Clément Delangue (Hugging Face CEO)@ClementDelangueOpen-source RL envs for the win. On Hugging Face of course!
DịchXiaomi vừa phát hành kho lưu trữ môi trường RL (Học tăng cường) trên Hugging Face, một tài nguyên giá trị ước tính hàng triệu USD nếu mua thương mại, giúp cộng đồng tiếp cận miễn phí các tác vụ huấn luyện phức tạp.
RGBD20K cung cấp 20.000 cặp ảnh RGB-D với 160 lớp chi tiết, vượt xa các bộ dữ liệu cũ như NYUv2 hay SUN RGB-D. Nghiên cứu cũng giới thiệu phương pháp SPF giúp đạt hiệu suất SOTA trong phân đoạn ngữ nghĩa.
Rohan Paul@rohanpaul_aiThis is such a great initiative, because "DATA" is the moat now. @Tiny_Fish launched a 15-company a…
DịchTinyFish thành lập liên minh dữ liệu với 15 đơn vị như Crunchbase, Similarweb nhằm cung cấp nguồn dữ liệu bản quyền chất lượng cao cho các AI agent, giải quyết bài toán thiếu hụt thông tin chuyên sâu mà dữ liệu công khai trên internet không thể đáp ứng.
Zhongke Leinao tận dụng kinh nghiệm tích lũy gần một thập kỷ để xây dựng nền tảng 'Token Factory', giúp tối ưu hóa quy trình xử lý dữ liệu cho các mô hình AI thế hệ mới.
Muchen AI đang định nghĩa lại ngành dịch vụ dữ liệu bằng cách chuyển dịch từ cung cấp số lượng sang xây dựng hệ thống đánh giá cấu trúc (Rubric) cho các tác vụ AI dài hạn và phức tạp.
Snorkel AI vừa huy động 350 triệu USD trong vòng gọi vốn Series E, nâng định giá lên 3,5 tỷ USD nhờ nhu cầu bùng nổ về dữ liệu huấn luyện AI chất lượng cao. Doanh thu hàng năm của công ty đã tăng trưởng ấn tượng gấp 18 lần trong 12 tháng qua.
StepFun@StepFun_aiWe've open-sourced onPanda 🐼 - the tool we use internally for LLM data annotation and model inspect…
DịchStepFun vừa công bố onPanda, công cụ mã nguồn mở giúp tăng tốc gắn nhãn dữ liệu LLM lên 52% và hỗ trợ kiểm soát token chi tiết. Nền tảng này cho phép tạo dữ liệu SFT và dữ liệu ưu tiên trong cùng một quy trình, đồng thời hỗ trợ gắn nhãn đa phương thức cho các tác nhân AI.
Báo cáo từ CAICT cho biết Trung Quốc đã đưa vào hoạt động hơn 70 cơ sở huấn luyện AI hiện thân, với kế hoạch mở rộng thêm 40 trung tâm và áp dụng tiêu chuẩn chất lượng dữ liệu mới từ ngày 1/11.
TeleAntiFraud 2.0 cung cấp quy trình tạo dữ liệu linh hoạt, giúp phân biệt chính xác giữa cuộc gọi lừa đảo và cuộc gọi dịch vụ thông thường dựa trên ngữ cảnh thực tế, hỗ trợ cập nhật các kịch bản lừa đảo mới nhất.
Chính phủ Nhật Bản đang triển khai kế hoạch thu thập dữ liệu từ các thiết bị công nghiệp để huấn luyện AI, nhằm tạo lợi thế cạnh tranh trong lĩnh vực robot và tự động hóa.
Vệ tinh tiên phong A (Xiguang-4 01) thuộc chòm sao Ngũ Dương đã lên đường tới bãi phóng. Với khả năng chụp ảnh độ phân giải cao và hồng ngoại, hệ thống này sẽ cung cấp dịch vụ viễn thám chuyên biệt cho khu vực Vịnh Lớn và các vùng vĩ độ thấp.
Epoch AI vừa giới thiệu công cụ mới giúp thống kê tỷ lệ và hình thức sử dụng AI trong các bản thảo toán học trên arXiv từ đầu năm 2023 đến tháng 8/2026, hỗ trợ các nhà nghiên cứu nắm bắt xu hướng ứng dụng công nghệ.
Epoch AI vừa phát hành bộ dữ liệu chi tiết về xu hướng sử dụng AI trong các bài báo toán học trên arXiv theo từng tháng và lĩnh vực, cho phép cộng đồng nghiên cứu tải về miễn phí.
