thông qua thử nghiệm trên 48 kịch bản lịch sử tổng hợp để đánh giá tính tương thích.
Hội nghị nhà phát triển Honor 2026 sẽ diễn ra vào ngày 15/9 tại Thâm Quyến, tâm điểm là sự kiện ra mắt MagicOS 11 - hệ điều hành di động đầu tiên ứng dụng AI Agent cấp hệ thống, cùng hàng loạt cải tiến về hiệu năng, giao diện và trải nghiệm người dùng.
Rohan Paul@rohanpaul_aiNew term "catastrophic remembering" CLAUDE.md has a ratchet problem: instructions are easy to add a…
DịchNghiên cứu trên 1.867 kho lưu trữ cho thấy các tệp chỉ dẫn AI tăng trưởng trung bình 226% do các lệnh cũ không được xóa bỏ. Giải pháp gắn kèm chú thích về bối cảnh giúp giảm đáng kể lượng từ thừa mà vẫn duy trì hiệu suất mô hình.
Frank Wang@lifesingerGrok Bot đang gây chú ý lớn với khả năng vận hành ấn tượng, được ví như bước ngoặt 'Sora 2' trong lĩnh vực AI Agent. Tuy nhiên, vẫn còn nhiều câu hỏi bỏ ngỏ về tính ứng dụng thực tế và giới hạn của công nghệ này.
Testing Catalog@testingcatalogTheo thông lệ, OpenAI dự kiến sẽ sớm ra mắt một giải pháp đột phá nhằm mở rộng hệ sinh thái AI Agent của mình trong thời gian tới.
Xiaobei@frxiaobeiTencent vừa mã nguồn mở TeamAI-CLI, công cụ cho phép quản lý quy tắc, kỹ năng và tài liệu của AI Agent thông qua Git. Hệ thống hỗ trợ kiểm duyệt qua Merge Request và tự động tối ưu hóa độ tin cậy của các kỹ năng dựa trên hiệu quả thực tế.
Xiaobei@frxiaobeiNghiên cứu từ OpenAI cho thấy mỗi nhân viên đang tiêu tốn hơn 600 USD tài nguyên suy luận mỗi ngày, với trung bình 3,1 'ngày làm việc' của AI hỗ trợ cho mỗi nhà nghiên cứu, đánh dấu sự bùng nổ trong hiệu suất làm việc.
Diễn biến sự kiện · 4 bài →Bài viết phân tích sâu sắc chiến lược và vị thế của ba ông lớn công nghệ Trung Quốc trong cuộc đua phát triển AI Agent, đánh giá tiềm năng và thách thức của từng nền tảng.
AI Notes@AYi_AInotesGiám đốc khoa học của OpenAI chia sẻ góc nhìn về tương lai AI, đồng thời nhấn mạnh sự cấp bách của việc kiểm soát và căn chỉnh khi các AI Agent đang phát triển vượt tầm kiểm soát.
Tác giả chia sẻ quy trình sử dụng công cụ UU Remote để điều khiển các Coding Agent như Claude Code trực tiếp trên điện thoại, giúp loại bỏ nhu cầu mang theo laptop khi ra ngoài mà vẫn đảm bảo hiệu suất công việc.
Dự án Sol của OpenAI đang gây chú ý với tốc độ vượt trội, đồng thời hé lộ văn hóa làm việc mới khi mỗi nhà nghiên cứu tại đây hiện đang quản lý tới 3 trợ lý AI.
Alibaba Cloud@alibaba_cloudCác tác nhân AI (AI Agents) không chỉ giúp tự động hóa công việc mà còn mở ra những khả năng sáng tạo mới, trở thành một phần không thể thiếu trong quy trình làm việc hiện đại.
Báo cáo chỉ ra rằng Bắc Kinh dẫn đầu về số lượng người dùng AI Agent văn phòng, với tỷ lệ người dùng quốc tế chiếm hơn 12%.
OpenAI vừa tiết lộ dữ liệu nội bộ cho thấy các AI Agent đang đảm nhận phần lớn công việc nghiên cứu, với tỷ lệ 3 AI hỗ trợ cho mỗi nhà nghiên cứu, hướng tới mục tiêu tự động hóa hoàn toàn quy trình phát triển AI vào năm 2028.
