DAIR.AI@dair_aiAn interesting idea is to continually train specialized models on skills. This paper explores that …
DịchSkillGym chuyển đổi các kỹ năng do con người viết thành 2.756 môi trường huấn luyện có kiểm chứng mã nguồn, giúp tinh chỉnh mô hình dựa trên hơn 8.300 lộ trình thực thi thành công.
Bài viết phê phán việc người dùng Jev bỏ qua quy trình đánh giá (evals) và chấp nhận sự thất bại của AI như một điều hiển nhiên, thay vì tìm hiểu nguyên nhân gốc rễ. Tác giả cảnh báo xu hướng đổ lỗi cho tính bất định của LLM thay vì xây dựng các bộ kiểm thử đơn giản để cải thiện hệ thống.
Một startup quy tụ các tài năng từ Đại học Thanh Hoa vừa gọi vốn thành công với định giá 1 tỷ USD, tập trung ứng dụng công nghệ tính toán lượng tử để tối ưu hóa kiến trúc hạ tầng cho các mô hình ngôn ngữ lớn (LLM).
Nghiên cứu trên arXiv chỉ ra rằng chat template ảnh hưởng mạnh mẽ đến cách LLM tự xưng danh. Việc loại bỏ template giúp giảm đáng kể các câu từ chối trách nhiệm máy móc và tăng tỷ lệ phản hồi mang tính trải nghiệm cá nhân hơn.
Nhóm Privatemode giới thiệu kỹ thuật không cần tinh chỉnh, tận dụng log probability của GLM-5.3-Flash để thực hiện các quyết định có kiểu dữ liệu cụ thể chỉ trong một lần forward pass.
Cùng sự kiện, bài đại diện «Jev kết hợp Treg: Công cụ tìm kiếm nhân sự cho AI Agent với chi phí rẻ hơn 85% so với Clay»Tác giả chia sẻ về giá trị kết nối giữa người với người trên Stack Overflow trong giai đoạn khó khăn, đồng thời cảnh báo rằng dù LLM giải quyết vấn đề nhanh chóng, chúng không thể thay thế sự thấu cảm và cảm giác thuộc về của một cộng đồng thực thụ.
Yuchen Jin@Yuchenj_UWEveryone says Opus 5.5 is crazy. Best model. Massive jump. Blah blah. I still don't think it's bett…
DịchDù cộng đồng ca ngợi Opus 5.5 là bước nhảy vọt, Yuchen Jin cho rằng mô hình này vẫn chưa thể đánh bại Astra và khả năng lập trình của dòng Opus đã chững lại kể từ bản 4.8.
Jason Liu@jxnlcoCập nhật các luồng thảo luận mới nhất từ cộng đồng sử dụng thư viện Instructor trên GitHub, tập trung vào việc tối ưu hóa cấu trúc dữ liệu cho các mô hình ngôn ngữ.
Một lập trình viên Haskell gợi ý nên để LLM xử lý các tác vụ nhàm chán như lập kế hoạch, trong khi con người giữ quyền kiểm soát việc viết code và ra quyết định quan trọng để tránh tình trạng phụ thuộc hoàn toàn vào AI.
Arena@arenaClaude Opus 5.5 (High) debuts at #1 in Text Arena with 1509 pts! That's an 18-pt improvement over O…
DịchClaude Opus 5.5 (High) vừa vươn lên dẫn đầu Text Arena với 1509 điểm, vượt qua phiên bản tiền nhiệm 18 điểm. Anthropic hiện đang thống trị top 6 bảng xếp hạng, trong khi Opus 5.5 (High) cũng đạt hiệu suất chi phí tối ưu với mức giá 16 USD/triệu token.
Elvis Saravia@omarsar0This is one of the strongest use cases I've seen for System One models like Jev. Pay close attenti…
DịchJev Router giúp tự động chọn mô hình và mức độ suy luận phù hợp cho từng yêu cầu. Thử nghiệm cho thấy hiệu suất tương đương GPT-6 Sol nhưng giảm hơn 50% chi phí và cải thiện tốc độ phản hồi.
Cùng sự kiện, tinh chọn hiển thị «So sánh Jev 1.13 và Claude Opus 5: Hiệu năng phân loại dữ liệu ngân hàng trên OpenRouter»
Hacker News Nổi bật (buzzing.cc bản dịch tiếng Trung)Tác giả allanrbo giới thiệu cách tiếp cận đơn hàm (single-function) để ép LLM trả về lựa chọn thông qua logprobs, đồng thời mở rộng hỗ trợ đầu vào hình ảnh cho các mô hình thị giác.