Cùng sự kiện, bài đại diện «Epoch AI ra mắt công cụ theo dõi việc ứng dụng AI trong các nghiên cứu toán học trên arXiv»
SemiAnalysis@SemiAnalysis_How often do OpenAI models use tools? Following our Claude breakdown, we looked through 616, 300 Ope…
DịchDựa trên dữ liệu từ 616.300 phản hồi, SemiAnalysis tiết lộ tần suất gọi công cụ của các mô hình OpenAI, trong đó GPT-5.6 Terra dẫn đầu với trung bình 1,94 lần mỗi phản hồi.
Jason Liu@jxnlcoEdited with Astra!?! That's crazy @donaldjewkes
DịchExa vừa giới thiệu Snapshot, công cụ lập chỉ mục 400 tỷ bản lưu trang web lịch sử, hỗ trợ truy vấn thông tin theo trạng thái quá khứ. Dữ liệu này hiện được ứng dụng trong huấn luyện mô hình AI, kiểm thử chiến lược và nghiên cứu sự phát triển của internet.
AI Notes@AYi_AInotesTongyi Qianwen tái chiếm vị trí thứ 3 trong bảng xếp hạng AI Trung Quốc, trong khi Zhihu Zhida bứt phá mạnh mẽ nhờ tận dụng kho dữ liệu chuyên sâu từ cộng đồng. Cuộc đua AI hiện đã chuyển dịch từ năng lực mô hình sang khai thác hệ sinh thái nội dung thực tế.
Dù dữ liệu cho thấy mức tiêu thụ token hàng tuần trên OpenRouter tăng từ 0,5 nghìn tỷ lên 126,2 nghìn tỷ kể từ đầu năm 2025, các chuyên gia cảnh báo con số này đã bị thổi phồng đáng kể.
Epoch AI vừa nâng cấp công cụ theo dõi trung tâm dữ liệu, mở rộng phạm vi từ 13 lên 86 cơ sở, chiếm khoảng 44% tổng năng lực tính toán AI thế giới. Nền tảng cung cấp dữ liệu chi tiết về chip, vốn đầu tư và tiến độ xây dựng, đồng thời công khai phương pháp tính toán cho cộng đồng.
Emad Mostaque@EMostaqueYou are what you eat and AI models especially so https://x.com/EMostaque/status/2099580512675262512...
DịchCũng giống như con người 'ăn gì thì người nấy', các mô hình AI cũng phụ thuộc hoàn toàn vào chất lượng dữ liệu đầu vào để hình thành trí tuệ.
Bộ dữ liệu 4.0 với dung lượng 120GB vừa được công bố tại Diễn đàn Quản trị An toàn AI, được xây dựng bởi các đơn vị hàng đầu như Baidu, iFlytek và Zhihu dưới sự chỉ đạo của cơ quan chức năng Trung Quốc.
Báo cáo mới từ Google cho thấy các quốc gia OECD ưu tiên AI trong lĩnh vực tài chính và kỹ thuật, trong khi các nước ngoài OECD tập trung vào hành chính, giáo dục và sáng tạo. Đáng chú ý, Brazil và UAE có tỷ lệ ứng dụng AI vượt xa kỳ vọng dựa trên GDP bình quân đầu người.
DataFlex-RL là nền tảng mới giúp so sánh các chiến lược chọn lọc và trọng số dữ liệu trong huấn luyện mô hình RLVR. Kết quả thực nghiệm cho thấy các phương pháp chọn lọc phức tạp hiện nay chưa mang lại ưu thế vượt trội so với cách lấy mẫu đồng nhất truyền thống.
Feyospace-v1 giới thiệu khung dữ liệu tập trung giúp tối ưu hóa việc huấn luyện các tác nhân AI an ninh mạng thông qua năm hệ thống chuyên biệt, giải quyết các rào cản về chi phí và môi trường thực thi để tạo ra hơn 164.000 quỹ đạo dữ liệu chất lượng cao.
Zhao Chunxiang@chunxiangaiChuyên gia Zhao Chunxiang phân tích hai khía cạnh của việc OpenAI tố cáo các bên lạm dụng mô hình cho mục đích quân sự, đồng thời cảnh báo về sự khan hiếm dữ liệu toàn cầu và hệ quả từ chiến lược 'đốt sách' của các ông lớn AI.
Aravind Srinivas (Perplexity CEO)@AravSrinivasPerplexity Computer makes you money.
DịchDữ liệu mới nhất cho thấy Perplexity đang thống trị mảng giao dịch qua AI Agent với 26,8% thị phần, vượt xa các đối thủ như Claude và ChatGPT.
Google ra mắt ToolGrad, khung làm việc giúp tối ưu hóa việc tạo tập dữ liệu gọi công cụ bằng cách sử dụng LLM để xây dựng chuỗi lệnh và gắn nhãn ngược từ truy vấn người dùng, vừa được công bố tại ACL 2026.
