EXPL-FR sử dụng bộ chuyển đổi nhẹ để liên kết mô hình ngôn ngữ thị giác với không gian nhúng của nhận diện khuôn mặt, cho phép giải thích các đặc điểm ngữ nghĩa mà mô hình dựa vào mà không cần huấn luyện lại.
Task-CoEvolve giới thiệu phương pháp tối ưu hóa harness cho LLM bằng cách cho phép các tác vụ kiểm chứng cùng tiến hóa, giúp giảm 80% chi phí đánh giá mà vẫn duy trì độ chính xác tương đương với bộ dữ liệu đầy đủ.
RISE là khung làm việc mới giúp các mô hình hành động thế giới (WAMs) tự động quyết định thời điểm dừng hoặc tiếp tục mô phỏng tương lai, giúp cân bằng giữa hiệu quả tính toán và chất lượng lập kế hoạch trong lái xe tự hành.
WorldMind là khung mô hình đầu tiên tách biệt việc hiểu trạng thái và ra quyết định cho NPC trong game, giúp nhân vật phản ứng linh hoạt và logic hơn thay vì chỉ tạo video đơn thuần.
AK@_akhaliqLearning How the World Evolves Extrapolative Video World Models via Latent Dynamics Reasoning pape…
DịchNghiên cứu giới thiệu mô hình thế giới video dựa trên suy luận động lực học tiềm ẩn, cho phép dự đoán và ngoại suy sự thay đổi của thế giới thực một cách chính xác.
GEN-1.5 là mô hình nền tảng cho robot có khả năng học tác vụ mới thông qua ngữ cảnh mà không cần tinh chỉnh. Mô hình đạt tỷ lệ thành công 59% chỉ với một lần demo và tăng lên 83% sau khi cập nhật nhẹ, mở ra bước tiến lớn trong tự động hóa.
Nghiên cứu chỉ ra rằng chưng cất mô hình (OPD) giúp truyền tải tư duy thay vì chỉ là đáp án. Hiệu quả phụ thuộc lớn vào mối quan hệ nguồn gốc giữa mô hình giáo viên và học sinh, thay vì độ khó của bài toán.
Ma Dongxi NLP@dongxi_nlpPretraining Recurrent Networks without Recurrence
DịchBài báo giới thiệu phương pháp huấn luyện mạng RNN thông qua mô hình giáo viên Transformer, giúp tối ưu hóa khả năng biểu diễn trạng thái dự đoán và học giám sát hàm chuyển đổi bộ nhớ.
DAIR.AI@dair_aiThe Top AI Papers of the Week (August 17 - 23): - SocialRL - Strategy Lock-In - Agent Lightning v1….
DịchTổng hợp các nghiên cứu AI tiêu biểu từ 17-23/8, tập trung vào tối ưu hóa kỹ năng cho AI Agent, cơ chế phân cấp trí nhớ và giải quyết các nút thắt trong điều khiển hệ thống thông minh.
Rohan Paul@rohanpaul_aiNew Stanford + Carnegie paper. Screen recordings of real work look like free training data for agen…
DịchPhương pháp Task Model Induction mới giúp chuyển đổi video thao tác thực tế thành cấu trúc mục tiêu phân cấp thay vì chuỗi hành động đơn thuần, giúp AI học kỹ năng mới hiệu quả hơn 30%.
Elvis Saravia@omarsar0Great paper if you are tracking progress in recursive self-improvement (RSI). (bookmark it) There …
DịchNghiên cứu mới chỉ ra rằng các tác nhân AI thường khóa chiến lược ngay từ bước đầu, dẫn đến việc lãng phí tài nguyên vào điều chỉnh nhỏ thay vì tự cải tiến đệ quy. Dù thử nghiệm nhiều phương pháp, AI vẫn thiếu khả năng tư duy lại chiến lược cốt lõi trong quá trình thực thi.
DAIR.AI@dair_aiThis is one of the most effective ways to improve your agentic workflows. If you are building compu…
DịchTask Model Induction (TMI) trích xuất các mô hình tác vụ từ video quay màn hình và thao tác chuột/phím với độ chính xác cực cao, giúp tái tạo quy trình làm việc hiệu quả hơn 30% so với các phương pháp truyền thống.
