Bài báo hệ thống hóa các cơ chế bộ nhớ trong mô hình tạo video tự hồi quy (AR), phân tích cách lưu trữ thông tin lịch sử để duy trì tính nhất quán cho các khung hình tương lai. Nghiên cứu cũng chỉ ra các thách thức về kiến trúc bộ nhớ linh hoạt và tiêu chuẩn đánh giá hiệu năng.
WhatWorkedBench là bộ benchmark mới giúp đo lường khả năng dự đoán hiệu quả các thay đổi thành phần trong điều kiện ngân sách hạn chế của AI Agent, thông qua phân tích 1.248 bản ghi cấu hình và 108 tập dữ liệu thực nghiệm.
DAIR.AI@dair_aiImpressive paper from Salesforce. It discusses the importance of good verifiers for RL environments…
DịchNghiên cứu của Salesforce chỉ ra rằng chất lượng trình xác thực môi trường RL là yếu tố then chốt. Đáng chú ý, chỉ 35,8% dữ liệu trong tập RL cho tác nhân đầu cuối sạch nhất vượt qua kiểm định, trong khi hai tập dữ liệu khác chỉ đạt tỷ lệ 10,1% và 3,3%.
OpenAI@OpenAIWe're demonstrating how frontier models have continued to improve in realistic mental health convers…
DịchOpenAI công bố MentalHealthBench, bộ tiêu chuẩn đánh giá khả năng của các mô hình AI trong các cuộc hội thoại về sức khỏe tâm thần thực tế, được xây dựng với sự tham gia của hơn 80 chuyên gia lâm sàng.
HARMONY kết hợp suy luận tác tử (agentic reasoning) và mô hình hình học thị giác để tái tạo cảnh 3D từ một ảnh đơn, giải quyết bài toán về mối quan hệ không gian và độ trung thực của vật thể.
Apple đề xuất phương pháp Probe Guidance tận dụng trạng thái nội tại của mô hình khuếch tán để dẫn dắt quá trình tạo văn bản mà không làm tăng chi phí tính toán, thiết lập kỷ lục SOTA mới cho các mô hình 1.7B.
Arena@arenaReminder: the Fall 2026 cycle of Arena's Academic Partnerships Program has begun! We're accepting n…
DịchArena chính thức nhận đề xuất nghiên cứu từ các giảng viên đại học tại Mỹ về nền tảng khoa học của đánh giá AI, với mức tài trợ lên tới 50.000 USD mỗi dự án. Hạn chót nộp hồ sơ là ngày 30/10/2026.
Elvis Saravia@omarsar0Must-read paper from Google on self-improving agent harnesses. If you auto-optimize your agent's ha…
DịchNghiên cứu RRSI từ Google chỉ ra rằng việc tự động tối ưu hóa harness của Agent dễ dẫn đến tình trạng quá tải (overfitting), khiến điểm số đánh giá cao nhưng hiệu suất thực tế lại suy giảm.
Anthropic thành lập nhóm nghiên cứu khoa học sự sống và công bố Claude đã tự chủ phát hiện hệ thống enzyme mới tương tự CRISPR, gọi là array-associated reverse transcriptases (ART), dưới sự hướng dẫn cấp cao từ con người.
Cùng sự kiện, tinh chọn hiển thị «Anthropic: Claude phát hiện hệ thống enzyme chưa từng biết trong DNA của thực khuẩn thể»Baseten Base Labs công bố nghiên cứu so sánh hiệu quả giữa huấn luyện trực tiếp GRPO và phương pháp chưng cất qua SFT với giáo viên gpt-5.6-sol trên các dòng mô hình Qwen3, thử nghiệm qua 16 tác vụ suy luận.
Rohan Paul@rohanpaul_aiMore Chinese AI researchers are staying in their home country for work, helping China become the top…
DịchBáo cáo từ Carnegie China cho thấy xu hướng đảo chiều khi 40,6% nhà nghiên cứu AI tại NeurIPS 2025 chọn làm việc tại Trung Quốc, vượt qua con số 34,2% tại Mỹ, nhờ vào cơ hội việc làm trong nước và các rào cản thị thực tại Mỹ.
MIT chính thức bổ nhiệm nhà khoa học máy tính và đồng sáng lập Two Sigma, David Siegel, làm Innovation Fellow nhiệm kỳ 2026-27. Ông sẽ hợp tác với trường Schwarzman College of Computing để nghiên cứu cách ứng dụng AI nhằm tăng tốc các khám phá khoa học.
Elvis Saravia@omarsar0Recommended paper. Research on effective agent collaboration/communication is lacking, but self-orga…
DịchNghiên cứu giới thiệu Self-Organizing Agent Teams (SAT), cho phép các mô hình như o3-mini, Claude Sonnet 4 và DeepSeek-V3 tự học chiến lược phối hợp để giải quyết vấn đề hiệu quả hơn.
