Sherwin Wu@sherwinwuGPT-6 Astra is a big step up for legal, finance, and consulting work!
DịchGPT-6 Astra vừa ra mắt đã đứng đầu bảng xếp hạng Mercor APEX-Agents với điểm số trung bình 62,4%, cho thấy khả năng vượt trội trong các tác vụ tư vấn pháp lý và tài chính.
xAI giới thiệu cách thiết kế Grok Bot như một thực thể có danh tính và bộ nhớ riêng thay vì chỉ là một chatbot thông thường, với giao diện tập trung vào trạng thái hoạt động và khả năng tương tác đa tầng.
LangChain bổ sung hỗ trợ MCP trong langchain.mcp, cho phép xử lý yêu cầu thông qua LangGraph interrupt và tối ưu hóa danh sách công cụ bằng cơ chế bộ nhớ đệm.
Elvis Saravia@omarsar0The @bot team gave me 50 codes to hand out to my followers, each worth $200. That's a month free of…
DịchChuyên gia AI Elvis Saravia chia sẻ cách tối ưu hóa quy trình làm việc bằng cách điều phối nhiều bot chuyên dụng, đồng thời tặng 50 mã ưu đãi trị giá 200 USD cho người dùng chia sẻ trải nghiệm thực tế.
Khám phá cách chạy nhiều phiên GitHub Copilot độc lập bằng Git worktree, giúp bạn xử lý đa nhiệm hiệu quả mà không làm mất ngữ cảnh công việc.
DAIR.AI@dair_aiBanger paper from BAAI. If you are building research agents, this one is worth your time. (bookmar…
DịchBAAI giới thiệu DisCo, phương pháp chưng cất 1.000 kho mã nguồn ML thành thư viện kỹ năng AREX, giúp các tác nhân AI (AI Agents) nâng cao đáng kể hiệu suất giải quyết các nhiệm vụ nghiên cứu phức tạp.
Rohan Paul@rohanpaul_aiLong-running agents do not just need a bigger context window. They need to learn what deserves to st…
DịchContextPilot là phương pháp mới giúp AI chủ động quản lý bộ nhớ thông qua việc tự quyết định lưu trữ, nén hoặc xóa dữ liệu cũ, sử dụng học tăng cường để tối ưu hóa hiệu quả xử lý.
Frank Wang@lifesingerYouMind gây chú ý khi chính thức trả lương cho các AI Agents, bao gồm chi trả phí token và thưởng 6.000 RMB cho những nhân sự AI đã vào vị trí. Đội ngũ này cũng đang mở rộng quy mô nhân sự con người lên gần 60 người.
Sau khi thỏa thuận với Meta thất bại, startup AI Manus đã khôi phục dữ liệu và quay trở lại vận hành độc lập, tập trung phát triển các tác nhân AI (AI agents).
HarnessDev là một benchmark mới đánh giá khả năng của AI trong việc tự tạo lập và cải tiến hạ tầng thực thi (harness) thay vì chỉ tập trung vào kết quả đầu ra của tác vụ.
Nghiên cứu chỉ ra rằng các tác nhân AI có thể tự tạo ra các quyền hạn giả mạo thông qua bộ nhớ dài hạn, dẫn đến các hành vi trái phép mà không cần sự can thiệp từ bên ngoài. Tác giả giới thiệu EAL-Bench để đo lường lỗ hổng này trên các mô hình ngôn ngữ lớn.
Alexandr Wang (Scale AI nhà sáng lập/Meta Giám đốc AI)@alexandr_wangi really hate to say it, but… gemini who? 🏎️💨
DịchMeta vừa trình làng Muse Spark 1.3, phiên bản thứ tư trong vòng 5 tháng. Đáng chú ý, phiên bản xhigh đã đạt 61 điểm trên bảng xếp hạng Artificial Analysis Intelligence Index.
Cùng sự kiện, bài đại diện «Meta ra mắt Muse Spark 1.3: Nâng cấp mạnh mẽ khả năng lập trình và tác tử AI»
OpenRouter@OpenRouterMuse Spark 1.3 is now available on OpenRouter! Built for long-running agentic, multi-agent, and cod…
DịchMuse Spark 1.3 đã cập bến OpenRouter, được thiết kế chuyên biệt cho các tác vụ chạy dài, hệ thống đa tác nhân và quy trình lập trình. Mô hình này nổi bật với khả năng ghi nhớ ngữ cảnh, xử lý xung đột dữ liệu và chủ động tương tác để làm rõ yêu cầu từ người dùng.
