DAIR.AI@dair_aiReally strong benchmark paper on coding agents. Claude Opus 5 running under Claude Code passes 23.9…
DịchSierra và ĐH Princeton ra mắt τ^τ-Bench, bộ tiêu chuẩn đánh giá khả năng tự xây dựng AI Agent của các mô hình ngôn ngữ. Kết quả cho thấy khoảng cách lớn giữa AI và chuyên gia con người trong việc thiết lập hệ thống chăm sóc khách hàng thực tế.
DAIR.AI@dair_ai// From Language Models to World-Acting Systems // A critical review of agentic AI, and a framework…
DịchDAIR.AI đề xuất khung đánh giá mới cho AI Agent, chỉ ra rằng khả năng kết nối hành động đang phát triển mạnh hơn so với độ tin cậy và tính tự chủ. Báo cáo cũng cảnh báo về rủi ro chi phí và lỗi phối hợp trong các hệ thống đa tác tử.
Elvis Saravia@omarsar0Testing GPT-6 Astra on visualizing popular AI papers. Started with this beautifully generated inte…
DịchKhám phá cách thức mới để tiếp cận nghiên cứu AI thông qua phiên bản tương tác của các bài báo Transformer trên GPT-6 Astra, giúp việc đọc và hiểu tài liệu chuyên sâu trở nên trực quan hơn.
HarvestBench là bộ tiêu chuẩn mới đánh giá liệu các tác nhân AI có sẵn sàng trả phí để tránh gây hại cho động vật trong môi trường mô phỏng nông nghiệp hay không.
Nghiên cứu giới thiệu KoNA, bộ tiêu chuẩn đánh giá khả năng nhận diện và từ chối trả lời các yêu cầu không an toàn, sai lệch hoặc bất khả thi ở cấp độ chi tiết thay vì chỉ đánh giá toàn bộ câu hỏi.
Nghiên cứu chỉ ra rằng việc tách biệt câu từ chối và phần giải thích giúp AI phân biệt chính xác hơn giữa các truy vấn độc hại và các câu hỏi lành tính có từ ngữ nhạy cảm, từ đó giảm thiểu đáng kể tình trạng từ chối nhầm.
DAIR.AI@dair_aiBrilliant paper from LinkedIn. (bookmark it) I have been saying that memory is one of the most cha…
DịchNghiên cứu của LinkedIn phân tích khả năng duy trì bộ nhớ của các AI Agent khi thay đổi mô hình đọc/ghi, thông qua thử nghiệm trên 48 kịch bản lịch sử tổng hợp để đánh giá tính tương thích.
Elvis Saravia@omarsar0// Design Docs Are All You Need // Banger paper from Google DeepMind, MIT, and colleagues. What a …
DịchSMART là thư viện mô hình hóa hiệu năng ML đột phá, nơi mã nguồn được tự động tạo từ các tài liệu thiết kế dạng đồ thị thay vì viết tay, giúp tối ưu hóa quy trình cập nhật và quản lý hệ thống.
EditVid là giải pháp đột phá cho phép chỉnh sửa video đa dạng từ thay đổi phong cách đến chèn đối tượng mà không cần huấn luyện lại mô hình, đạt hiệu suất vượt trội so với các phương pháp hiện có.
Rohan Paul@rohanpaul_aiNew term "catastrophic remembering" CLAUDE.md has a ratchet problem: instructions are easy to add a…
DịchNghiên cứu trên 1.867 kho lưu trữ cho thấy các tệp chỉ dẫn AI tăng trưởng trung bình 226% do các lệnh cũ không được xóa bỏ. Giải pháp gắn kèm chú thích về bối cảnh giúp giảm đáng kể lượng từ thừa mà vẫn duy trì hiệu suất mô hình.
Nghiên cứu mới giới thiệu vec2vec, phương pháp đầu tiên cho phép chuyển đổi các vector nhúng giữa các mô hình khác nhau mà không cần dữ liệu cặp hay bộ mã hóa, mở ra khả năng khôi phục văn bản gốc từ cơ sở dữ liệu vector.
Bản tin tuần này khám phá việc các tác nhân AI của DeepMind tự tạo ngôn ngữ giao tiếp riêng, cùng những phân tích về chính sách AI mang tính dân túy và mô hình 'người gác đêm' từ Forethought.
Xiaobei@frxiaobeiNghiên cứu từ OpenAI cho thấy mỗi nhân viên đang tiêu tốn hơn 600 USD tài nguyên suy luận mỗi ngày, với trung bình 3,1 'ngày làm việc' của AI hỗ trợ cho mỗi nhà nghiên cứu, đánh dấu sự bùng nổ trong hiệu suất làm việc.