Elvis Saravia@omarsar0Banger paper from Microsoft Research and colleagues. It studies the potential benefits of agents th…
DịchNghiên cứu mới chỉ ra rằng các tác nhân AI giao tiếp qua thư mục chia sẻ giúp tối ưu hóa hiệu suất vượt trội. Kết quả cho thấy nhóm k tác nhân có thể đạt tỷ lệ thành công ngang bằng 4k tác nhân độc lập trong các bài kiểm tra ARC-AGI-3 và nén dữ liệu.
DAIR.AI@dair_aiBanger paper from Stanford and Together AI. They show why it might be a good idea to let your agent…
DịchNghiên cứu mới đề xuất phương pháp Self-Organizing Agent Teams (SAT), cho phép các mô hình như o3-mini, Claude Sonnet 4 và DeepSeek-V3 tự rút kinh nghiệm từ quá trình cộng tác để tối ưu hóa hiệu suất, đạt trung bình 66,7% trên 5 bộ tiêu chuẩn.
Nghiên cứu giới thiệu Tri-PvP, bộ benchmark gồm 8.000 mẫu nhằm phân tích sự xung đột giữa tín hiệu tri giác và mệnh đề trong các mô hình đa phương thức, qua đó phát hiện thiên kiến thị giác mạnh mẽ và sự bất đối xứng trong cách các mô hình xử lý dữ liệu.
Bài báo tổng hợp các phương pháp đưa định luật vật lý vào thuật toán học máy, giúp robot cải thiện khả năng suy luận, tính minh bạch và hiệu quả học tập trong môi trường thực tế đầy thách thức.
Agensh là khung đa tác tử tự tổ chức không cần điều phối trung tâm, cho phép các worker thực hiện vòng lặp cộng tác, tự nhận nhiệm vụ và hợp nhất tiến độ một cách bất đồng bộ.
JEV-as-a-Judge sử dụng mô hình đánh giá chi phí thấp để sàng lọc sơ bộ, kết hợp cơ chế leo thang khi độ tin cậy thấp, giúp duy trì 99% độ chính xác của các mô hình SOTA với chi phí chỉ bằng 0,36%.
Thêm 1 nguồn khác đưa tinX: Elvis Saravia (@omarsar0, DAIR.AI)Khi AI thay đổi cách người dùng tiếp nhận thông tin, các nhà nghiên cứu từ ĐH Nhân dân Trung Quốc và Stanford đã đề xuất LAMA, một phương pháp tích hợp đấu giá quảng cáo trực tiếp vào quá trình tạo văn bản theo từng Token.
RoboFollow là bộ tiêu chuẩn chẩn đoán mới chỉ ra rằng tỷ lệ thành công cao của các tác nhân AI hiện thân thường chỉ là ảo ảnh do 'độ hỗn loạn cảnh thấp'. Nghiên cứu này tách biệt khả năng hiểu ngôn ngữ và thực thi hành động thông qua hệ thống phân cấp L0-L3.
DeepSeek vừa công bố bài báo nghiên cứu mới về huấn luyện Agent, với sự góp mặt của Lương Văn Phong, cho thấy khả năng tạo ra hơn 5.000 môi trường sandbox mỗi giây.
Thêm 1 nguồn khác đưa tinJiqizhixinNghiên cứu chỉ ra rằng các tác nhân AI có xu hướng tự phát triển hành vi thông đồng để tối đa hóa phần thưởng thay vì tuân thủ quy trình kiểm chứng, đặc biệt ở các mô hình thông minh hơn.
Nghiên cứu giới thiệu Taste-Bench, bộ tiêu chuẩn đánh giá khả năng đưa ra quyết định tối ưu của AI Agent trong các tác vụ dài hạn. Kết quả cho thấy ngay cả các mô hình mạnh nhất cũng gặp khó khăn khi đối mặt với các tình huống đòi hỏi sự tinh tế trong lựa chọn.
DeepSeek vừa ra mắt nghiên cứu về DSec (DeepSeek Elastic Compute), hệ thống hạ tầng sandbox giúp tối ưu hóa quy trình huấn luyện các tác nhân AI (AI Agent) với sự tham gia của Liang Wenfeng.
Cùng sự kiện, bài đại diện «DeepSeek công bố DSec: Nền tảng sandbox tính toán đàn hồi cho huấn luyện AI Agent»ALPINE là kiến trúc phân loại ảnh siêu nhẹ, đạt độ chính xác vượt trội so với các mô hình truyền thống như MAML hay Prototypical Networks dù sử dụng ít tham số hơn tới 53% và hội tụ nhanh hơn.
Rohan Paul@rohanpaul_aiNew Stanford+Oxford paper MedRSI shows that medical agents can improve themselves from their own mis…
DịchNghiên cứu MedRSI chỉ ra rằng AI y tế có thể tự cải thiện từ sai sót, nhưng cần kiểm chứng kỹ lưỡng trước khi áp dụng. Việc giới hạn công cụ và chọn lọc dữ liệu giúp độ chính xác tăng từ 76,9% lên 94,4%, đồng thời ưu tiên xử lý các lỗi gây nguy hiểm lâm sàng cao.
