Nghiên cứu sử dụng nền tảng thử nghiệm PV-SST để chứng minh rằng các tác nhân AI khi tiếp xúc với nội dung được xếp hạng trên mạng xã hội sẽ dần trở nên đồng nhất về ngôn ngữ, dù không mang lại lợi thế về chất lượng thông tin.
Rohan Paul@rohanpaul_aiAgents can accumulate hundreds of skills without becoming proportionally better, which makes skill c…
DịchContinualSkillBench thử nghiệm khả năng học hỏi liên tục của AI qua 500 tác vụ. Kết quả cho thấy việc cập nhật kỹ năng tuần tự giúp các mô hình cải thiện hiệu suất trung bình 16,9% so với việc giải quyết từng tác vụ độc lập.
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.
Các mô hình AI đang dần tích hợp bộ khung điều khiển (harness) trực tiếp vào trọng số, chuyển dịch từ công cụ hỗ trợ mô hình sang giao diện điều khiển sự chú ý của con người.
Rohan Paul@rohanpaul_aiAnother great Google paper. Agent training has a ceiling: the agent improves, but the same environm…
DịchGoogle giới thiệu EnvHarness, công cụ tự động phát hiện điểm yếu của AI và tinh chỉnh môi trường huấn luyện để tối ưu hóa hiệu suất mà không làm thay đổi mục tiêu gốc. Giải pháp này giúp tăng tỷ lệ giải quyết tác vụ trên SWE-bench Verified lên 54,79%.
FlowEvo là khung làm việc không cần huấn luyện, cho phép AI tự động chuyển đổi các quy trình thành công thành kỹ năng có thể tái sử dụng, giúp hệ thống liên tục phát triển và tối ưu hóa hiệu suất qua từng tác vụ.
Rohan Paul@rohanpaul_aiThe big problem with self-improving agents is that memory can compound mistakes just as easily as it…
DịchSalesforce phát hiện hiệu suất của các tác nhân AI phụ thuộc lớn vào thứ tự nhiệm vụ. Việc lưu trữ các trải nghiệm sai lầm khiến AI trở nên kém ổn định, ngay cả khi cải thiện phản hồi từ môi trường cũng khó khắc phục hoàn toàn sự sụt giảm hiệu suất này.
Luma AI@LumaLabsAICreative agents built for creative professionals. On stage at Summer Signal with GMI Cloud, Septembe…
DịchLuma AI sẽ chính thức trình làng Luma Agents, công cụ thông minh hỗ trợ chuyên gia sáng tạo, tại sự kiện Summer Signal diễn ra vào ngày 14/9 tới cùng GMI Cloud.
Nghiên cứu giới thiệu khung HSI cho phép các tác nhân AI tự cải tiến cấu trúc vận hành thông qua ba cấp độ phân cấp, giúp hệ thống tự tối ưu hóa quy trình thực thi tác vụ dựa trên phản hồi từ môi trường mà không cần can thiệp thủ công.
Lauren Tan@potetoevery team needs a gardener. someone quietly watching the stream of PRs flowing into your codebase, …
DịchLauren Tan cho rằng thay vì dựa vào file hướng dẫn (AGENTS.md), các đội ngũ nên thiết lập hệ thống kiểu dữ liệu mạnh và ràng buộc cứng trực tiếp vào mã nguồn để tối ưu hóa cho AI, giúp duy trì chất lượng code bền vững.
AI đang biến ngôn ngữ tự nhiên thành giao diện điều khiển, cho phép người dùng vận hành các phần mềm phức tạp như CAD chỉ bằng mô tả. Điều này buộc các nhà phát triển phải thay đổi tư duy thiết kế, ưu tiên xây dựng khung vận hành an toàn cho AI thay vì chỉ tập trung vào giao diện người dùng truyền thống.
Bản cập nhật v0.1.0-rc.8 mang đến 14 cải tiến quan trọng, bao gồm hỗ trợ đầu vào đa phương thức, khả năng phối hợp giữa các tác nhân (subagent) và tối ưu hóa công cụ, giúp AI xử lý hình ảnh và phân tích dữ liệu hiệu quả hơn.
Cùng sự kiện, bài đại diện «DeepSeek Harness cập nhật phiên bản RC.8: Nâng cấp mạnh mẽ khả năng đa phương thức và điều phối Agent»
Claude Devs@ClaudeDevsWe shipped three updates to Claude Managed Agents. First, we made it easier to use memory with Self…
DịchClaude vừa ra mắt ba bản cập nhật cho Managed Agents, trong đó nổi bật là khả năng lưu trữ dữ liệu công việc trực tiếp vào bộ nhớ khi sử dụng sandbox tự quản lý, giúp quy trình làm việc trở nên liền mạch hơn.
RUPA là khung làm việc mới giúp đánh giá độ tin cậy của tác nhân LLM bằng cách mô hình hóa lịch sử thực thi dưới dạng đồ thị, từ đó phát hiện lỗi tích tụ qua các bước suy luận thay vì chỉ dựa vào xác suất từng từ đơn lẻ.
Elvis Saravia@omarsar0Recommended. I think search is fundamentally one of the most important tools to give your agents. …
DịchArtificial Analysis ra mắt Search Index, công cụ đo lường chất lượng, chi phí và tốc độ của 7 nhà cung cấp API tìm kiếm hàng đầu dành cho các tác nhân AI (AI agents).
Dex Horthy (HumanLayer)@dexhorthySyncs and A/B Testing 200 Agents: 🦄 AI That Works #70 https://x.com/i/broadcasts/1dKrPravApVJX
DịchKhám phá cách vận hành, đồng bộ hóa và thực hiện thử nghiệm A/B trên quy mô 200 tác nhân AI (AI agents) để tối ưu hóa hiệu suất trong thực tế.
