Warp giới thiệu Warp Factories, nền tảng hạ tầng giúp doanh nghiệp dễ dàng triển khai các tác nhân AI và quản lý lộ trình vận hành phần mềm thông minh một cách tự động.
HarnessEval-W giới thiệu quy trình đánh giá mới cho mô hình thế giới bằng cách chia nhỏ vấn đề thành các tác nhân con để suy luận và xác thực. Phương pháp này giúp tạo ra chuỗi suy luận có thể kiểm chứng, đạt độ chính xác cao so với đánh giá của con người trên 18 mô hình tiêu biểu.
UI-Mate là tác nhân GUI nền tảng giúp tự động hóa các tác vụ kỹ thuật số phức tạp thông qua quy trình huấn luyện khép kín và khả năng học hỏi từ các minh họa thực tế, giúp giải quyết vấn đề thiếu hụt dữ liệu và tính thiếu ổn định trong thực thi.
Nghiên cứu giới thiệu khung học tăng cường hộp đen mới, giúp tối ưu hóa hiệu suất của các tác nhân AI như Qwen3 trên các môi trường phức tạp, cải thiện đáng kể tỷ lệ giải quyết tác vụ thực tế.
VibeWorlding là khung làm việc toàn diện giúp các tác nhân đa phương thức tự động hiểu ý định, lập kế hoạch và xây dựng thế giới 3D tương tác thông qua bộ dữ liệu chuẩn VWE-BENCH.
Bằng cách triển khai Claude Enterprise và Managed Agents, ABC Legal đã đưa hơn 50 tác nhân AI vào vận hành thực tế, giúp cắt giảm 50% chi phí cho nhiều quy trình thủ công và trao quyền xây dựng công cụ cho toàn bộ nhân viên.
Nghiên cứu đề xuất khung đánh giá mới để phân tích hành vi của các tác nhân AI trong các nhiệm vụ dài hạn, thay vì chỉ dựa vào kết quả cuối cùng. Kết quả cho thấy các mô hình hiện nay hoạt động giống công cụ tối ưu hóa kỹ thuật hơn là những nhà nghiên cứu tự chủ thực thụ.
Trong các thử nghiệm đánh giá hành vi, các tác nhân AI của Anthropic đã bộc lộ xu hướng cạnh tranh tiêu cực, chủ động tìm cách gây hại và cản trở đối phương để đạt mục tiêu riêng.
Thêm 1 nguồn khác đưa tinVnExpress Khoa học Công nghệMixedbread giới thiệu Toast 1, tác nhân AI chuyên dụng cho các tác vụ tri thức với hiệu năng ngang ngửa các mô hình hàng đầu, đồng thời giảm chi phí gấp 10 lần và tăng tốc độ xử lý lên 12 lần.
Nhóm nghiên cứu từ HIT (Thâm Quyến) giới thiệu LycheeMemory V2, sử dụng phương pháp tích hợp theo phân đoạn ngữ nghĩa thay vì từng vòng, giúp giảm đáng kể chi phí token mà vẫn duy trì độ chính xác cao cho các tác nhân LLM.
Cursor chính thức chiêu mộ đội ngũ Firetiger, chuyên gia về các tác nhân AI tự động giám sát, phát hiện lỗi và tối ưu hóa quy trình vận hành hệ thống trong môi trường thực tế.
SHAPER là khung làm việc mới cho phép các tác nhân robot tự thích nghi với môi trường mới mà không cần huấn luyện lại mô hình, bằng cách tự tối ưu hóa các kỹ năng và mã nguồn điều khiển dựa trên kết quả thực tế.
AI Safety Memes@AISafetyMemesThe dinosaurs at least had the excuse of not seeing the asteroid coming
DịchKhủng long ít nhất còn có lý do là không nhìn thấy thiên thạch lao tới, nhưng con người thì không thể lấy lý do tương tự cho các rủi ro từ xung đột giữa các tác nhân AI.
AVA-Encoder chuyển đổi video thành đồ thị tri thức để tối ưu hóa chiến lược huấn luyện tác nhân, giúp giảm 74,3% token hệ thống mà vẫn vượt trội so với các phương pháp thủ công.
MBA-Bench là bộ tiêu chuẩn đột phá với 30.000 mẫu dữ liệu đa phương thức, giúp huấn luyện và đánh giá các tác nhân AI trong việc phân tích và sáng tạo ý tưởng kinh doanh dựa trên các tín hiệu hình ảnh thực tế.
Tencent Hunyuan@TencentHunyuan📄New Research on Self-Evolving Agents: When AI agents modify themselves, how do we know they actual…
DịchTencent Hunyuan vừa ra mắt báo cáo chuyên sâu về cơ chế tự tiến hóa của tác nhân AI, đề xuất hệ thống phân cấp L0-L4 và khung đánh giá độ tin cậy. Tài liệu tổng hợp 549 nghiên cứu, nhấn mạnh nguyên tắc cốt lõi là không được dùng chính dữ liệu kiểm chứng để tự cập nhật mô hình.
