Nghiên cứu chỉ ra rằng các mô hình ngôn ngữ đa phương thức (MLLM) thường ưu tiên kiến thức có sẵn hơn là bằng chứng thị giác khi chúng mâu thuẫn nhau. Tác giả giới thiệu bộ benchmark WhatIfVis để đo lường mức độ nhạy bén của mô hình đối với bối cảnh hình ảnh thực tế.
Nghiên cứu giới thiệu cơ chế 'hiện thực hóa ngữ nghĩa', cho phép các tác nhân AI truy xuất thông tin chính xác từ bộ nhớ KV cache ngay cả khi dữ liệu gốc đã bị loại bỏ, giúp tăng đáng kể hiệu suất phục hồi thông tin.
Cuộc thi đánh giá khả năng của AI đa phương thức trong việc hiểu và trích xuất dữ liệu từ các biểu đồ khoa học chuyên sâu. Kết quả cho thấy các mô hình hiện nay vẫn gặp khó khăn lớn với các tác vụ suy luận phức tạp và trích xuất dữ liệu chính xác.
GEOID-Flood là bộ dữ liệu chuẩn gồm hơn 14.000 mẫu ảnh vệ tinh đa phương thức (SAR, quang học, DEM) từ 219 sự kiện lũ lụt toàn cầu, giúp đánh giá hiệu quả của các mô hình nền tảng trong việc phân đoạn và giám sát thiên tai.
Nghiên cứu giới thiệu phương pháp tối ưu hóa mô hình khuếch tán pixel bằng cách tận dụng các lớp trung gian của mô hình đã huấn luyện sẵn để dẫn hướng quá trình tạo ảnh, giúp tiết kiệm chi phí mà không cần đào tạo lại từ đầu.
Nghiên cứu đề xuất hệ thống phân loại lỗi mới dựa trên tương tác giữa các thành phần AI, giúp xác định chính xác nguyên nhân gốc rễ thay vì chỉ nhìn vào kết quả đầu ra, từ đó đưa ra giải pháp khắc phục hiệu quả hơn.
RecHarness tối ưu hóa mô hình gợi ý bằng cách kết hợp thuật toán Bandit để chọn hướng cải tiến và LLM để thực thi mã, giúp quá trình tự động hóa ổn định và hiệu quả hơn.
DreamTraj giới thiệu phương pháp dự đoán quỹ đạo 6-DoF của vật thể chỉ từ một ảnh RGB và hướng dẫn bằng ngôn ngữ, tận dụng các biểu diễn nội tại từ mô hình khuếch tán thay vì tạo video tốn kém. Nghiên cứu đi kèm bộ dữ liệu MOVE với hơn 5.000 quỹ đạo chi tiết để tối ưu hóa khả năng điều khiển robot.
GPTQ-2D tối ưu hóa quá trình làm tròn ma trận số thực sang số nguyên bằng cách xử lý theo đường chéo phụ, giúp giảm độ phức tạp tính toán từ bậc bốn xuống bậc ba mà vẫn giữ nguyên độ chính xác.
Nghiên cứu đề xuất phương pháp mới giải quyết sự mất cân bằng tải trong các mô hình MoE đa phương thức, nơi sự khác biệt về số lượng token hình ảnh và văn bản gây ra lỗi phân bổ tài nguyên.
3DZip là giải pháp nén token ba giai đoạn giúp giảm tải tính toán cho các mô hình ngôn ngữ thị giác 3D bằng cách loại bỏ dư thừa dữ liệu hình học và tối ưu hóa chọn lọc token dựa trên sự đa dạng đặc trưng.
CADENA là mô hình AI tái tạo mô hình 3D thành chương trình CAD tham số bằng cách xây dựng từng tính năng một, mô phỏng quy trình làm việc của kỹ sư thay vì tạo toàn bộ trong một lần. Hệ thống đi kèm với CADENA-Bench, bộ tiêu chuẩn đánh giá mới cho các chi tiết cơ khí.
LeapTalk giải quyết bài toán đánh đổi giữa độ trễ và chất lượng bằng cách sử dụng cơ chế chưng cất một bước, cho phép tạo video gương mặt thời gian thực ổn định, không bị trôi danh tính và hỗ trợ độ dài tùy ý.
Poplar là quy trình tự động hóa việc tạo tập dữ liệu hình ảnh con người chân thực thông qua ba bước: xác định thuộc tính, kết xuất hình ảnh và kiểm duyệt bằng AI, giúp đảm bảo tính đa dạng và chất lượng cao.
WCM giải quyết hạn chế của các mô hình VLA trong điều khiển robot bằng cách tích hợp mô hình thế giới vào bộ phê bình (critic), giúp nắm bắt cấu trúc thời gian tốt hơn thay vì chỉ dựa vào dữ liệu khung hình đơn lẻ.
