Nghiên cứu giới thiệu S^2VOPD, phương pháp tạo tín hiệu học tập bằng cách lược bỏ thông tin từ mô hình học sinh thay vì bổ sung dữ liệu cho giáo viên, giúp huấn luyện mô hình thị giác hiệu quả mà không cần nhãn hay mô hình giáo viên mạnh.
MMDiff là khung làm việc mới giúp giải mã và kiểm soát các đặc trưng bên trong của mô hình ngôn ngữ đa phương thức (MLLM) thông qua kỹ thuật so sánh mô hình, hỗ trợ cô lập tính năng và điều chỉnh hành vi mô hình hiệu quả hơn.
MobileMem là bộ tiêu chuẩn và khung làm việc mới giúp AI ghi nhớ và học hỏi từ dữ liệu trải nghiệm người dùng trên điện thoại suốt một năm, mở đường cho các trợ lý cá nhân thông minh và thấu hiểu hơn.
GAS là khung huấn luyện mới sử dụng việc tạo sinh hình ảnh làm giám sát phụ để cải thiện khả năng hiểu thị giác của các mô hình ngôn ngữ đa phương thức mà không làm tăng chi phí suy luận.
Nghiên cứu giới thiệu phương pháp Hybrid-Policy Self-Editing giúp LLM không chỉ ghi nhớ thông tin mới mà còn có thể suy luận và trả lời các câu hỏi phức tạp dựa trên kiến thức đã cập nhật, khắc phục hạn chế của các kỹ thuật chỉnh sửa kiến thức hiện nay.
TailBooster là giải pháp mới giúp tạo dữ liệu tổng hợp cho các sự kiện hiếm gặp trong hàng không, đảm bảo tính thực tế về vận hành mà các mô hình truyền thống thường bỏ qua.
H2R-Bench là bộ tiêu chuẩn mới giúp đánh giá khả năng chuyển đổi video thao tác từ góc nhìn người sang hành động của robot, tập trung vào tính nhất quán về vật lý và kỹ năng thực thi nhiệm vụ.
Spatial Memory Agent (SMA) là khung tự tiến hóa giúp các mô hình VLM đóng băng cải thiện khả năng suy luận không gian thông qua việc đúc kết kinh nghiệm và đánh giá độ tin cậy, đạt hiệu suất vượt trội trên nhiều tiêu chuẩn đánh giá.
Nhóm nghiên cứu của Apple đề xuất phương pháp mới giúp giảm chi phí tính toán khi xóa dữ liệu trong mô hình học máy bằng cách xác định và bỏ qua các điểm dữ liệu có ảnh hưởng không đáng kể, thay vì xử lý toàn bộ tập dữ liệu như trước đây.
Nghiên cứu giới thiệu Simplax, một phương pháp tăng cường Dirichlet-categorical giúp cải thiện hiệu suất của các mô hình khuếch tán rời rạc bằng cách kết hợp biến phụ trợ dạng đơn hình, từ đó nâng cao chất lượng tạo văn bản.
AtlasVLA giải quyết hạn chế của các mô hình VLA truyền thống bằng cách tích hợp bộ nhớ không gian 4D và trạng thái làm việc cá nhân, giúp robot duy trì nhận thức về môi trường và tiến độ công việc ngay cả khi vật thể nằm ngoài tầm nhìn.
AVA-Encoder chuyển đổi video thành đồ thị tri thức để tối ưu hóa chiến lược huấn luyện tác nhân, giúp giảm 74,3% token hệ thống mà vẫn vượt trội so với các phương pháp thủ công.
UniMoMo là khung nén mô hình sau huấn luyện giúp giảm quy mô các lớp MoE trong hệ thống gợi ý bằng cách hợp nhất các chuyên gia có chức năng tương đồng, giúp tối ưu hóa hiệu năng mà không cần thêm module phụ.
iFAN giải quyết sự lệch pha giữa quá trình huấn luyện và suy luận trong các mô hình Mask Transformer bằng cách điều chỉnh thứ hạng xác suất và chưng cất tri thức giữa các lớp, giúp cải thiện độ chính xác của phân đoạn hình ảnh.
Nghiên cứu đề xuất khung phân loại ba giai đoạn về sự đồng tiến hóa giữa các tác tử và môi trường, giúp hệ thống AI tự thích nghi và phát triển mà không cần sự can thiệp liên tục từ con người.