Vita Dynamics giới thiệu hệ thống 'Bộ gen hiện thân' (Embodied Genome), cho phép robot chia sẻ trí tuệ và kỹ năng giữa các hình thái cơ thể khác nhau, thay vì phải huấn luyện lại từ đầu cho mỗi thiết bị.
CoToGrasp là khung làm việc mới giúp robot thực hiện các thao tác cầm nắm linh hoạt và ổn định dựa trên cấu trúc tiếp xúc, cho phép huấn luyện độc lập với vật thể và đạt khả năng suy luận zero-shot trên các vật thể lạ mà không cần gắn nhãn dữ liệu tốn kém.
Google DeepMind@GoogleDeepMindGames have been an important testbed for our AI research for over 15 years. 🎮 From mastering Atari…
DịchGoogle DeepMind bắt tay với Fenris Creations nhằm phát triển các hệ thống AI có khả năng học tập liên tục, ghi nhớ dài hạn và lập kế hoạch phức tạp, hướng tới việc tạo ra những trải nghiệm game đột phá và ứng dụng thực tiễn trong khoa học.
Công nghệ robot mới cho phép máy móc sao chép hành động chỉ sau 3 giây quan sát, đánh dấu bước tiến đột phá trong khả năng tự học của AI.
Nghiên cứu giới thiệu Chain-of-Experience (CoE), cho phép các mô hình ngôn ngữ lớn tự học hỏi và cải thiện hiệu suất thông qua phản hồi lặp lại từ chính mình hoặc môi trường, thay vì chỉ dựa vào suy luận một lần.
Khác với Trái Đất, độ trễ 24 phút khi điều khiển robot trên Sao Hỏa buộc AI phải tự đưa ra quyết định chính xác mà không có dữ liệu thực tế hỗ trợ. Đây là thử thách tối thượng để kiểm chứng khả năng khái quát hóa của robot.
ForgeWM là khung huấn luyện mới giúp chuyển đổi các mô hình tạo video phức tạp thành mô hình thế giới tương tác hiệu quả, cho phép phản hồi game mượt mà chỉ với 1-4 bước khử nhiễu.
EXIMO là thuật toán ba giai đoạn giúp tinh chỉnh mô hình VLA hiệu quả bằng cách sử dụng VLM để lập kế hoạch, phân rã nhiệm vụ và tối ưu hóa thông qua học tăng cường, giúp robot đạt hiệu suất vượt trội với ít dữ liệu hơn.
EnvHarness giới thiệu lớp plugin lập trình giúp tùy biến hành vi môi trường mà không cần can thiệp logic gốc, kết hợp cùng EnvRigger để tự động tối ưu hóa chiến lược của AI. Giải pháp này giúp cải thiện hiệu suất huấn luyện đáng kể trên nhiều lĩnh vực khác nhau.
SPK giải quyết vấn đề ảo giác trong phát hiện vật thể bằng cách khai thác tri thức tiên nghiệm về cấu trúc và ngữ cảnh, tạo ra biểu diễn 5 chiều giúp nhận diện chính xác các dữ liệu ngoài phân phối (OoD).
Jim Fan@DrJimFanSeeing a hype wave around GEN-1.5, and rightfully so. Lots of respect to Pete & Andy for executing s…
DịchJim Fan nhận định sự thành công của GEN-1.5 đến từ việc mô phỏng các hành động lặp lại tự nhiên của con người. Ông nhấn mạnh phương pháp UMI giúp lưu giữ trực giác vật lý tốt hơn so với điều khiển từ xa truyền thống.
Startup Generalist AI ra mắt mô hình GEN-1.5, cho phép robot học và thực hiện nhiệm vụ mới ngay lập tức thông qua các video hướng dẫn ngắn mà không cần huấn luyện lại từ đầu.
AdaPop tối ưu hóa quá trình xóa dữ liệu trong LLM bằng cách điều chỉnh áp lực học tập dựa trên độ phổ biến của thông tin, giúp ngăn chặn rò rỉ dữ liệu tốt hơn gấp 5 lần so với các phương pháp truyền thống.
Nhóm nghiên cứu đề xuất BCP, cho phép mô hình VLA tự quyết định việc tiếp tục thực hiện hay tái lập kế hoạch thay vì dùng tham số cố định, giúp tăng đáng kể độ chính xác cho các tác vụ robot phức tạp.