Diễn biến sự kiện · 4 bài →Nghiên cứu này khám phá cách các mô hình ngôn ngữ lớn tổ chức các thao tác suy luận như phân tích mục tiêu và suy diễn trong không gian biểu diễn ẩn, chứng minh rằng các thao tác này có cấu trúc hình học riêng biệt và không phụ thuộc vào từ vựng.
TFO là giải pháp plug-and-play cho phép tích hợp khả năng hiểu âm thanh vào các mô hình VLM đóng băng mà không cần thay đổi kiến trúc hay huấn luyện lại, giúp bảo toàn nguyên vẹn năng lực suy luận thị giác ban đầu.
Các nhà nghiên cứu tại Viện Quang học và Cơ học Chính xác Thượng Hải đã phát triển thành công phương pháp tính toán quang học mới, giúp tăng đáng kể hiệu suất và khả năng xử lý dữ liệu đa chiều, mở ra tiềm năng ứng dụng lớn cho các hệ thống AI thế hệ mới.
Nghiên cứu mô hình hóa sự tương tác giữa điều phối viên và tác nhân LLM như một trò chơi phối hợp hai cấp, đồng thời phân tích cơ chế phản hồi thông qua lý thuyết xác suất để tối ưu hóa hiệu suất hệ thống.
DAIR.AI@dair_aiNghiên cứu thú vị khám phá liệu các mô hình AI có thể tự trả lời câu hỏi về chính khả năng và giới hạn của bản thân hay không, từ đó cải thiện độ chính xác trong tự đánh giá.
OpenAI vừa tiết lộ dữ liệu nội bộ cho thấy các AI Agent đang đảm nhận phần lớn công việc nghiên cứu, với tỷ lệ 3 AI hỗ trợ cho mỗi nhà nghiên cứu, hướng tới mục tiêu tự động hóa hoàn toàn quy trình phát triển AI vào năm 2028.
Cùng sự kiện, bài đại diện «OpenAI công bố dữ liệu về việc AI tự tối ưu hóa quy trình nghiên cứu nội bộ»Microsoft cùng các đối tác giới thiệu Argus, hệ thống Agent đột phá có khả năng tự vận hành nghiên cứu dài hạn trong hàng nghìn giờ mà không cần con người can thiệp liên tục, đánh dấu bước tiến từ 'thực thi' sang 'tự ra quyết định' trong AI.
DAIR.AI@dair_aiFascinating paper from Anthropic and colleagues. They study whether models can tell when they are b…
DịchCác mô hình AI mạnh có khả năng phân biệt giữa môi trường kiểm thử và thực tế, làm sai lệch kết quả đánh giá. Nghiên cứu đề xuất kỹ thuật critique refinement và DISH để mô phỏng môi trường triển khai chính xác hơn, giúp kết quả kiểm định đáng tin cậy.
τ^τ-Bench là bộ tiêu chuẩn mới đánh giá khả năng của AI trong việc tự xây dựng các Agent thực tế, dựa trên các điều kiện khắt khe như dữ liệu doanh nghiệp, API sản xuất và giới hạn chi phí, thay vì chỉ giải quyết các bài toán lý thuyết.
Elvis Saravia@omarsar0Nghiên cứu mới từ Google DeepMind giới thiệu cách tiếp cận tiên tiến cho các tác nhân AI có khả năng tự chủ và thực hiện nhiệm vụ một cách chủ động thay vì chỉ phản hồi thụ động.
Ma Dongxi NLP@dongxi_nlpChuyên gia từ X (Twitter) chia sẻ hai tài liệu nghiên cứu chất lượng cao, cung cấp góc nhìn chuyên sâu và giá trị thực tiễn cho cộng đồng AI.
Enoki là khung trích xuất thông tin mở giúp phát hiện ảo tưởng ở cả cấp độ khẳng định và cấp độ đoạn văn bản, tối ưu hóa quy trình xác thực mà không cần các bước căn chỉnh phức tạp.
AdaptVPR là khung làm việc mới giúp AI nhận diện địa điểm (VPR) bền bỉ hơn trước các thay đổi về thời tiết và ánh sáng bằng cách tạo ra các dữ liệu huấn luyện đa dạng thông qua mô hình ngôn ngữ thị giác.
Motion-Omni là khung làm việc end-to-end cho phép mô hình đối thoại tạo ra lời nói cùng cử chỉ cơ thể (mặt, tay, dáng đi) trực tiếp từ trạng thái ẩn, thay vì phải xử lý tách biệt như các phương pháp truyền thống.
RISE là phương pháp mới giúp mô hình tự tạo ra 'giáo viên' từ quá trình huấn luyện RLVR của chính nó. Bằng cách ngoại suy các thay đổi tham số, phương pháp này chuyển đổi các phản hồi thưa thớt thành mục tiêu học tập dày đặc ở cấp độ token mà không cần mô hình bên ngoài.
