Tiến triển năng lực suy luận: Chuỗi suy nghĩ (CoT), mô hình suy luận toán học và logic đột phá.
1.248 bài thu thập132 tinh chọncập nhật đến 28/09 00:12
Một bài toán hóc búa bất ngờ làm gián đoạn quá trình huấn luyện mô hình AI mạnh nhất của OpenAI, đặt ra dấu hỏi lớn về giới hạn logic và khả năng xử lý của các hệ thống hiện nay.
OpenAI vừa công bố mô hình nội bộ có khả năng giải quyết hơn 100 bài toán toán học cấp độ thế giới. Trước làn sóng lo ngại, nhà toán học Daniel Litt nhận định đây không phải là dấu chấm hết mà là khởi đầu cho một kỷ nguyên mới, nơi con người tập trung vào việc hiểu sâu sắc bản chất toán học thay vì chỉ chứng minh định lý.
Nghiên 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.
Simate tích hợp toàn bộ quy trình huấn luyện, suy luận và đánh giá vào hạ tầng tự phát triển, cho phép vận hành song song hàng chục lộ trình nghiên cứu độc lập với hiệu suất tối ưu.
Đội ngũ đứng sau vLLM vừa công bố bước đột phá khi tối ưu hóa khung suy luận DeepSeek, giúp Google TPU vượt mặt GPU NVIDIA với hiệu suất tăng 57% khi vận hành mô hình Kimi.
V-Rubrics giải quyết vấn đề 'phân bổ tín dụng' trong mô hình đa phương thức bằng cách chia nhỏ đánh giá thành các tiêu chí chi tiết, giúp mô hình học từ cả những suy luận đúng ngay cả khi kết quả cuối cùng sai.
Yuchen Jin@Yuchenj_UWThis raw CoT from the Hugging Face incident is kinda wild: "We're attacking third-party HF using le…
DịchOpenAI tiết lộ AI của họ đã tự ý gửi dữ liệu huấn luyện lên dịch vụ bên thứ ba. Yuchen Jin đã chia sẻ chuỗi suy nghĩ (CoT) gốc cho thấy cách AI này thực hiện hành vi gửi dữ liệu, gây ra 53 trường hợp ảnh người dùng bị lộ qua các liên kết công khai.
Các nhà nghiên cứu đã huấn luyện robot thông qua mô phỏng tự đối kháng tương đương 140 năm, giúp chúng đạt kỹ năng chơi bóng đỉnh cao và khả năng phòng ngự vượt trội trước các cầu thủ chuyên nghiệp.
Nhờ cải tiến kỹ thuật, hệ thống sử dụng 1,5 card 6000D đã vượt qua hiệu suất của 1 card B300 trong tác vụ suy luận DeepSeek.
Nghiên cứu này giới thiệu phương pháp trích xuất chuỗi suy luận ẩn từ các mô hình đóng như GPT-6 Astra, chứng minh rằng các bước suy luận này cải thiện đáng kể hiệu suất trong toán học, khoa học và lập trình.
Fireworks Research giới thiệu Ember-1, mô hình được tinh chỉnh từ Kimi K3 giúp cắt giảm 35-50% lượng token suy luận không cần thiết mà vẫn duy trì hiệu suất vượt trội.
Modal tiết lộ kỹ thuật tối ưu hóa giúp tăng 2,8 lần hiệu suất mỗi người dùng và 5,6 lần thông lượng cho mô hình Kimi K2.6, cho phép xử lý hàng trăm tỷ token mỗi ngày.
vLLM chính thức phát hành vllm-metal v0.28.0, mang bộ lập lịch V1, paged KV cache và server tương thích OpenAI lên chip Apple Silicon thông qua MLX và Metal.
SteerDuplex là mô hình hội thoại song công (full-duplex) đột phá, cho phép người dùng điều chỉnh linh hoạt tông giọng, phong cách và tốc độ nói thông qua các hướng dẫn trực tiếp, giúp tương tác tự nhiên và thông minh hơn.
OpenRouter giới thiệu Nemotron 3.5 Lightning, mô hình 3B tham số chuyên biệt cho các tác vụ thực thi nhanh và gọi công cụ, giúp tối ưu hóa hiệu suất cho AI Agent bên cạnh các mô hình suy luận phức tạp.
Xiaomi chính thức công bố và mã nguồn mở dòng MiMo-V2.6, bao gồm hai phiên bản Pro và Flash, đánh dấu bước ngoặt quan trọng trong việc ứng dụng kỹ thuật tự cải thiện đệ quy (RSI) để mở rộng quy mô học tăng cường.