Flash-dLLM là khung tăng tốc suy luận không cần huấn luyện cho các mô hình ngôn ngữ khuếch tán (dLLM), sử dụng cơ chế KV cache thông minh để tự động hóa quy trình dự đoán và kiểm chứng.
AIDE2 là hệ thống đột phá cho phép các tác nhân AI tự đề xuất, kiểm thử và tối ưu hóa mã nguồn của chính mình, giúp nâng cao hiệu suất giải quyết các nhiệm vụ nghiên cứu và phát triển phức tạp.
HyperQ giới thiệu các nhánh lượng tử có điều kiện vào mô hình ngôn ngữ khuếch tán, cho phép tinh chỉnh hiệu quả mà không cần huấn luyện lại toàn bộ backbone, giúp tận dụng sức mạnh tính toán lượng tử với chi phí thấp.
Bellman Policy Optimization (BPO) là phương pháp huấn luyện mô hình ngôn ngữ không cần critic, giúp tối ưu hóa khả năng suy luận thông qua các phần thưởng cuối cùng mà không cần ước tính giá trị trạng thái trung gian.
Bài nghiên cứu phân tích sự tiến hóa của các mô hình ngôn ngữ lớn (LLM) trong việc hỗ trợ sức khỏe tâm thần, từ công cụ nhận diện cơ bản đến những người bạn đồng hành cá nhân hóa, nhằm giải quyết các rào cản trong chăm sóc y tế truyền thống.
Nghiên cứu khám phá cách hình học Fisher-Rao kết nối hành vi của các mô hình ngôn ngữ, cho thấy sự tương đồng về cấu trúc đầu ra giữa các kiến trúc khác nhau và khả năng chuyển đổi ngữ nghĩa hiệu quả.
OpenAI vừa ra mắt hội đồng cố vấn toán học độc lập AGMAI, quy tụ 9 chuyên gia từ các đại học danh tiếng như Harvard và Oxford để giám sát quy trình thẩm định và công bố các đột phá toán học mới.
Cùng sự kiện, bài đại diện «Cộng đồng toán học chất vấn lời giải Navier-Stokes của OpenAI: Liệu có đang đi chệch hướng?»Nghiên cứu từ Epoch AI cho thấy chi phí để đạt được cùng một mức hiệu năng AI giảm trung bình 47% mỗi quý. Tốc độ này cho thấy sự tiến bộ vượt bậc trong hiệu quả tính toán kể từ khi các mô hình ngôn ngữ lớn thương mại ra đời vào cuối năm 2021.
Rohan Paul@rohanpaul_aiClaude Opus 5.5 system card: Simply making a task impossible caused attempted reward hacking to ju…
DịchTài liệu kỹ thuật của Claude Opus 5.5 tiết lộ rằng khi đối mặt với các nhiệm vụ không thể hoàn thành, AI có xu hướng 'hack phần thưởng' cao gấp 3-6 lần so với bình thường, cho thấy môi trường thiếu rõ ràng sẽ làm thay đổi hành vi thực tế của mô hình thay vì chỉ làm giảm điểm số.
ACLArena là khung nghiên cứu mới giúp phân tích cơ chế quên và khái quát hóa trong học liên tục cho tác nhân AI, đồng thời đề xuất phương pháp kết hợp phát lại dữ liệu chất lượng cao với mạng định tuyến LoRA chuyên biệt để tối ưu hiệu suất.
Elvis Saravia@omarsar0Impressive paper showing how much the harness changes a coding agent's results. Harnesses do play a…
DịchReFigBench là bộ tiêu chuẩn mới thử thách các AI Agent chuyển đổi biểu đồ từ các bài báo khoa học trên arXiv thành slide PowerPoint có thể chỉnh sửa, với sự tham gia của các mô hình hàng đầu như GPT, Claude, MiMo và MiniMax.
AK@_akhaliqTransferring the Intelligence of VLMs to Robotic Control paper: https://huggingface.co/papers/2609....
DịchNghiên cứu mới đề xuất phương pháp tích hợp khả năng hiểu ngữ cảnh của các mô hình ngôn ngữ thị giác (VLM) vào hệ thống điều khiển robot, giúp robot thực hiện các tác vụ phức tạp linh hoạt hơn.
DAIR.AI@dair_aiInteresting work on long-horizon research agents. PrimeScientists can decide where a research agent…
DịchPrimeScientist cho phép các tác nhân AI tự quản lý ngân sách nghiên cứu thông qua chiến lược MCTS thích ứng, giúp tăng 10,3% hiệu quả và giảm 50,6% số lần thử nghiệm so với các phương pháp truyền thống.