Zetta là khung làm việc đột phá cho phép robot tự cập nhật kỹ năng và đánh giá hành vi theo thời gian thực mà không cần thay đổi mô hình gốc, giúp giải quyết hạn chế của các hệ thống điều khiển vòng lặp hở hiện nay.
Nghiên cứu giới thiệu mô hình C3LM được huấn luyện trên tập dữ liệu khổng lồ 45,6 triệu phản ứng, sử dụng kỹ thuật Top-K để dự đoán các phản ứng hóa học chính xác và đa dạng hơn.
CardioState-JEPA là mô hình nền tảng đầu tiên hợp nhất dữ liệu ECG, PPG và PCG vào một không gian biểu diễn chung, sử dụng cơ chế căn chỉnh độ trễ để khai thác bản chất sinh lý học thay vì chỉ dựa vào hình dạng sóng tín hiệu.
Nghiên cứu khám phá cách chuyển đổi bộ nhớ dạng bảng (Engram) giữa các mô hình ngôn ngữ khác nhau, tập trung vào việc tối ưu hóa trình đọc phía đích để tận dụng tri thức đã học mà không cần huấn luyện lại.
Agentic ESOpt là khung tinh chỉnh toàn tham số dựa trên chiến lược tiến hóa, cho phép tối ưu hóa các tác nhân LLM mà chỉ cần bộ nhớ GPU ở mức suy luận, vượt trội hơn hẳn các phương pháp học tăng cường truyền thống.
Nhóm nghiên cứu của Apple phát triển phương pháp Newton bán trơn chuyên dụng, giúp tối ưu hóa tốc độ tính toán cho các ước lượng Optimal Transport dựa trên nhân, thay thế hiệu quả cho phương pháp nội điểm truyền thống vốn tiêu tốn nhiều tài nguyên.
Elvis Saravia@omarsar0So true! There are so many ways to do research with the help of AI agents. So many research question…
DịchElvis Saravia nhận định đây là thời điểm lý tưởng nhất để nghiên cứu học máy, khi các AI Agent giúp tối ưu hóa việc thử nghiệm và tích lũy tri thức. Sự bùng nổ về công cụ và năng lực tính toán đang mở ra cơ hội chưa từng có cho giới nghiên cứu.
StreamOPD giới thiệu phương pháp hậu huấn luyện không cần bộ nhớ suy luận, giúp cải thiện đáng kể hiệu suất hiểu video trên các bộ dữ liệu chuẩn, tiệm cận kết quả của các mô hình lớn hơn.
Zetta ζ từ Đại học Thanh Hoa giúp robot không chỉ thực hiện nhiệm vụ mà còn tự quan sát, sửa lỗi và tích lũy kinh nghiệm theo thời gian thực, đạt tỷ lệ thành công vượt trội trong các thử nghiệm phức tạp.
PRISM là khung làm việc mới giúp các mô hình âm thanh-văn bản xử lý nhiễu nặng mà không cần huấn luyện lại, bằng cách loại bỏ biến dạng trong không gian tiềm ẩn dựa trên các điểm neo hình học.
Rohan Paul@rohanpaul_aiResearchers found our current approach to making AI smarter over time has a giant blind spot. AI is…
DịchNghiên cứu chỉ ra rằng các AI Agent không thực sự hiểu các quy tắc trừu tượng mà chỉ dựa vào việc sao chép lịch sử hoạt động. Khi dữ liệu lịch sử bị can thiệp, hiệu suất AI giảm mạnh, trong khi việc xóa bỏ các quy tắc tổng quát lại không gây ảnh hưởng, đặt ra dấu hỏi lớn về cơ chế bộ nhớ hiện nay.
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.
ConceptFormer là khung học tập mới giúp truy xuất tài liệu hình ảnh bằng cách mô hình hóa các khái niệm ẩn, kết nối trực tiếp bằng chứng thị giác với độ liên quan ngữ nghĩa mà không cần mô tả văn bản trung gian.
UNMASK là quy trình tự động giúp phát hiện và loại bỏ các mối tương quan giả tạo mà mô hình ngôn ngữ thường lợi dụng để gian lận điểm số, giúp tăng cường độ tin cậy của mô hình trên dữ liệu thực tế mà không cần con người can thiệp.