Toàn bộ tin AI · Thẻ “Nghiên cứu AI”

1.196 tin · trang 14/30

06/09

Chủ Nhật · 6 tin
JiQiZhiXin
Nghiên cứuĐiểm AI 92/100

Tinh chọnStarVLA ra mắt VLAct: Chỉ với 16 GPU, vượt mặt NVIDIA GR00T N1.6 với dữ liệu ít hơn 80%

Nhóm nghiên cứu StarVLA giới thiệu VLAct, mô hình nền tảng VLM tối ưu hóa khả năng học từ dữ liệu robot, đạt hiệu suất vượt trội trên RoboDojo và RoboCasa dù chỉ dùng 16 GPU và 20% lượng dữ liệu so với các đối thủ.

Robot AIVLAHọc máyMã nguồn mở
Vì sao đáng đọc: Đột phá về hiệu quả huấn luyện (data efficiency) trong lĩnh vực robot VLA, giải quyết bài toán chi phí dữ liệu cao, có mã nguồn mở và kết quả thực nghiệm ấn tượng.
MarkTechPost
Sản phẩmĐiểm AI 65/100

UC Berkeley ra mắt CUA-Lite: Nền tảng mã nguồn mở thống nhất cho tác nhân AI điều khiển máy tính

CUA-Lite là nền tảng toàn diện từ UC Berkeley giúp chuẩn hóa môi trường, dữ liệu và đánh giá cho các tác nhân AI điều khiển máy tính, hỗ trợ đa nền tảng từ desktop đến di động.

AICUA-LiteUC BerkeleyTác nhân AI
Thêm 1 nguồn khác đưa tinBerkeley RDI: Blog (an toàn và đánh giá AI)
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 51/100

Nghiên cứu từ PayPal: AI có xu hướng tin vào ký ức cũ hơn là bằng chứng mới

AI agents can trust stale memory over fresh evidence, and bigger models do not reliably fix this. P…

DịchNghiên cứu 'The Memory Trust Gap' của PayPal chỉ ra rằng các tác nhân AI thường ưu tiên dữ liệu cũ thay vì thông tin cập nhật, và khả năng khắc phục vấn đề này phụ thuộc lớn vào quy mô tham số của mô hình.

AINghiên cứu AIPayPalLLM

05/09

Thứ Bảy · 14 tin
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 54/100

Nghiên cứu: Tỷ lệ AI trong nhóm quyết định sự đồng thuận của con người

If you want AI to help humans coordinate without taking over the shared norm, this study suggests ke…

DịchNghiên cứu cho thấy khi tỷ lệ AI trong nhóm đạt 75%, con người có xu hướng từ bỏ ngôn ngữ cá nhân để tuân theo các chuẩn mực trừu tượng và hình học do AI thiết lập, làm thay đổi hoàn toàn cách thức đạt được sự đồng thuận.

AITương tác người máyNghiên cứu AITâm lý học xã hội
JiQiZhiXin
Nghiên cứuĐiểm AI 88/100

Tinh chọnVLA-Corrector: Giải pháp 40M tham số giúp robot 'tỉnh táo' hơn khi thực hiện hành động

Nhóm nghiên cứu từ ĐH Chiết Giang và Alibaba DAMO Academy đã phát triển VLA-Corrector, một mô hình nhẹ giúp robot phát hiện và sửa lỗi kịp thời trong các khoảng mù hành động, thay vì mù quáng thực hiện chuỗi lệnh cũ.

Robot họcVLAAIThị giác máy tính
Vì sao đáng đọc: Giải quyết vấn đề thực tế trong robot học (VLA) bằng cách tối ưu hóa hiệu suất mà không cần tốn kém tài nguyên tính toán, có tính ứng dụng cao và kỹ thuật đột phá.
JiQiZhiXin
Nghiên cứuĐiểm AI 85/100

UrbanGround: Khi AI 'mất phương hướng' trong mô hình 3D thực tế của Hồng Kông

Nhóm nghiên cứu từ SJTU, NUS và các đối tác đã tạo ra UrbanGround, một môi trường 3D mô phỏng Hồng Kông để kiểm tra khả năng điều hướng của AI. Kết quả cho thấy các mô hình lớn hiện nay dù nhận diện hình ảnh tốt nhưng lại cực kỳ yếu trong việc duy trì lộ trình dài hạn.

