SenseTime@SenseTime_AISenseTime ra mắt SenseNova-Vision, mô hình thị giác đa năng có thể thực hiện các tác vụ như phát hiện vật thể, phân đoạn, OCR và tái tạo 3D chỉ qua câu lệnh ngôn ngữ tự nhiên. Dự án đã được mở mã nguồn hoàn toàn bao gồm trọng số, dữ liệu và mã nguồn.
Berry Xia@berryxiaTác giả Ant Design Vue vừa giới thiệu Pireel, công cụ biên tập video AI chuyên dụng cho các nội dung dạng nói (talking head) với hơn 20 chủ đề HyperFrames thông minh, dễ dàng cài đặt qua dòng lệnh.
Nhóm nghiên cứu giới thiệu ISO, khung tối ưu hóa phổ cố định cho RLVR, bao gồm hai cơ chế ISO-Merger (offline) và ISO-Optimizer (online) giúp cải thiện đáng kể hiệu suất suy luận và mã hóa của mô hình ngôn ngữ.
ABot-World-0 là mô hình video thế giới có khả năng tạo môi trường tương tác thời gian thực ở độ phân giải 720p trên một GPU RTX 5090 duy nhất, giải quyết hiệu quả vấn đề trôi dạt tự hồi quy bằng kỹ thuật LongForcing.
Nghiên cứu từ ĐH Nam Kinh và Alibaba chỉ ra rằng các token cấu trúc trong mẫu chat của DiT đóng vai trò là 'bộ nhớ ngữ nghĩa ẩn', giúp duy trì nhận diện vật thể dù bản thân chúng không chứa nội dung gợi ý.
HPD-Parsing thay thế cơ chế tự hồi quy truyền thống bằng giải mã song song phân tầng, giúp tăng tốc độ xử lý tài liệu gấp 3 lần mà vẫn đảm bảo độ chính xác cao.
GAMUT tự động chuyển đổi các yêu cầu nội dung thành danh sách kiểm tra nhị phân để LLM đánh giá độ chính xác của văn bản. Với 1.813 câu hỏi thực tế, đây là thước đo đầy thách thức cho các mô hình ngôn ngữ hiện nay.
Viện sĩ Lý Tuấn khẳng định an toàn là điều kiện tiên quyết của xe tự lái, trong đó trách nhiệm chuyển từ tài xế sang nhà sản xuất. Xe không chỉ cần đạt chuẩn khi xuất xưởng mà phải duy trì bằng chứng an toàn xuyên suốt quá trình sử dụng.
Samsung sắp ra mắt kính thông minh Galaxy Glasses hợp tác cùng Google, tích hợp chip Snapdragon AR1 Gen1 và trợ lý Gemini. Thiết bị hỗ trợ các tính năng như dịch thuật thời gian thực, điều hướng bằng giọng nói và đồng bộ ghi chú với thời lượng pin lên đến 9 giờ.
Karina Nguyen@karinanguyenShip là nền tảng suy luận thông minh tự động điều phối tài nguyên dựa trên độ khó của yêu cầu, giúp giảm 50% chi phí sử dụng các mô hình cao cấp như Opus hay GPT-5.6 mà vẫn đảm bảo chất lượng đầu ra.
swyx@swyxMột nguyên tắc vàng trong kỹ thuật hệ thống là tách biệt mặt điều khiển và mặt dữ liệu. Đây là kiến thức nền tảng giúp hệ thống vận hành ổn định, linh hoạt và dễ mở rộng mà mọi kỹ sư cần nắm vững.
Đừng chỉ hỏi kết quả chung chung, hãy học cách chia nhỏ vấn đề thành các cột mốc cụ thể và định nghĩa rõ ràng để AI đưa ra dự đoán có giá trị thay vì những câu trả lời vô thưởng vô phạt.
Rohan Paul@rohanpaul_aiLaguna S 2.1 đạt chất lượng lập trình game tương đương GLM-5.2 dù tham số ít hơn 6 lần và tiết kiệm đáng kể token. Đây cũng là mô hình duy nhất trong phân khúc có thể chạy cục bộ trên MacBook 128GB.
Berry Xia@berryxiaCapWords Speak cho phép người dùng chụp ảnh các vật thể xung quanh để nhận diện, trò chuyện và học cách diễn đạt bằng ngoại ngữ. Ứng dụng gây ấn tượng nhờ trải nghiệm tương tác mượt mà và đã đạt nhiều giải thưởng từ Apple.
Berry Xia@berryxiaDự án mã nguồn mở codex-bridge cho phép Claude Code tận dụng Codex để kiểm định mã. Công cụ này đã phát hiện thành công các lỗi sai sót về schema và đường dẫn tệp tin mà Claude Code trước đó không nhận diện được.