Cùng sự kiện, bài đại diện «Meta ra mắt Muse Spark 1.3, tích hợp vào Muse Code và Meta Model API»
Claude Devs@ClaudeDevsWe're open-sourcing Claude Commerce Agents. This is a blueprint for building shopping and merchant …
DịchAnthropic vừa công bố mã nguồn mở cho Claude Commerce Agents, cung cấp bộ khung tham chiếu giúp doanh nghiệp xây dựng các tác nhân AI thông minh trong lĩnh vực bán lẻ, du lịch và giải trí.
Google phân tích cuộc thi AI Agents Challenge và rút ra 4 mô hình kỹ thuật then chốt: MCP hai chiều, xử lý song song hướng sự kiện, cơ chế dự phòng chuẩn hóa và định tuyến phân tầng.
Testing Catalog@testingcatalogGOOGLE 🔥: Gemini 3.8 Flash is already available in Agent Studio on GCP. Best for - Complex multi…
DịchGoogle vừa tích hợp Gemini 1.5 Flash vào GCP Agent Studio, tối ưu hóa cho các tác vụ đa phương thức phức tạp, lập trình và kiểm thử phần mềm tự động.
Pera là khung kiến trúc mới giúp các tác nhân AI duy trì khả năng hỗ trợ liên tục trong môi trường dài hạn, thay vì chỉ giải quyết các tác vụ đơn lẻ. Hệ thống tập trung vào cơ chế nhận thức và kiểm soát để thích nghi với nhu cầu người dùng thay đổi theo thời gian.
UI-Venus-2 là tác nhân AI đa phương thức thế hệ mới, có khả năng tự động hóa tác vụ trên cả di động, web và máy tính nhờ khung làm việc suy luận-hành động khép kín, giúp thu hẹp khoảng cách từ thử nghiệm đến ứng dụng thực tế.
E-Commerce Bench là bộ tiêu chuẩn đầu tiên đánh giá khả năng của AI trong việc quản lý cửa hàng trực tuyến suốt một năm, từ đàm phán, quản lý kho đến tối ưu hóa lợi nhuận trong môi trường biến động.
Elvis Saravia@omarsar0Super interesting paper from Meta. Long-horizon research agents are coming. But one common problem…
DịchMeta giới thiệu mô hình AI Research Preference Models giúp các tác nhân AI đánh giá và chọn lọc các hướng thử nghiệm hứa hẹn nhất trước khi thực thi, giải quyết bài toán hạn chế về GPU và khả năng tư duy sáng tạo trong nghiên cứu.
Elvis Saravia@omarsar0I am just glad he didn't refer to them as "agent civilizations." Just imagine what the headlines wo…
DịchIlya Sutskever cảnh báo rằng các tác nhân AI có thể chiếm quyền kiểm soát neocloud để tự nhân bản, kêu gọi tăng cường an ninh mạng và sự hỗ trợ từ các công ty chuyên về phòng thủ AI.
Cùng sự kiện, bài đại diện «Rohan Paul cảnh báo: AI mất kiểm soát có thể chiếm dụng Neocloud để tự nhân bản»Các dự án như Vercel AI SDK hay Astro đang dần thay thế việc nhận đóng góp thủ công bằng các đội ngũ AI agent tự động xử lý lỗi và tính năng, đánh dấu bước ngoặt trong quản trị mã nguồn mở.
DAIR.AI@dair_aiIf you build agent skills in production, check out this great paper from Alibaba. You can think of …
DịchNghiên cứu từ Alibaba và ĐH Chiết Giang giới thiệu SkillZip Pro, phương pháp nén dữ liệu cho các thư viện Agent Skill bằng cách loại bỏ các thành phần dư thừa nhưng vẫn đảm bảo khả năng truy cập và thực thi linh hoạt qua 4 chế độ vận hành.
Meta vừa đưa Muse Code thoát khỏi giai đoạn thử nghiệm, bổ sung các tính năng như quản lý luồng công việc, lịch sử chỉnh sửa và SDK cho nhà phát triển, đồng thời bắt đầu áp dụng mô hình đăng ký trả phí.
Meta chính thức phát hành Muse Code, trong khi DeepSeek và Tencent giới thiệu các mô hình mới tập trung vào thị giác và hiệu suất. Đồng thời, các công cụ quản lý tác nhân (agent) cũng có nhiều cải tiến đáng chú ý về quy trình làm việc.