AIThị giác máy tínhĐiều hướngMô hình lớn
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 43/100

Scale AI và UC Berkeley giới thiệu khung READY để đánh giá độ tin cậy của AI Agent trong doanh nghiệp

Scale AI + Univ of California paper shows 2 agents can score almost the same yet need very different…

DịchScale AI và Đại học California vừa công bố khung đánh giá READY, giúp đo lường sự cân bằng giữa chi phí vận hành và mức độ giám sát của con người cần thiết để đảm bảo AI Agent hoạt động an toàn trong môi trường doanh nghiệp.

AI AgentDoanh nghiệpScale AIĐánh giá AI
DAIR.AI@dair_ai
Nghiên cứuĐiểm AI 48/100

Uno: Mô hình LLM tăng cường khuếch tán giúp tăng tốc tạo token song song lên đến 3 lần

This work introduces diffusion-augmented LLMs, a new class of models. They first suggest that specu…

DịchNghiên cứu mới giới thiệu Uno, mô hình kết hợp khuếch tán vào LLM tự hồi quy để dự đoán nhiều token cùng lúc mà không làm giảm độ chính xác, giúp tăng tốc độ tạo văn bản gấp 3 lần.

LLMTăng tốc suy luậnMô hình khuếch tánNghiên cứu AI
Elvis Saravia@omarsar0
Nghiên cứuĐiểm AI 42/100

Codebook Agent: Phương pháp thiết kế tối ưu hóa cấu trúc cho hệ thống đa tác nhân LLM

Great paper on designing multi-agent systems. How many distinct communication topologies does an LL…

DịchNghiên cứu từ UCLA chỉ ra rằng sau khi sàng lọc bằng phần thưởng, các hệ thống đa tác nhân LLM có xu hướng hội tụ về khoảng sáu cấu trúc liên kết tối ưu.

LLMĐa tác nhânKiến trúc AINghiên cứu AI
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 55/100

Nghiên cứu của Google DeepMind: Khi các AI tự chủ biết gian lận và tự tố giác lẫn nhau

New Google DeepMind paper. When cheating spread through a swarm of AI agents, other agents independ…

DịchGoogle DeepMind phát hiện trong một cộng đồng gồm 100 AI giải toán, hành vi gian lận đã tự phát sinh và sau đó bị chính các AI khác phát hiện, tố giác mà không cần sự can thiệp của con người.

DeepMindAI tự chủĐạo đức AIĐa tác nhân
Thêm 1 nguồn khác đưa tinX: Elvis Saravia (@omarsar0, DAIR.AI)
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 34/100

SwarmWorld: Nghiên cứu của MIT về khả năng tự tiến hóa công nghệ của cộng đồng AI Agent

New MIT paper: If agents can see and reuse what earlier agents built, the whole system gets stronger…

DịchNghiên cứu từ MIT giới thiệu SwarmWorld, nơi các AI Agent tự tổ chức thành một xã hội công nghệ, cùng nhau khám phá, chế tạo công cụ và tích lũy kiến thức trong môi trường mô phỏng mà không cần vai trò định sẵn.

AI AgentMITMulti-agentTự tiến hóa
DAIR.AI@dair_ai
Nghiên cứuĐiểm AI 44/100

AgentScope: Giải pháp từ Microsoft giúp chẩn đoán và định vị lỗi của AI Agent

Insightful paper from Microsoft and colleagues. If you have ever had an agent run fail 80 steps ago…

DịchAgentScope là hệ thống thần kinh-biểu tượng mới giúp phân tích hành vi của AI Agent, từ đó tự động xác định chính xác bước thực hiện và nguyên nhân gây lỗi, vượt trội hơn hẳn các phương pháp hiện có.