Elvis Saravia@omarsar0Keep your agent harness minimal, folks. This paper from MIT CSAIL shows why. (bookmark it) While …
DịchMIT CSAIL ra mắt JAZ, một khung làm việc cho AI Agent cực kỳ tinh gọn với duy nhất một nguyên lý 'invoke'. Hệ thống cho phép LLM tự viết mã, gọi đệ quy và quản lý toàn bộ lịch sử tương tác như các biến trong môi trường lập trình.
this is important
DịchNghiên cứu mới cho thấy LLM có khả năng tự tìm ra các định lý toán học quan trọng nhờ định nghĩa định lượng về 'độ thú vị', giúp tăng hiệu suất khám phá lên 4,3 lần thông qua vòng lặp tự mở rộng.
Thêm 1 nguồn khác đưa tinHugging Face Daily PapersNghiên cứu mới từ ĐH Bắc Kinh, Thanh Hoa và Microsoft cho thấy việc sử dụng tín hiệu fMRI từ não người có thể định hướng và cải thiện độ chính xác, tính bền vững trong suy luận của các mô hình ngôn ngữ lớn.
Dự án mã nguồn mở Colibrì đang làm mưa làm gió trên GitHub nhờ khả năng chạy các mô hình ngôn ngữ khổng lồ trên phần cứng phổ thông bằng cách tận dụng SSD làm bộ nhớ đồ họa.
Ma Dongxi NLP@dongxi_nlpMa Dongxi chia sẻ về hành trình làm tiến sĩ từ 2018-2024, chứng kiến sự chuyển mình của NLP từ các mô hình BERT sơ khai đến kỷ nguyên LLM Agent bùng nổ.
Rohan Paul@rohanpaul_aiClaude Opus 5.5 simply writes better. Em dashes fall from 15.2 to 0.8 per 1, 000 words, a 95% drop, …
DịchPhân tích cho thấy Claude Opus 5.5 cải thiện rõ rệt văn phong so với bản 5.0, với câu văn ngắn gọn hơn, giảm đáng kể dấu gạch ngang và dấu chấm phẩy, giúp văn bản trở nên tự nhiên và dễ đọc hơn.
Hongming@hongming731Bản tin tổng hợp 10 tin tức AI nổi bật, bao gồm việc Stripe đạt hiệu suất gấp 6 lần nhờ AI và câu chuyện kỹ sư hoàn thành hơn 600 PR chỉ trong nửa năm với tỷ lệ lỗi cực thấp.
@typesafeai@typesafeaiYou've never routed like this before. @OpenRouter is bringing Jev to all of your LLM calls, so your…
DịchOpenRouter vừa ra mắt Jev Router, công cụ định tuyến thông minh giúp tự động chọn mô hình và cường độ suy luận tối ưu cho từng yêu cầu, giúp tiết kiệm token mà vẫn đảm bảo chất lượng.
Cùng sự kiện, tinh chọn hiển thị «So sánh Jev 1.13 và Claude Opus 5: Hiệu năng phân loại dữ liệu ngân hàng trên OpenRouter»Nghiên cứu đề xuất phương pháp đo lường độ thú vị của định lý toán học dựa trên tỷ lệ giữa độ dài chứng minh và phát biểu, đồng thời huấn luyện mô hình 27B để dự đoán độ khó chứng minh hiệu quả hơn các mô hình hiện nay.
Cùng sự kiện, bài đại diện «Đột phá: LLM có thể tự khám phá các định lý toán học thú vị mà không cần con người»@typesafeai@typesafeaiDSPy methodology 🤝 System One Program, don't prompt!
DịchDSPy 3.4.0 vừa phát hành với khả năng hỗ trợ trực tiếp các mô hình Jev và System One, thay thế phương pháp viết prompt truyền thống. Bản cập nhật này cũng giới thiệu trình tối ưu hóa ReAnchor giúp hiệu chỉnh độ tin cậy cho đầu ra của mô hình.
DHH thông báo 37signals sẽ dùng LLM viết lại Hey bằng ngôn ngữ native và Rust thay vì Rails. Ông tiết lộ 150.000 dòng code đã được tạo bởi AI trong tháng 8, trong khi Ruby chỉ chiếm 3% sản lượng code năm nay.
Cùng sự kiện, bài đại diện «Nhà sáng lập Ruby on Rails, DHH, tuyên bố ngừng viết code thủ công»
Claude@claudeaiClaude Opus 5.5 has been out for a few days. Some of our favorite things people have explored and di…
DịchSau vài ngày ra mắt, Claude Opus 5.5 đã gây ấn tượng mạnh khi hỗ trợ người dùng xây dựng các dự án phức tạp như phòng thí nghiệm quang học tương tác chỉ trong một lần chạy.
@completeskeptic@completeskepticthis is an honor! 🥹
DịchDSPy 3.4.0 vừa chính thức phát hành với khả năng hỗ trợ native cho các mô hình Jev và System one. Điểm nhấn của bản cập nhật này là trình tối ưu hóa ReAnchor hoàn toàn mới, giúp người dùng hiệu chỉnh độ tin cậy cho kết quả đầu ra một cách hiệu quả.