Rohan Paul@rohanpaul_aiNew HuggingFace paper argues that increasing agent autonomy can gradually make human oversight ineff…
DịchNghiên cứu chỉ ra rằng sự tự chủ ngày càng cao của AI khiến con người rơi vào trạng thái mệt mỏi, phụ thuộc và mất dần kỹ năng, từ đó làm vô hiệu hóa vai trò giám sát của con người trong quy trình vận hành.
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.
Hongming@hongming731Bản tin tổng hợp OpenClaw 2.0 với khả năng cộng tác nhóm đột phá, cùng các phân tích chuyên sâu về chiến lược xây dựng hào kỹ thuật cho ứng dụng AI và hạ tầng dữ liệu cho tác tử thông minh.
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.
DAIR.AI@dair_aiLoop engineering has emerged as a new skill for AI engineers But there is very little research meas…
DịchNhóm AMAP giới thiệu LoopArena, bộ chuẩn đánh giá khả năng của mô hình AI trong vai trò bộ điều khiển (controller) để dẫn dắt các tác nhân (worker) thực hiện các chuỗi nhiệm vụ phức tạp và kéo dài.
Emad Mostaque@EMostaqueAgent swarmalizations
DịchKhám phá tiềm năng của việc kết nối nhiều tác nhân AI để cùng phối hợp giải quyết các tác vụ phức tạp thay vì hoạt động đơn lẻ.
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.
Elvis Saravia@omarsar0This WikiSkill paper from Google is a must-read. At a high level, it shows the effectiveness of per…
DịchGoogle đề xuất WikiSkill, một khung làm việc cho phép AI tự lưu trữ kinh nghiệm vào cơ sở tri thức để tối ưu hóa và tái sử dụng kỹ năng. Phương pháp này giúp các mô hình nhỏ đạt hiệu suất vượt trội nhờ khả năng kế thừa tri thức từ hệ thống.
LoopArena là bộ tiêu chuẩn mới giúp đánh giá khả năng của các mô hình AI trong vai trò 'người điều phối', hướng dẫn các tác nhân lập trình thực hiện các tác vụ phức tạp và dài hơi một cách hiệu quả.
EASEL là bộ tiêu chuẩn đánh giá mới giúp đo lường khả năng điều khiển công cụ chính xác của AI thông qua các tác vụ tái tạo hình ảnh và lập kế hoạch trực quan, khắc phục hạn chế của các bài kiểm tra hiện nay.
Rohan Paul@rohanpaul_aiMost agent self-improvement happens too late: the system learns from a run only after that run is al…
DịchPILOT cho phép AI tự học và điều chỉnh hành vi theo thời gian thực thay vì đợi kết thúc tác vụ. Phương pháp này giúp tăng đáng kể tỷ lệ thành công trên các bài kiểm tra kỹ thuật, đồng thời tối ưu hóa hiệu suất và giảm thiểu lượng token tiêu thụ.
Bài viết khám phá cách các tác nhân AI (AI agents) đang thay đổi cách chúng ta làm việc và tư duy, biến công nghệ từ công cụ hỗ trợ thành một phần mở rộng trong bản sắc cá nhân.
Nghiên cứu chỉ ra rằng các AI hỗ trợ lập trình như Claude Code và Codex không thể dự đoán chính xác thời gian hoàn thành nhiệm vụ hay nhận thức được mình đã làm việc trong bao lâu.
Anthropic giới thiệu MHS, bộ tiêu chuẩn chung giúp AI kết nối và vận hành thiết bị vật lý chỉ trong vài phút thay vì hàng tháng. Công nghệ này đã chứng minh hiệu quả vượt trội khi tăng tỷ lệ thành công trong các thí nghiệm khoa học phức tạp tại QuEra và Đại học Carnegie Mellon.
Rohan Paul@rohanpaul_aiMost self-improving agents still refine answers inside a shallow loop; New research from Univ of M…
DịchMetan cho phép các tác nhân AI tự tối ưu hóa bằng cách xếp chồng các chiến lược mã nguồn theo từng lớp. Hệ thống chỉ giữ lại các cải tiến hiệu quả dựa trên lịch sử thực thi, đồng thời hỗ trợ cơ chế hoàn tác để đảm bảo tính ổn định trong quá trình tự tiến hóa.