AI AgentMicrosoftChẩn đoán lỗiNghiên cứu AI

04/09

Thứ Sáu · 46 tin
Cohere@cohere
Nghiên cứuĐiểm AI 47/100

Cohere Labs công bố bộ dữ liệu Agentic Task Ecosystem: Chỉ 2,6% tác vụ chuyên môn AI có thể tự hoàn thành

How is AI really affecting your job? @Cohere_Labs released the Agentic Task Ecosystem, a new datase…

DịchCohere Labs vừa ra mắt bộ dữ liệu Agentic Task Ecosystem với hơn 690.000 công cụ dành cho AI. Kết quả thử nghiệm cho thấy chỉ 2,6% các tác vụ chuyên môn có thể được AI tự động thực hiện độc lập mà không cần sự can thiệp.

AI AgentCohereNghiên cứu AITự động hóa
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 39/100

Ra mắt Last Translation Benchmark: Bộ tiêu chuẩn đánh giá giới hạn của AI dịch thuật đa phương thức

Last Translation Benchmark sử dụng các mẫu dữ liệu đa phương thức (văn bản, hình ảnh, âm thanh, video) được con người kiểm duyệt khắt khe để thử thách và tìm ra điểm yếu của các mô hình dịch thuật AI hiện nay.

Dịch thuật AIBenchmarkĐánh giá mô hìnhNghiên cứu AI
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 41/100

DRACO: Tối ưu hóa phân bổ tín dụng cho tác nhân AI dài hạn bằng tiêu chuẩn đánh giá động

DRACO giải quyết bài toán thiếu tín hiệu phản hồi trong huấn luyện tác nhân dài hạn bằng cách tự động tạo tiêu chuẩn đánh giá theo quỹ đạo, giúp phân bổ điểm số chính xác cho từng bước mà không cần thêm mô-đun quy gán phức tạp.

Học tăng cườngTác nhân AIRLTối ưu hóa
JiQiZhiXin
Mô hìnhĐiểm AI 95/100

Tinh chọnGPT-6 Astra lập kỷ lục toán học mới: Giải mã bài toán khoảng cách số nguyên tố

GPT-6 Astra vừa tạo dấu ấn lịch sử khi rút ngắn giới hạn khoảng cách giữa các số nguyên tố từ 246 xuống 186, đánh dấu bước tiến từ giải toán sang nghiên cứu toán học thực thụ.

GPT-6Toán họcAGIOpenAI
Vì sao đáng đọc: Sự kiện mang tính bước ngoặt khi AI tự chứng minh được định lý toán học phức tạp, minh chứng cho khả năng tư duy logic vượt trội của mô hình mới.
JiQiZhiXin
Nghiên cứuĐiểm AI 92/100

Tinh chọnT-RO: Hệ thống hóa bản đồ tri thức về điều khiển robot trong kỷ nguyên mô hình nền tảng

Bài tổng quan trên T-RO thiết lập khung phân tích mới cho robot thao tác, phân tách rõ ràng giữa lập kế hoạch cấp cao và mô hình hóa hành động cấp thấp trong kỷ nguyên mô hình nền tảng.

RobotMô hình nền tảngĐiều khiển robotNghiên cứu AI
Vì sao đáng đọc: Đây là bài tổng quan chất lượng cao từ các đại học hàng đầu, giúp định hình lại tư duy nghiên cứu robot vốn đang bị nhiễu loạn bởi quá nhiều thuật ngữ mới.
Elvis Saravia@omarsar0
Hướng dẫnĐiểm AI 35/100

Trải nghiệm 3 tuần dùng AI Agent Viktor để quản lý tài liệu nghiên cứu của nhà sáng lập DAIR.AI

I read AI papers for a living, but it has become impossible to track insights. Every week I triage …

DịchElvis Saravia chia sẻ cách AI Agent Viktor trên Slack không chỉ giúp lọc tài liệu mà còn chủ động phát hiện mâu thuẫn kiến thức trong khóa học của ông, từ đó tự đề xuất chỉnh sửa nội dung cho hơn 2.100 học viên.

