T7 · 01/01

Hugging Face Daily Papers
Nghiên cứu85

Tinh chọnMemUse: Đánh giá bộ nhớ AI qua hội thoại tự nhiên thay vì chỉ hỏi đáp trực tiếp

Nghiên cứu chỉ ra rằng khả năng trả lời câu hỏi trực tiếp không phản ánh đúng sự hài lòng của người dùng. MemUse đề xuất phương pháp đánh giá mới dựa trên cách AI tích hợp ngữ cảnh quá khứ một cách tự nhiên vào hội thoại.

LLMBộ nhớ AIĐánh giá mô hìnhTrải nghiệm người dùngNghiên cứu AI
Hugging Face Daily Papers
Nghiên cứu85

Tinh chọnSecOPD: Chống tấn công Prompt Injection bằng phương pháp chưng cất chính sách (On-Policy Distillation)

SecOPD giải quyết lỗ hổng Prompt Injection bằng cách cung cấp phản hồi ở cấp độ token thay vì toàn bộ chuỗi, giúp mô hình LLM nhận diện và từ chối các lệnh độc hại chính xác hơn so với các phương pháp tinh chỉnh truyền thống.

Bảo mật AILLMPrompt InjectionNghiên cứu AIAn toàn AI
Hugging Face Daily Papers
Nghiên cứu85

Tinh chọnGiải mã hành vi Agent AI: Dự đoán lỗi và bước tiếp theo thông qua mô hình trạng thái hữu hạn

Nghiên cứu đề xuất chuyển đổi các chuỗi hành động phức tạp của LLM Agent thành mô hình trạng thái hữu hạn (FSM) nhỏ gọn, giúp dự đoán lỗi và bước tiếp theo chính xác hơn so với các phương pháp truyền thống.

LLM AgentDự đoán lỗiFSMKiểm soát AINghiên cứu AI
Hugging Face Daily Papers
Nghiên cứu92

Tinh chọnGigaBrain-0.7: Đột phá mô hình nền tảng robot với kiến trúc ba hệ thống

GigaBrain-0.7 là mô hình VLA thế hệ mới, kết hợp kiến trúc ba hệ thống để thống nhất khả năng hiểu, dự đoán và hành động, giúp robot vận hành linh hoạt trên nhiều loại hình cơ thể khác nhau với hơn 37.000 giờ dữ liệu huấn luyện.

Robot họcMô hình nền tảngVLAAI tổng quátGigaBrain
Hugging Face Daily Papers
Nghiên cứu85

Tinh chọnOraRL: Tối ưu hóa học tăng cường hiệu quả cho mô hình ngôn ngữ đa phương thức video

Nghiên cứu giới thiệu OraRL, phương pháp mới tận dụng dữ liệu chú giải làm 'oracle rollout' để cải thiện hiệu suất học tăng cường cho mô hình MLLM video, giải quyết vấn đề đảo ngược lợi thế trong quá trình huấn luyện.

MLLMHọc tăng cườngVideo AITối ưu hóa mô hìnhNghiên cứu AI
Hugging Face Daily Papers
Nghiên cứu85

Tinh chọnEntropy-Valley: Giải pháp tối ưu độ dài cho mô hình dịch máy khuếch tán

Nghiên cứu giới thiệu Entropy-Valley, phương pháp chọn độ dài câu đích không cần huấn luyện cho mô hình dịch máy khuếch tán, giúp cải thiện đáng kể chất lượng dịch thuật bằng cách chọn độ dài tối ưu dựa trên độ bất định dự đoán.

Dịch máyMô hình khuếch tánXử lý ngôn ngữ tự nhiênAINghiên cứu
Hugging Face Daily Papers
Nghiên cứu85

Tinh chọnAutoSaddler: Tự động tối ưu hóa khung điều khiển cho tác nhân AI thông qua vết thực thi

AutoSaddler là khung làm việc tự động giúp tối ưu hóa các khung điều khiển (harness) cho tác nhân AI bằng cách học từ lỗi thực thi, giúp cải thiện đáng kể độ tin cậy trong các tác vụ dài hạn trên các nền tảng như SWE-Bench Pro.

Tác nhân AITối ưu hóaLLMTự động hóaNghiên cứu AI
JiQiZhiXin
Nghiên cứu92

Tinh chọnAI có thể tự làm nghiên cứu khoa học? ASI-Bench ra đời để đo lường khả năng tự chủ của AI

ASI-Bench là bộ tiêu chuẩn đánh giá mới do các đại học hàng đầu thế giới phát triển, nhằm đo lường khả năng tự chủ của AI trong việc thực hiện các nghiên cứu khoa học thực thụ thay vì chỉ xử lý dữ liệu có sẵn.

AI tự chủASI-BenchNghiên cứu khoa họcĐánh giá AITrí tuệ nhân tạo
VietnamPlus Công nghệ
Tin ngành75

Thành phố Asan (Hàn Quốc) chính thức vận hành hệ thống xe buýt không dùng tiền mặt

Thành phố Asan triển khai hệ thống thanh toán không dùng tiền mặt trên toàn bộ mạng lưới xe buýt công cộng, đánh dấu bước tiến mới trong việc hiện đại hóa hạ tầng giao thông đô thị tại Hàn Quốc.

Giao thông thông minhHàn QuốcChuyển đổi sốThanh toán không tiền mặtĐô thị thông minh

30 tin mỗi trang · lọc và sắp xếp ngay trên máy chủ (55 ms) · bộ lọc nằm trong đường dẫn nên chia sẻ link là giữ nguyên kết quả