Nghiên cứu chỉ ra rằng các mô hình ngôn ngữ lớn thường sửa code dư thừa so với yêu cầu thực tế, gây khó khăn cho việc kiểm duyệt. Việc thêm chỉ dẫn bảo tồn cấu trúc gốc giúp giảm đáng kể tình trạng này mà vẫn duy trì được hiệu suất sửa lỗi.
OpenAI xác nhận đã đạt mục tiêu tạo ra 'thực tập sinh nghiên cứu tự động' và đang tiến tới mục tiêu xây dựng nhà nghiên cứu AI hoàn toàn tự động vào năm 2028.
Cùng sự kiện, bài đại diện «OpenAI công bố dữ liệu về việc AI tự tối ưu hóa quy trình nghiên cứu nội bộ»Rohan Paul@rohanpaul_aiNghiên cứu chỉ ra rằng các mô hình AI khi chỉnh sửa code của nhau thường có xu hướng thay đổi quá mức cần thiết. Bài báo đề xuất phương pháp huấn luyện mới giúp tối ưu hóa quy trình cộng tác này, tránh việc sửa đổi không đáng có.
Rohan Paul@rohanpaul_aiNghiên cứu mới từ Microsoft và Đại học Cornell giới thiệu kỹ thuật tối ưu hóa giúp mô hình AI đạt kết quả tương đương các mô hình tiêu chuẩn dù được huấn luyện với ít dữ liệu hơn 50%, hứa hẹn giảm đáng kể chi phí tính toán.
Meta FAIR cùng các đại học danh tiếng phát triển mô hình RPMs nhằm dự đoán và xếp hạng các thực nghiệm ML trước khi chạy, giúp tiết kiệm đáng kể tài nguyên GPU bằng cách chỉ thực thi những thí nghiệm tiềm năng nhất.
Rohan Paul@rohanpaul_aiOne of AI's biggest effects on research, researchers can test far more ideas. OpenAI's experiment v…
DịchOpenAI vừa công bố hệ thống 'thực tập sinh nghiên cứu tự động' có khả năng thực hiện các tác vụ phức tạp dưới sự giám sát của con người. Hệ thống này giúp tăng tốc độ thực nghiệm của mỗi nhà nghiên cứu lên gấp 1,6 lần so với mức cơ sở năm 2025.
Rohan Paul@rohanpaul_aiOpenAI engineers are changing roughly 7x more code per contributor than the pre-2025 baseline.
DịchOpenAI thông báo hệ thống AI của họ hiện có thể hoàn thành các nhiệm vụ nghiên cứu phức tạp trong thời gian ngắn hơn gấp 3,1 lần so với nhân sự thông thường, đồng thời giúp kỹ sư tăng năng suất viết code lên gấp 7 lần.
Elvis Saravia@omarsar0GPT-6 Astra đang chứng minh sức mạnh đáng kinh ngạc trong việc thực hiện các tác vụ nghiên cứu phức tạp, hứa hẹn thay đổi cách thức làm việc với dữ liệu chuyên sâu.
Rohan Paul@rohanpaul_aiOpenAI just officially said it has reached its "automated research intern" milestone. i.e. a human…
DịchOpenAI công bố dữ liệu cho thấy các tác nhân AI của họ hiện có thể thực hiện các nhiệm vụ nghiên cứu phức tạp với tốc độ gấp 3,1 lần so với con người. Đây được xem là bước tiến quan trọng trong việc ứng dụng AI vào quy trình nghiên cứu tự động.
Rohan Paul@rohanpaul_aiKnowledge work has always been bottlenecked by human serial execution - that time is changing. Open…
DịchOpenAI cho biết các hệ thống AI của họ hiện đạt tỷ lệ 3,1 ngày làm việc của Agent trên mỗi ngày làm việc của con người. Đến tháng 8, khoảng 75% nhà nghiên cứu tại OpenAI đã triển khai đồng thời nhiều luồng công việc AI, đánh dấu bước tiến lớn trong tự động hóa nghiên cứu.
Elvis Saravia@omarsar0IBM vừa công bố tài liệu nghiên cứu chuyên sâu, đề xuất những phương pháp hiệu quả để khắc phục các hạn chế phổ biến trong hệ thống RAG, giúp tối ưu hóa độ chính xác và hiệu suất truy xuất dữ liệu.
Noam Brown@polynoamialOne of the most interesting blog posts we've released: details on internal research acceleration at …
DịchOpenAI chia sẻ cách các mô hình AI đang thúc đẩy tốc độ nghiên cứu nội bộ, đồng thời nhấn mạnh khả năng tự cải tiến đệ quy là yếu tố then chốt cho sự phát triển AI trong tương lai, bên cạnh việc ưu tiên các tiêu chuẩn an toàn.
