DAIR.AI@dair_aiThe Top AI Papers of the Week (September 21 - 27): - HySparse2 - EvoOntology - Harness-Zero - JEV-a…
DịchTổng hợp những nghiên cứu AI đáng chú ý trong tuần qua từ DAIR.AI, bao gồm các dự án tiêu biểu như HySparse2, EvoOntology, Harness-Zero và mô hình Wiki Foundation.
Nghiên cứu chỉ ra rằng các luồng dư (residual streams) trong kiến trúc mHC của DeepSeek-V4-Flash không được sử dụng đồng đều, với các tầng sâu gần như trở thành ma trận đơn vị, cho thấy sự lãng phí tài nguyên tính toán đáng kể.
Nghiên cứu trên 700 nhật ký tác vụ cho thấy dù AI Agent thực hiện phần lớn công việc kỹ thuật, con người vẫn nắm giữ 85,5% quyết định quan trọng. Nhóm tác giả cảnh báo rủi ro con người dần mất khả năng giám sát thực chất khi quá phụ thuộc vào AI.
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.
Các nhà nghiên cứu phát triển hệ thống HomeBody, cho phép robot Unitree G1 sử dụng GPT-6 Astra để tự động hóa việc dọn dẹp và lấy đồ vật trong môi trường lạ mà không cần qua các lớp huấn luyện điều khiển truyền thống.
Boris Power, lãnh đạo bộ phận nghiên cứu ứng dụng tại OpenAI, tiết lộ phần lớn nỗ lực của công ty đang hướng tới GPT 7, GPT 8 và xa hơn nữa, nhằm khai thác tối đa giá trị từ các thế hệ mô hình kế tiếp.
Frank Wang@lifesingerBài viết tổng hợp từ nghiên cứu mới nhất về Muse, cung cấp cái nhìn toàn diện về cách thức hoạt động và những ứng dụng thực tế mà mô hình này mang lại.
AK@_akhaliqProgramDistill From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks paper: https://h...
DịchNghiên cứu giới thiệu ProgramDistill, một phương pháp tự động tạo ra các tác vụ kỹ thuật phần mềm (SWE) từ ứng dụng web tương tác, kèm theo hướng dẫn tham chiếu để kiểm chứng kết quả.
Thomas Wolf (Hugging Face đồng sáng lập/CSO)@Thom_Wolfturns out you don't need IMU 🤯
DịchNghiên cứu mới từ Blind Dexterity chứng minh robot hình người có thể đi lại và chịu lực đẩy ổn định chỉ bằng dữ liệu từ bộ mã hóa khớp, loại bỏ hoàn toàn sự phụ thuộc vào cảm biến IMU hay cảm biến lực truyền thống.
Trước sự trỗi dậy của các mô hình nền tảng như GPT-6 Astra, nhiều nghiên cứu sinh AI đang đặt dấu hỏi về giá trị thực sự của các bài báo khoa học khi phương pháp nghiên cứu truyền thống dần bị thay thế bởi khả năng tự học của AI.
DAIR.AI@dair_aiBanger paper from Salesforce AI Research on agent memory. The overall finding is that you want to s…
DịchSalesforce AI Research đề xuất phương pháp Just-in-Time Memory, tập trung lưu trữ dữ liệu thô và chỉ trích xuất thông tin cần thiết khi thực hiện tác vụ mới, thay vì tóm tắt dữ liệu sau mỗi lần chạy.
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 Papers
Hacker News Nổi bật (buzzing.cc bản dịch tiếng Trung)Nhà toán học Amit Sahai nhận định AI đang tạo ra những tư duy toán học vượt xa khả năng hiểu tức thời của con người. Ông kêu gọi tăng cường nguồn lực nghiên cứu để kiểm soát các đột phá của AI, đặc biệt là trong các lĩnh vực quan trọng như thiết kế năng lượng hạt nhân.
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_aiBeautiful roadmap paper on Recursive self-improvement. Concludes, we are already seeing pieces of R…
DịchBài báo phân tích lộ trình 5 cấp độ của RSI, khẳng định dù đã có những mảnh ghép nhỏ, nhưng khả năng tự cải tiến toàn diện vẫn chưa xuất hiện và hầu hết các AI hiện nay chỉ mới tự động hóa một phần quy trình.
Nhóm nghiên cứu tại Stanford chỉ ra rằng nhiều bộ tiêu chuẩn đánh giá AI hiện nay không đo lường chính xác năng lực như tuyên bố, thậm chí còn cho kết quả mâu thuẫn nhau khi cùng kiểm tra một thuộc tính.
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»Báo cáo từ CESifo cho thấy chưa có bằng chứng xác thực về việc AI thay thế vị trí hoặc làm giảm cơ hội tuyển dụng đối với sinh viên mới ra trường như các dự đoán trước đó.
AK@_akhaliqTraining Object Permanence in World Models paper: https://huggingface.co/papers/2609.28654
DịchBài báo khoa học này khám phá phương pháp huấn luyện giúp các mô hình thế giới (world models) hiểu được khái niệm duy trì đối tượng, ngay cả khi vật thể bị che khuất khỏi tầm nhìn.