VAD là thuật toán mới giúp tách biệt các tín hiệu thị giác thực tế khỏi các yếu tố ngôn ngữ trong quá trình chưng cất mô hình đa phương thức, giúp mô hình học tập chính xác hơn từ dữ liệu hình ảnh.
Lenovo Googlebook 15 vừa lộ diện qua ảnh render với thiết kế vỏ nhôm, tích hợp phím 'G' chuyên dụng và dự kiến chạy hệ điều hành Aluminium mới, tập trung vào trải nghiệm AI và khả năng chạy mượt mà ứng dụng Android.
Từ tháng 7, các tổ chức nước ngoài đã khảo sát 117 doanh nghiệp niêm yết tại Trung Quốc, tập trung mạnh vào lĩnh vực điện tử, cơ khí và thiết bị điện. Các định chế lớn như J.P. Morgan và UBS khẳng định AI là xu hướng dài hạn, thúc đẩy kỳ vọng lợi nhuận cho nhóm cổ phiếu công nghệ.
Theo Citadel Securities, thị trường tín dụng toàn cầu sẽ chứng kiến làn sóng phát hành trái phiếu hơn 500 tỷ USD đến năm 2028 để tài trợ cho hạ tầng trung tâm dữ liệu và mua sắm chip AI, chủ yếu tập trung vào kỳ hạn ngắn từ 3-5 năm.
Visa vừa công bố thương vụ mua lại startup BioCatch với giá 2,4 tỷ USD nhằm tăng cường khả năng bảo mật, trong bối cảnh các hình thức lừa đảo và chiếm đoạt tài khoản sử dụng AI đang gia tăng mạnh mẽ trên toàn cầu.
Bản tin tổng hợp các sự kiện nổi bật: Samsung tái cấu trúc thị trường Trung Quốc, Google vươn lên vị trí thứ 2 thế giới, Alibaba trình làng mô hình Qwen3.8-Max 2.4 nghìn tỷ tham số và BYD ra mắt dòng xe điện mới với kỷ lục tầm hoạt động 1100km.
Google Pixel 11 Pro lộ diện với thiết kế cụm camera mới tích hợp đèn LED RGB tương tác cùng Gemini AI. Máy sử dụng chip Tensor G6, nâng cấp khả năng zoom hỗn hợp lên 120x nhờ sự hỗ trợ đắc lực từ AI.
Dòng vốn đầu tư mạo hiểm tại Trung Quốc đang đổ dồn vào AI và công nghệ lõi, với tổng vốn huy động của các startup AI trong nửa đầu năm 2026 đã vượt qua cả năm 2025, tạo nên cơn sốt săn lùng hạn mức đầu tư trên thị trường.
Các điều khoản minh bạch cốt lõi trong Đạo luật AI của EU đã chính thức có hiệu lực, yêu cầu các chatbot phải thông báo rõ ràng cho người dùng và gắn nhãn kỹ thuật số cho nội dung do AI tạo ra.
CEO Evan Spiegel thừa nhận kính AR Specs có giá 2.195 USD là sản phẩm đòi hỏi sự cân nhắc kỹ lưỡng từ người dùng. Ông dự đoán phải đến cuối thập kỷ này, công nghệ AR mới có thể đạt được sự phổ biến rộng rãi nhờ việc tối ưu hóa trọng lượng và giá thành.
Chính quyền Trump dự kiến họp cùng các ông lớn công nghệ như OpenAI và Google để triển khai khung kiểm định an toàn tự nguyện cho các mô hình AI, dựa trên sắc lệnh hành pháp về an ninh mạng đã ký hồi tháng 6.
Kết thúc phiên giao dịch ngày 3/8, ba chỉ số chính của chứng khoán Mỹ đều ghi nhận mức tăng ấn tượng, trong đó nhóm cổ phiếu công nghệ lớn như Meta, Microsoft và Amazon đồng loạt bứt phá mạnh mẽ.
Những tình huống VAR gây tranh cãi tại World Cup là minh chứng rõ nét cho thấy AI không thể thay thế hoàn toàn phán đoán của con người trong các quyết định quan trọng.
Baseten chia sẻ những kiến thức chuyên sâu về kỹ thuật suy luận, tập trung vào cách vận hành hiệu quả các mô hình tự hồi quy (autoregressive) và mô hình khuếch tán (diffusion).
Nhu cầu khổng lồ từ hạ tầng trung tâm dữ liệu AI tại Mỹ và Trung Quốc đang khiến giá đồng tăng vọt, chạm sát mức đỉnh lịch sử do nguồn cung không theo kịp tốc độ phát triển.