Meituan LongCat@Meituan_LongCatLongCat-2.5-Preview is now live. 1.6T parameters. ~48B active. A 1M-token context window. Natively …
DịchMeituan giới thiệu LongCat-2.5-Preview với 1.6T tham số (48B kích hoạt), hỗ trợ cửa sổ ngữ cảnh 1M token và khả năng đa phương thức gốc, tối ưu cho các tác vụ phức tạp trên trình duyệt, GUI và thiết kế.
Nghiên cứu chứng minh Transformer có khả năng xử lý đồng thời hai luồng văn bản thông qua sự chồng chất tuyến tính, cho phép giải mã song song hai kết quả từ một lần chạy duy nhất.
Nghiên cứu khám phá cách Sparse AutoEncoders (SAE) biểu diễn cấu trúc ngôn ngữ thông qua từ loại. Kết quả cho thấy các danh mục từ loại được hình thành từ các nhóm latent ổn định, không phụ thuộc vào bộ nhớ từ vựng đơn thuần.
Rufus-Air công bố quy trình hậu huấn luyện có thể tái lập cho GLM-4.5-Air-Base (106B-A12B), bao gồm 8 giai đoạn từ SFT, RLHF đến các tác nhân chuyên biệt như Coding và Search Agent.
IterSynth giới thiệu phương pháp tìm kiếm chuyên sâu mới, tách biệt vai trò giữa lập kế hoạch và tổng hợp thông tin, giúp giải quyết hiệu quả vấn đề quá tải ngữ cảnh và xung đột vai trò trong các tác vụ tìm kiếm phức tạp.
Nghiên cứu giới thiệu AEWM, mô hình tập trung vào việc chỉnh sửa suy luận và hành động thay vì mô phỏng phản hồi công cụ, giúp các tác nhân LLM tránh sai lầm từ các kế hoạch lỗi thời và cải thiện hiệu suất thực hiện tác vụ.
Rohan Paul@rohanpaul_aiThere are two ways to make an agent improve. One is to leave the model unchanged and accumulate doc…
DịchBoltzbit giới thiệu Bayesian Self-learning Transformers (BAST), cho phép cập nhật tham số theo thời gian thực với chi phí tính toán thấp hơn 1.000 lần so với huấn luyện truyền thống, vượt trội hơn RAG trong các tác vụ hội thoại dài.
PrismML giới thiệu mô hình Bonsai 1-bit với 2 tỷ tham số, tối ưu hóa để chạy cục bộ trên kính thông minh Snapdragon AR1 Gen 1, cho phép nhận diện và giải đáp thông tin về vật thể trong thời gian thực.
BottleCap AI giới thiệu ThinkingCap-Qwen3.8-27B, phiên bản tinh chỉnh từ Qwen3.8-27B giúp cắt giảm 37,2% token suy luận trên 12 bộ tiêu chuẩn, trong khi độ chính xác chỉ giảm nhẹ 0,86 điểm phần trăm.
LangChain vừa giới thiệu LangSmith Fine-Tuning tại hội nghị Interrupt, cho phép chuyển đổi các lượt chạy thành công từ LangSmith thành tập dữ liệu huấn luyện thông qua công cụ CLI mã nguồn mở smithtune trên nền tảng Baseten Loops.
Cùng sự kiện, bài đại diện «LangChain ra mắt tính năng LangSmith Fine-Tuning và công cụ CLI SmithTune»vLLM vừa bổ sung thuật toán Gumbel-max vào pipeline lấy mẫu của Model Runner v2, cho phép đóng dấu bản quyền văn bản mà không làm giảm chất lượng, đồng thời hỗ trợ giải mã suy đoán và duy trì tính đa dạng của nội dung.
Trang web mới của terryds giúp người dùng chọn LLM phù hợp nhất với ngân sách bằng cách đối chiếu chỉ số thông minh (Intelligence Index) với giá thành thực tế, cập nhật dữ liệu hàng ngày từ Artificial Analysis.
@completeskeptic@completeskepticjev is the top model at 1k-10k context on openrouter!
DịchMô hình jev đã vượt qua các đối thủ để chiếm vị trí số 1 trên OpenRouter trong phân khúc xử lý ngữ cảnh từ 1k đến 10k token.
CEO Adrian Sanborn của Endura Therapeutics phân tích hai hướng đi cho các công ty công nghệ sinh học: xây dựng 'Foundries' để tăng tốc thực nghiệm bằng AI, hoặc dùng 'Navigators' để tích hợp LLM vào quy trình ra quyết định.
LangChain vừa giới thiệu LangSmith Fine-Tuning cùng công cụ CLI SmithTune, giúp đơn giản hóa quy trình hậu huấn luyện mô hình mà không cần xây dựng đường ống dữ liệu thủ công.
Thêm 1 nguồn khác đưa tinBaseten Blog kỹ thuật (Web)