EdgeGen là khung làm việc tự động tạo các tình huống lỗi (edge cases) từ quy tắc của Agent, giúp tinh chỉnh và tối ưu hóa hiệu suất mà không cần gắn nhãn thủ công.
ToolLoop tối ưu hóa việc tạo dữ liệu huấn luyện cho LLM bằng cách chia nhỏ quy trình thành ba giai đoạn: lấy mẫu hàm, tạo câu hỏi ngược và tạo lệnh gọi công cụ, kết hợp cơ chế tự phản hồi để đảm bảo độ chính xác cao hơn so với phương pháp lọc truyền thống.
DAIR.AI@dair_aiBanger release from NVIDIA. They just published a report on NeMo Data Designer, their open-source s…
DịchNVIDIA giới thiệu NeMo Data Designer (NDD), công cụ hỗ trợ tạo dữ liệu tổng hợp đa dạng từ văn bản, mã nguồn đến hình ảnh thông qua cấu hình khai báo, giúp đơn giản hóa quy trình chuẩn bị dữ liệu cho mô hình AI.
Treble vừa gọi vốn thành công 18 triệu USD để phát triển nền tảng mô phỏng giọng nói, chuyên cung cấp dữ liệu tổng hợp và đánh giá mô hình cho các ông lớn như Amazon và Logitech.
Nghiên cứu khám phá cách tối ưu hóa dữ liệu tổng hợp để huấn luyện mô hình OCR tiếng Thái mà không cần nhãn thực tế, từ đó tạo ra Wayu-Paxa-OCR-Zero với độ chính xác tiệm cận dữ liệu thực.
SynthGait-19K là bộ dữ liệu gồm hơn 19.000 video mô phỏng dáng đi từ 437 đối tượng, đi kèm chú thích chuyển động SMPL và 6 thông số dáng đi quan trọng, hỗ trợ đắc lực cho nghiên cứu thị giác máy tính.
Aidan Gomez (Cohere CEO)@aidangomezSynthetic data derived from production user data of consumer AI tools is used for training. I've hea…
DịchAidan Gomez tiết lộ các phòng thí nghiệm AI hàng đầu đang chuyển đổi dữ liệu từ người dùng thực tế thành dữ liệu tổng hợp để huấn luyện mô hình, đặc biệt ưu tiên các tác vụ phức tạp như toán học, lập trình và sinh học.
KnowChange là khung tổng hợp dữ liệu mới sử dụng mô hình ngôn ngữ-hình ảnh để mô phỏng các thay đổi trong ảnh viễn thám một cách linh hoạt, giúp cải thiện hiệu suất cho các mô hình phát hiện thay đổi mà không cần quy tắc thủ công.
Nghiên cứu đề xuất phương pháp tạo dữ liệu hội thoại tổng hợp từ đánh giá sản phẩm và tương tác người dùng để huấn luyện hệ thống gợi ý mà không cần dữ liệu hội thoại thực tế, giúp tối ưu hóa hiệu suất trong các lĩnh vực mới.
AI Notes@AYi_AInotesJeff Dean (Google) nhận định khi năng lực tính toán tăng 1 triệu lần, AI sẽ chuyển dịch sang dữ liệu tổng hợp, tối ưu hóa suy luận ở mức FP4/2-bit và ưu tiên học tập liên tục thay vì tiền huấn luyện truyền thống.
Rohan Paul@rohanpaul_aiLLMs can reproduce the broad direction of human survey results, but not the actual human response di…
DịchMột nghiên cứu tâm lý học cho thấy LLM chỉ mô phỏng được xu hướng chung chứ không tái hiện chính xác phân phối câu trả lời của con người. Các mô hình huấn luyện bằng dữ liệu AI có hiệu suất dự báo kém, cho thấy LLM chỉ phù hợp cho các khảo sát thử nghiệm chi phí thấp.
Nghiên cứu giới thiệu khung làm việc HOTFIXR giúp cải thiện khả năng suy luận đa ngôn ngữ của LLM bằng cách tạo dữ liệu tổng hợp có độ khó tối ưu, khắc phục sự chênh lệch hiệu suất giữa các ngôn ngữ mà không làm giảm chất lượng phản hồi.
Richard Sutton, cha đẻ học tăng cường, cho rằng dữ liệu tổng hợp không thể thay thế trải nghiệm thực tế. Ông khẳng định AI cần học hỏi từ tương tác trực tiếp với thế giới thay vì chỉ dựa vào kho dữ liệu tĩnh trên internet.
Rich Sutton cảnh báo việc phụ thuộc vào dữ liệu tổng hợp thay vì dữ liệu thực tế là sai lầm nghiêm trọng. Ông ủng hộ việc để AI học hỏi thông qua tương tác với môi trường thực tế thay vì chỉ dựa vào dữ liệu nhân tạo.
Nghiên cứu này kiểm chứng liệu LLM có thực sự thay thế được con người trong khảo sát tâm lý học hay không, bằng cách so sánh dữ liệu mô phỏng với dữ liệu thực tế trên 37 mô hình khác nhau.
WorldRover là một pipeline dựa trên Unreal Engine giúp tạo ra các video khám phá dài với chú thích phong phú về hình học, quỹ đạo và góc nhìn, giải quyết hạn chế của dữ liệu thực tế trong việc huấn luyện các mô hình thế giới tương tác.
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.