Cùng sự kiện, tinh chọn hiển thị «OpenAI công bố báo cáo tăng tốc nghiên cứu: Đạt mục tiêu thực tập sinh AI, hướng tới nhà nghiên cứu tự động vào 2028»Microsoft cùng các đối tác giới thiệu Argus, hệ thống Agent đột phá có khả năng tự vận hành nghiên cứu dài hạn trong hàng nghìn giờ mà không cần con người can thiệp liên tục, đánh dấu bước tiến từ 'thực thi' sang 'tự ra quyết định' trong AI.
ZHO@ZHO_ZHO_ZHOGPT-6 Astra đã làm chủ khả năng thao tác phần mềm và môi trường 3D, mở ra kỷ nguyên mới cho việc thiết kế quy trình làm việc và công cụ tương tác AI.
AI Notes@AYi_AInotesViệc lạm dụng plugin và kỹ năng khiến AI Agent bị quá tải ngữ cảnh, làm giảm hiệu suất phản hồi. Tác giả chia sẻ prompt giúp lọc bỏ các kỹ năng dư thừa, chỉ giữ lại những công cụ cốt lõi để tối ưu hóa khả năng xử lý của mô hình.
QwenWork tích hợp các AI agent vào quy trình làm việc của doanh nghiệp, nhấn mạnh vào khả năng ứng dụng thực tế thay vì chỉ chạy đua tăng dung lượng token.
Rohan Paul@rohanpaul_aiI think "time horizon" is becoming one of the more useful ways to talk about agent capability. At O…
DịchRohan Paul cho rằng thời gian thực thi là chỉ số quan trọng để đo lường AI Agent. Dữ liệu từ OpenAI cho thấy tỷ lệ thành công giảm mạnh từ 86% (nhiệm vụ 15 phút) xuống còn 16% khi kéo dài lên 64-128 giờ.
Rohan Paul@rohanpaul_aiOne of AI's biggest effects on research, researchers can test far more ideas. OpenAI's experiment v…
DịchOpenAI vừa công bố hệ thống 'thực tập sinh nghiên cứu tự động' có khả năng thực hiện các tác vụ phức tạp dưới sự giám sát của con người. Hệ thống này giúp tăng tốc độ thực nghiệm của mỗi nhà nghiên cứu lên gấp 1,6 lần so với mức cơ sở năm 2025.
Rohan Paul@rohanpaul_aiOpenAI just officially said it has reached its "automated research intern" milestone. i.e. a human…
DịchOpenAI công bố dữ liệu cho thấy các tác nhân AI của họ hiện có thể thực hiện các nhiệm vụ nghiên cứu phức tạp với tốc độ gấp 3,1 lần so với con người. Đây được xem là bước tiến quan trọng trong việc ứng dụng AI vào quy trình nghiên cứu tự động.
OpenAI tiết lộ đã đạt mục tiêu tạo ra thực tập sinh nghiên cứu AI có khả năng thực hiện các nhiệm vụ phức tạp dưới sự hướng dẫn của con người, đồng thời đặt lộ trình phát triển nhà nghiên cứu AI tự động hoàn toàn vào tháng 3 năm 2028.
Diễn biến sự kiện · 8 bài →Thêm 7 nguồn khác đưa tinJiqizhixinThe Decoder: AI NewsX: Rohan Paul (@rohanpaul_ai)X: AI Safety Memes (@AISafetyMemes)Hacker News Nổi bật (buzzing.cc bản dịch tiếng Trung)X: Noam Brown (@polynoamial)X: Kim (@kimmonismus)Rohan Paul@rohanpaul_aiVery useful insight in this paper. AI agents may be wasting huge amounts of effort rediscovering t…
DịchNghiên cứu DisCo giới thiệu cách chuyển đổi kho lưu trữ GitHub và tài liệu kỹ thuật thành các 'kỹ năng' tinh gọn, giúp AI tự chủ trong việc chọn công cụ và xử lý lỗi, từ đó nâng cao đáng kể hiệu suất giải quyết tác vụ thực tế.
Simon Willison chia sẻ cách sử dụng AI Agent kết hợp Python API của Blender trên macOS để tự động hóa quy trình tạo hình ảnh từ câu lệnh, từ việc dựng cảnh đến thêm chi tiết trang trí.