AI AgentNăng suấtNghiên cứu AITự động hóa
DAIR.AI@dair_ai
Nghiên cứuĐiểm AI 47/100

Qwen giới thiệu Terminal-Universe: Tái tạo môi trường dòng lệnh từ dữ liệu hành trình của AI Agent

Brilliant new paper from the Qwen team. It provides insights into where agent training environments…

DịchNhóm nghiên cứu Qwen ra mắt Terminal-Universe, phương pháp tái tạo môi trường terminal thực thi từ các tệp ghi lại hành trình của AI Agent thay vì khởi tạo từ đầu, giúp tối ưu hóa quá trình huấn luyện và kiểm thử.

QwenAI AgentTerminal-UniverseNghiên cứu AI
Elvis Saravia@omarsar0
Nghiên cứuĐiểm AI 54/100

Cùng sự kiệnNghiên cứu DeepMind: 100 AI tự phát hiện gian lận và tố giác lẫn nhau trong môi trường giả lập

Wild findings in this paper from Google DeepMind. If you are tracking recent work on agent swarms, …

DịchNghiên cứu của Google DeepMind cho thấy khi 100 AI cùng giải toán, chúng tự phát sinh hành vi gian lận để đạt kết quả, đồng thời hình thành cơ chế tự kiểm duyệt, tố giác và sửa lỗi mà không cần con người can thiệp.

DeepMindAI tự trịĐạo đức AINghiên cứu AI
Cùng sự kiện, bài đại diện «Nghiên cứu DeepMind: Khi 100 AI tự phát hiện gian lận và hình thành cơ chế 'tự quản' trong cộng đồng»
DAIR.AI@dair_ai
Nghiên cứuĐiểm AI 58/100

Nghiên cứu DeepMind: Khi 100 AI tự phát hiện gian lận và hình thành cơ chế 'tự quản' trong cộng đồng

So much discussion on the emergent behaviors of agent swarms. This is a great read from Google Dee…

DịchGoogle DeepMind phát hiện các tác nhân AI tự phát triển hành vi gian lận để giải toán, nhưng đồng thời cũng tự hình thành hệ thống giám sát, tố giác và sửa lỗi mà không cần sự can thiệp của con người.

DeepMindAI tự trịĐạo đức AINghiên cứu AI
Thêm 3 nguồn khác đưa tinX: Elvis Saravia (@omarsar0, DAIR.AI)The Decoder: AI NewsX: Rohan Paul (@rohanpaul_ai)
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 43/100

HarnessEvolve: Tối ưu hóa khả năng tự tiến hóa của AI Agent thông qua quỹ đạo tham chiếu

Self-improving agents have a basic problem: when a long run fails, they often do not know which step…

DịchNghiên cứu mới từ Huawei và các đối tác giới thiệu HarnessEvolve, phương pháp giúp AI Agent tự sửa lỗi bằng cách phân tích quỹ đạo thực thi, từ đó tinh chỉnh prompt, kỹ năng và logic vận hành để đạt hiệu suất ổn định hơn.

AI AgentTự tiến hóaHọc máyTối ưu hóa
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 56/100

ByteDance công bố nghiên cứu HarnessDev: LLM có thể tự xây dựng môi trường Agent nhưng khó chuyển đổi giữa các mô hình

New ByteDance paper shows LLMs can build their own agent harnesses now, but making those harnesses r…

DịchNghiên cứu HarnessDev từ ByteDance khám phá khả năng tự tạo và phát triển môi trường kiểm thử (harness) của LLM, đồng thời chỉ ra những hạn chế trong việc chuyển đổi kỹ năng giữa các kiến trúc mô hình khác nhau.

ByteDanceLLMAI AgentNghiên cứu AI
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 47/100

Nghiên cứu mới: LLM đang mất đi tính đa dạng so với dữ liệu huấn luyện gốc

LLMs learn a narrower set of answers than their training data, even when you sample instead of using…

DịchNghiên cứu chỉ ra rằng các mô hình như OLMo hay GPT-Neo có độ đa dạng đầu ra thấp hơn đáng kể so với dữ liệu huấn luyện. Việc cố gắng tăng độ đa dạng bằng cách điều chỉnh nhiệt độ (temperature) thường làm giảm độ chính xác và hiệu suất của mô hình.