SAT giải quyết vấn đề độ trễ trong học tăng cường bất đồng bộ bằng cách điều chỉnh khoảng tin cậy PPO, giúp duy trì hiệu suất vượt trội ngay cả khi dữ liệu bị cũ.
AlayaWorld là mô hình khuếch tán Transformer 15B cho phép tạo video dài nhất quán với độ phân giải cao, tối ưu hóa tốc độ suy luận chỉ còn 4 bước mỗi khối và được phát hành mã nguồn mở hoàn toàn.
Microsoft vừa thêm nút "Hỏi Copilot" vào trang chủ File Explorer trong bản cập nhật Windows 11 Release Preview, cho phép người dùng tương tác nhanh với tệp tin thông qua AI.
Theo SemiAnalysis, GPU tùy chỉnh dựa trên kiến trúc MI450 của Meta chỉ sở hữu một nửa số nhân tính toán và 1/3 dung lượng bộ nhớ so với bản tiêu chuẩn MI455, nhằm tối ưu hóa cho các hệ thống gợi ý thay vì huấn luyện LLM.
Cộng đồng AI đang xôn xao trước thông tin Anthropic có ý định mua lại startup robot Physical Intelligence. Dù chưa có xác nhận chính thức, thương vụ này được kỳ vọng sẽ tạo ra bước ngoặt lớn trong cuộc đua AI năm 2026.
SemiAnalysis@SemiAnalysis_Theo SemiAnalysis, bộ máy hạ tầng của Meta đang trở nên cồng kềnh với tình trạng quản lý trung gian lãng phí nguồn lực vào các giải pháp quá phức tạp, gây thiệt hại hàng tỷ USD cho công ty.
Xiaohu@xiaohuClaude Code vừa bổ sung tính năng giả lập iOS tích hợp, cho phép AI tự động thao tác trong nền mà không làm gián đoạn người dùng. Bạn có thể chạy cùng lúc 4 giả lập, hỗ trợ tương tác thủ công và điều chỉnh linh hoạt.
Peter Steinberger@steipeteNhà phát triển Peter Steinberger chia sẻ câu chuyện thú vị đằng sau cái tên OpenClaw và những dự định phát triển phần mềm trong tương lai.
Epoch AI@EpochAIResearchEpoch AI giới thiệu dự án EpochAIPlays, nơi mô hình GPT-5.6 sẽ thử thách kỹ năng chơi tựa game chiến thuật nổi tiếng Slay the Spire trong buổi livestream sắp tới.
Shao Meng@shao__mengGreg Isenberg chỉ ra rằng AI đang biến trí tuệ thành hàng hóa, nơi các tác nhân (Agent) thay thế con người và mô hình kinh doanh phần mềm chuyển dịch từ tính phí theo đầu người sang tính phí theo kết quả. Đây là thời điểm vàng để các đội ngũ tinh gọn tạo ra đột phá.
Gabriel@gabriel1Khi đặt câu hỏi, hãy luôn hỏi thêm: "Còn điều gì tôi chưa nghĩ tới nhưng cần phải biết không?". Câu hỏi bổ sung này giúp bạn khai thác được những góc nhìn sâu sắc mà người đối diện có thể đã bỏ sót.
Berry Xia@berryxiaBerry Xia vừa công bố đáp án cho thử thách đoán tên mô hình AI, cho thấy khoảng cách về hiệu năng giữa các mô hình hàng đầu hiện nay đã thu hẹp đến mức khó có thể nhận diện bằng mắt thường.
Berry Xia@berryxiaNgười dùng đã sử dụng Kimi 3 để viết mã điều khiển cánh tay robot tự động nhận diện và phân loại vật phẩm một cách mượt mà. Dự án này mở ra tiềm năng ứng dụng thực tế trong công nghiệp và sẽ sớm được chia sẻ mã nguồn cùng các mô hình 3D.
Mage-Flow là mô hình 4 tỷ tham số tối ưu hóa quy trình tạo và chỉnh sửa ảnh, giúp giảm chi phí mã hóa gấp 10 lần và tăng tốc độ huấn luyện lên 2,5 lần nhờ kiến trúc Mage-VAE đột phá.
Nhóm nghiên cứu của Fei-Fei Li (Stanford) giới thiệu Masked Visual Actions, phương pháp biểu diễn hành động robot dưới dạng mặt nạ pixel. Chỉ với 15 giờ dữ liệu, mô hình video có thể thực hiện cả dự đoán động lực học và lập kế hoạch hành động.