Nhà vật lý Matt von Hippel cùng đội ngũ Anthropic đã sử dụng Claude Science để tính toán thành công biên độ tán xạ 6 hạt ở mức 9 vòng trong lý thuyết N=4 super Yang-Mills.
Cùng sự kiện, tinh chọn hiển thị «Anthropic: Claude lập kỳ tích tính toán biên độ tán xạ 9 vòng trong vật lý lý thuyết»Rohan Paul@rohanpaul_aiAgents that explored widely before tackling hard cases averaged 74.54% on 4 tasks, versus 56.50% whe…
DịchRSIAgent sử dụng chiến lược học tập theo lộ trình: khám phá rộng trước khi đi sâu vào các trường hợp khó, giúp tăng tỷ lệ thành công từ 56,5% lên 74,54% so với cách tiếp cận trực tiếp.
Sau khi Jev tạo làn sóng với khả năng đưa ra quyết định trực tiếp, nghiên cứu TimePrism từ ĐH Hồng Kông Trung Quốc cho thấy tư duy 'dự báo xác suất song song' đã được định hình từ năm 2025.
Perplexity giới thiệu kỹ thuật OPSD kết hợp tinh chỉnh từ chối lấy mẫu, sử dụng dữ liệu từ các phiên làm việc thực tế của Perplexity Computer (chạy trên GLM 5.2) để giúp AI tự rút kinh nghiệm từ những lỗi sai.
Thêm 1 nguồn khác đưa tinX: Aravind Srinivas (Perplexity CEO) (@AravSrinivas)AV-GRPO là khung học tăng cường khuếch tán trực tuyến giúp tách biệt các ưu tiên đa phương thức thành bài toán đơn lẻ, tối ưu hóa sự đồng bộ giữa âm thanh và hình ảnh. Kết quả thực nghiệm trên JavisBench và VABench cho thấy hiệu suất vượt trội so với LTX-2.3 trong việc căn chỉnh ngữ nghĩa và chất lượng tạo nội dung.
Elvis Saravia@omarsar0Banger paper from Microsoft and colleagues. We talk about human taste being important in this AI er…
DịchMicrosoft giới thiệu Taste-Bench, bộ tiêu chuẩn đánh giá khả năng chọn hướng đi đúng của AI Agent trong các tác vụ dài. Kết quả cho thấy ngay cả khi tăng ngân sách suy luận, các mô hình vẫn gặp khó khăn với độ chính xác chỉ 59,7%, đòi hỏi phương pháp chưng cất tri thức từ mô hình giáo viên để cải thiện hiệu suất.
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.
Bài báo trên arXiv nghiên cứu khả năng của các Coding Agent trong việc tự động tạo ra mã nguồn có khả năng khái quát hóa qua nhiều tình huống, nhằm giải quyết các bài toán lập kế hoạch nhiệm vụ và chuyển động (TAMP) phức tạp.
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.
Nghiên cứu giới thiệu Neural Spectral Capacity (NSC), một chỉ số mới giúp đánh giá và tối ưu hóa kiến trúc Transformer mà không cần huấn luyện hay dữ liệu, cho phép tìm ra cấu trúc tối ưu chỉ trong vài giây.
World Action Agent (WAA) là khung đa tác nhân cho phép VLM điều khiển robot trực tiếp trong không gian làm việc thị giác, thông qua các tính năng như chế độ xem tiếp xúc, diễn tập hành động và hiệu chỉnh trực quan.
ViRDM là phương pháp hậu huấn luyện video không cần mô hình giáo viên hay bộ phân biệt, giúp tối ưu hóa việc tạo video nhân quả chỉ với 20 bước cập nhật, đạt hiệu suất vượt trội trên VBench với chi phí tính toán thấp.
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.
ExplorationBench sử dụng các môi trường giả lập với quy tắc logic mới lạ, buộc AI phải tự khám phá thay vì dựa vào dữ liệu huấn luyện sẵn, giúp đánh giá chính xác tư duy khoa học của mô hình.
WanPE là mô hình 397B tham số giúp nâng cao chất lượng câu lệnh, đảm bảo tính nhất quán ngữ nghĩa qua các cảnh quay và cải thiện đáng kể trải nghiệm người dùng khi vận hành Wan3.0.
Nghiên cứu giới thiệu PUBG Ally, một tác nhân AI có khả năng hiểu môi trường game, giao tiếp giọng nói và thực hiện hành động chiến đấu phối hợp cùng người chơi dựa trên dữ liệu từ 39.000 trận đấu thực tế.
AgentKernel là hệ điều hành chuyên biệt cho AI agent, thiết lập các rào cản bảo mật bắt buộc để ngăn chặn mã độc và kiểm soát quyền truy cập tài nguyên, thay thế cho các giải pháp trung gian hiện nay.
Nghiên cứu giới thiệu WROP, bộ dữ liệu gồm 1,5 triệu mẫu mô phỏng nhằm huấn luyện và đánh giá khả năng nhận thức vật lý của 14 mô hình video, tập trung vào khái niệm duy trì vật thể (object permanence) giống con người.
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.