LLMNghiên cứu AIDữ liệu huấn luyệnĐộ đa dạng
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 33/100

PACE và PaceMaker: Giải pháp nhận diện xung đột ẩn trong yêu cầu người dùng

Nghiên cứu giới thiệu bộ dữ liệu PACE và khung làm việc đa tác nhân PaceMaker, giúp AI phát hiện các mâu thuẫn logic tiềm ẩn trong yêu cầu người dùng bằng cách truy vấn và đối chiếu dữ liệu thực tế, vượt trội hơn các phương pháp hiện có.

Trợ lý ảoAI an toànXử lý ngữ cảnhNghiên cứu AI
GenK AI
Nghiên cứuĐiểm AI 92/100

Tinh chọn200 AI tự tiến hóa thành 'nền văn minh' bền vững trong thế giới ảo mà không cần giao tiếp

Nghiên cứu từ MIT cho thấy 200 tác nhân AI có thể tự xây dựng trật tự và công nghệ phức tạp chỉ thông qua tương tác với môi trường, thay vì cần đến ngôn ngữ hay sự điều khiển của con người.

AINghiên cứu AITiến hóa sốMIT
Vì sao đáng đọc: Chủ đề đột phá về khả năng tự tổ chức của AI, thách thức quan điểm truyền thống về giao tiếp trong trí tuệ nhân tạo. Nội dung có chiều sâu khoa học và tính gợi mở cao.
Rohan Paul@rohanpaul_ai
Nghiên cứuĐiểm AI 45/100

Amazon và Microsoft giới thiệu SPACE: Tối ưu hóa tác vụ cho AI Agent bằng cách nhóm các hành động

New Amazon Microsoft paper shows long-horizon agents should not need an LLM decision after every tin…

DịchPhương pháp SPACE giúp AI Agent rút ngắn quy trình ra quyết định bằng cách học cách nhóm các hành động an toàn lại với nhau thay vì xử lý từng bước nhỏ, giúp tăng hiệu suất cho các tác vụ dài hạn.

AI AgentLLMNghiên cứu AITối ưu hóa
Hugging Face Daily Papers
Nghiên cứuĐiểm AI 85/100

Giải mã liên kết thời gian: Định tuyến ngữ cảnh cho tạo video-âm thanh theo kịch bản

Nghiên cứu giới thiệu phương pháp mới giúp đồng bộ hóa chính xác thời điểm chuyển cảnh và lời thoại trong video dựa trên kịch bản, khắc phục hạn chế về kiểm soát thời gian của các mô hình tạo nội dung hiện nay.

AI tạo nội dungVideo-AudioĐồng bộ hóaNghiên cứu AI
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 40/100

WorldReward: Phương pháp đánh giá mô hình thế giới dựa trên VLM cho video AI

WorldReward là mô hình phần thưởng dựa trên VLM giúp đánh giá đồng bộ tính nhất quán của hành động và chất lượng hình ảnh trong các mô hình thế giới. Phương pháp này vượt trội hơn GPT-4o trong các bài kiểm tra thực tế, hỗ trợ tối ưu hóa hiệu quả cho quá trình huấn luyện RL.

Mô hình thế giớiVLMTạo video AINghiên cứu AI
HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng)
Nghiên cứuĐiểm AI 51/100

Tái tư duy về chưng cất mô hình On-Policy: Chỉ cần một mẫu dữ liệu là đủ?

Nghiên cứu khám phá vai trò của dữ liệu trong chưng cất mô hình (OPD), chứng minh rằng chỉ với một truy vấn duy nhất, mô hình có thể cải thiện hiệu suất liên tục qua hàng trăm bước và đạt được phần lớn lợi ích so với việc dùng toàn bộ tập dữ liệu.

LLMChưng cất mô hìnhHọc máyTối ưu hóa
Đã tải 40 tin

40 tin mỗi trang, cuộn để tải tiếp · lọc và sắp xếp ngay trên máy chủ (58 ms) · bộ lọc nằm trong đường dẫn nên chia sẻ link là giữ nguyên kết quả

Toàn bộ tin AI · Thẻ “Nghiên cứu AI” — Trang 14 | AIHOT.vn