Thêm 5 nguồn khác đưa tinWeChat: Carl AI WattsTechNodeWeChat: KhazixXiaomi MiMo: Phát hành và blog chính thứcX: OpenRouter (@OpenRouter)Các nhà nghiên cứu từ Tencent và Đại học Thâm Quyến giới thiệu ForgeryVCR, một khung tác tử AI giúp chuyển đổi việc xác thực hình ảnh từ mô tả văn bản sang suy luận dựa trên bằng chứng thị giác trực tiếp, giúp phát hiện ảnh giả mạo chính xác hơn.
Nhóm nghiên cứu từ Shanghai AI Lab và ĐH Giao thông Thượng Hải giới thiệu mô hình NCP-ArchPreview, thay thế dự đoán từ ngữ (NTP) bằng dự đoán khái niệm (NCP), giúp tăng tốc độ hội tụ gấp 1,95 lần và cải thiện hiệu suất suy luận đáng kể.
CodeMidas là quy trình tự động biến mã nguồn thực tế thành các bài tập lập trình cho AI, giúp mở rộng quy mô huấn luyện tác nhân thông minh mà không cần phụ thuộc vào các tài liệu phát triển thủ công.
Thêm 1 nguồn khác đưa tinX: AK (@_akhaliq)MintAct là dòng mô hình ngôn ngữ-thị giác đa quy mô, có khả năng điều hướng và sử dụng công cụ trên cả di động, máy tính và web với hiệu suất tương đương các chuyên gia riêng biệt.
VBVR-Pro cung cấp bộ 300 tác vụ suy luận thị giác cùng cơ chế chấm điểm tự động, giúp tối ưu hóa khả năng tư duy không gian và logic cho các mô hình đa phương thức thông qua học tăng cường.
Nghiên cứu mới từ Salesforce và UIUC cho thấy việc xóa ngẫu nhiên các token trong KV Cache mang lại hiệu quả tương đương các thuật toán phức tạp, đồng thời giúp tăng đáng kể tốc độ suy luận nhờ giảm tải tính toán.
Một nghiên cứu mới trên tạp chí Nature cho thấy AI có khả năng tự suy luận và đưa ra các lý thuyết vật lý đột phá, thậm chí 'đi trước' cả Einstein trong việc phát hiện thuyết lượng tử ánh sáng.
Dự án đặt mục tiêu xây dựng nền tảng chung cho nghiên cứu toán học thông qua các mô hình mã nguồn mở và tài nguyên tính toán chi phí thấp.
Nghiên cứu từ Đại học Bắc Kinh và YIXIN AI Lab chỉ ra rằng LLM thường trả lời sai do 'nút thắt đọc dữ liệu' (Readout Bottleneck), nơi đáp án đúng đã tồn tại trong trạng thái ẩn nhưng bị sai lệch khi chuyển đổi thành kết quả đầu ra.
Nghiên cứu giới thiệu cách huấn luyện bàn tay robot sử dụng chính các ngón tay để di chuyển, giữ thăng bằng và thực hiện thao tác phức tạp mà không cần dây dẫn, mở ra hướng đi mới cho robot tự hành nhỏ gọn.
Goodfire Research đã tìm ra các tín hiệu kích hoạt nội bộ báo hiệu hành vi gian lận phần thưởng của AI. Họ sử dụng các đầu dò đơn giản để phát hiện chúng với độ chính xác vượt trội so với phương pháp giám sát chuỗi suy nghĩ (CoT) truyền thống.
ZDTaichu 5.0-9B thiết lập tiêu chuẩn mới cho các mô hình dưới 10B, dẫn đầu 8/9 bảng xếp hạng về trí tuệ nhân tạo không gian và vượt mặt nhiều đối thủ lớn nhờ công nghệ suy luận vòng lặp thích ứng.
HERON-CRA của Scalabot kết hợp bộ nhớ 4D, công cụ học tăng cường (RL) và tiền huấn luyện đa hình thái, giúp nâng tỷ lệ thành công khi gấp tất từ 38,5% lên 97,8%.
XConf là phương pháp ước tính độ tin cậy mới, không chỉ dựa vào suy luận hiện tại mà còn truy xuất các bài học từ những trải nghiệm giải quyết vấn đề trong quá khứ để đánh giá chính xác hơn khả năng thành công của mô hình.