Rohan Paul@rohanpaul_aiSam Altman on how AI token usage is growing at an exponential rate. "6 and a half years ago, the w…
DịchTại YC Startup School 2026, Sam Altman cho biết mức tiêu thụ token AI toàn cầu đã tăng từ gần bằng 0 lên trung bình 100.000 token/người/tháng chỉ sau 6 năm, cho thấy sự bùng nổ mạnh mẽ trong nhu cầu sử dụng AI.
CEO Tạ Thần chia sẻ về chiến lược xây dựng dữ liệu quy mô lớn cho robot, khẳng định Scaling Law của trí tuệ hiện thân cần hai trụ cột song hành: dữ liệu con người để huấn luyện và mô phỏng để đánh giá.
Công nghệ mới từ Trung Quốc cho phép AI tự động dựng các thế giới 3D phức tạp chỉ bằng văn bản, giải quyết bài toán thiếu hụt dữ liệu và mở ra tiềm năng lớn cho các ứng dụng thông minh.
Thêm 1 nguồn khác đưa tinCafeF Kinh tế số
Mark Chen (OpenAI Giám đốc nghiên cứu)@markchen90Two things to distinguish: Did any human or agent look at user data as part of the Navier Stokes ef…
DịchGiám đốc nghiên cứu OpenAI khẳng định dữ liệu người dùng không liên quan đến nghiên cứu Navier Stokes, đồng thời xác nhận công ty sử dụng dữ liệu ẩn danh để cải thiện mô hình như tiêu chuẩn chung của ngành.
Phân tích thực nghiệm cho thấy cải tiến dữ liệu giúp tăng hiệu suất tính toán gấp 12 lần, vượt xa mức 3,7 lần từ cải tiến kiến trúc mô hình, khẳng định dữ liệu đóng vai trò quan trọng gấp 3,24 lần so với thiết kế mô hình.
Dữ liệu từ Similarweb cho thấy thị phần web của ChatGPT đã tăng từ 52,7% lên 55,5% trong tháng 8, dù vẫn giảm mạnh so với mức 73,3% cùng kỳ năm ngoái do sự cạnh tranh gay gắt.
Adaption Labs giới thiệu tính năng Invent a Dataset, cho phép tạo bộ dữ liệu huấn luyện trực tiếp từ mô tả nhiệm vụ mà không cần dữ liệu mẫu hay hướng dẫn gán nhãn phức tạp.
Ant Group giới thiệu OmniTable, hệ thống bảng rộng thống nhất giúp tối ưu hóa quy trình làm sạch dữ liệu quy mô lớn, đạt giải bài báo công nghiệp xuất sắc nhất tại VLDB 2026.
FDA đang hiện đại hóa nền tảng dữ liệu liên bang bằng cách sử dụng Databricks, ví von quá trình này như việc thay thế động cơ tàu sân bay ngay khi đang di chuyển để đảm bảo tính sẵn sàng cho AI.
Clément Delangue (Hugging Face CEO)@ClementDelangueOver 4 petabytes of models and datasets have been uploaded to HF just last week by AI builders and t…
DịchChỉ trong tuần qua, cộng đồng AI đã tải lên hơn 4PB dữ liệu lên Hugging Face, tương đương với khoảng 800.000 bộ phim HD, khẳng định vị thế nền tảng lưu trữ và cộng tác AI hàng đầu thế giới.
Sau khi rời a16z, Vijay Pande thành lập VZVC với chiến lược tập trung vào ít thương vụ, vận hành tối giản nhờ AI. Ông nhấn mạnh rào cản lớn nhất của AI trong y tế hiện nay là sự thiếu hụt dữ liệu mở, buộc các công ty phải tự xây dựng kho dữ liệu riêng.
LAION vừa ra mắt Big Video Dataset (BVD) bao gồm 80 triệu video từ CommonCrawl, cung cấp 10 triệu giờ dữ liệu cùng 55 triệu đoạn video có chú thích và 300 triệu hình ảnh tĩnh cho nghiên cứu AI.
Ngành công nghiệp robot đang khát dữ liệu tương tác vật lý trầm trọng. Thay vì chỉ tập trung vào dữ liệu bàn tay, cuộc đua hiện nay chuyển dịch sang các giải pháp thu thập dữ liệu vận động toàn thân để giúp robot thực sự làm chủ môi trường thực tế.
Lượng token AI xử lý hàng ngày tại Trung Quốc vượt 500 nghìn tỷ vào tháng 6/2026, phản ánh sự bùng nổ của các ứng dụng mô hình lớn trong công nghiệp và chu kỳ cập nhật mô hình ngày càng rút ngắn.