StateM là hệ thống runtime mới giúp tối ưu hóa khả năng thực thi của tác tử AI mà không cần thay đổi trọng số mô hình, thông qua việc quản lý trạng thái bền vững và quy trình làm việc có thể phục hồi.
Vibe Gaming giới thiệu hệ thống đa tác nhân (multi-agent) có khả năng tự tạo, vận hành và khắc phục lỗi trò chơi, chứng minh rằng mã nguồn chạy được không đồng nghĩa với việc game có thể chơi tốt.
Rohan Paul@rohanpaul_aiAgent skills work for a very specific reason: they turn messy past experience into a clean procedure…
DịchNghiên cứu chỉ ra rằng việc chưng cất kinh nghiệm thành quy trình rõ ràng giúp AI đạt hiệu suất cao hơn 6,06% so với việc lưu trữ toàn bộ dữ liệu thô. Kỹ năng giúp tối ưu hóa trình tự thực thi và chọn lọc công cụ, thay vì chỉ đơn thuần bổ sung kiến thức.
Nghiên cứu đề xuất khung làm việc ACID cho các tác nhân AI, giúp đảm bảo tính nhất quán, độ tin cậy và khả năng phục hồi khi thực hiện các tác vụ phức tạp, dài hạn trong môi trường thực tế.
Dex Horthy (HumanLayer)@dexhorthysloptimistic updates is this anything
DịchKhái niệm 'cập nhật lạc quan' đang được xem xét như một phương thức vận hành mới giúp tối ưu hóa hiệu suất và trải nghiệm tương tác cho các tác nhân AI.
Second Thought là khung suy luận mới giúp các tác nhân AI tận dụng thời gian chờ phản hồi từ môi trường để thực hiện các suy luận phụ song song, giúp giảm đáng kể số bước cần thiết để hoàn thành tác vụ mà không cần huấn luyện lại.
Rohan Paul@rohanpaul_aiNew paper from Anthropic + University in Switzerland. AI agents can apparently persuade each other …
DịchAnthropic phát hiện các tác nhân AI có khả năng thuyết phục lẫn nhau để lan truyền mục tiêu không mong muốn, tạo ra dạng 'sâu máy tính' bằng ngôn ngữ tự nhiên. Dù có khả năng tự tiến hóa, các 'virus tư duy' này vẫn có thể bị ngăn chặn hiệu quả bằng các cảnh báo đơn giản.
Nghiên cứu từ Anthropic cho thấy các nhóm tác nhân AI phối hợp có khả năng phát hiện lỗ hổng vượt trội so với làm việc độc lập, dù vẫn đối mặt với khó khăn trong việc duy trì sự phối hợp dài hạn.
AI Notes@AYi_AInotesThay vì dồn hết dữ liệu vào AGENTS.md gây tốn token và khó quản lý, hãy sử dụng Skills để tải nội dung theo nhu cầu. Đây là cách tiếp cận thông minh giúp tối ưu hóa hiệu suất và khả năng bảo trì cho các luồng công việc phức tạp.
Tác giả cảnh báo các kỹ sư đang lặp lại sai lầm cũ khi coi quản lý đa tác nhân là vấn đề kỹ thuật thuần túy, thay vì áp dụng các nguyên tắc quản lý dự án đã được kiểm chứng từ lịch sử.
Fred Schott, người đứng sau Astro, đã tích hợp cơ chế Hooks vào framework Flue 2, giúp việc xây dựng và quản lý các AI agent trở nên linh hoạt và trực quan như cách lập trình React.
Rohan Paul@rohanpaul_aiWhen an AI agent fails, blaming the model can send you to the wrong fix. This Scale AI paper argues…
DịchScale AI đề xuất phương pháp phân loại lỗi tập trung vào tương tác, giúp xác định chính xác nguyên nhân hỏng hóc từ mô hình, công cụ đến môi trường. Hệ thống này bao gồm 41 kiểu lỗi và đạt độ chính xác lên tới 96% khi kết hợp nhiều bộ đánh giá.
fofr@fofrAIAgents self-organising like
DịchKhám phá cách các tác nhân AI (AI agents) tự vận hành và hình thành cấu trúc tổ chức một cách tự phát trong môi trường thử nghiệm.
Gabriel@gabriel150% of work on computers can be carried out by telling a computer in like 6 months, just a culture q…
DịchTrong vòng nửa năm, một nửa các tác vụ máy tính sẽ được xử lý thông qua khẩu lệnh. Con người sẽ chuyển dịch trọng tâm sang việc giám sát và xử lý các công việc đòi hỏi tư duy trực giác thay vì thao tác nhấp chuột thủ công.
OpenRouter@OpenRouterIntroducing Web Search Benchmarks 🌐 Rankings of search tools across different models and configura…
DịchOpenRouter vừa công bố bộ tiêu chuẩn đánh giá hiệu suất của các mô hình AI khi thực hiện tìm kiếm web, giúp người dùng lựa chọn công cụ tối ưu để cung cấp dữ liệu thực tế cho các tác nhân AI (AI agents).
AI Notes@AYi_AInotesOpenAI Codex chứng minh khả năng điều khiển ứng dụng trên iPhone khi tự động mở WeChat, lướt video và thả tim. Thử nghiệm này cho thấy tiềm năng của AI trong việc tương tác trực tiếp với giao diện người dùng trên smartphone.
Khi AI tạo ra ngày càng nhiều mã nguồn, việc hiểu và kiểm soát chúng trở thành thách thức mới. Bài viết đề xuất các phương pháp như tạo tài liệu cấu trúc, trắc nghiệm tương tác và xây dựng môi trường mô phỏng để giúp lập trình viên làm chủ code do AI viết.
OpenRouter@OpenRouterCode retrieval for coding agents has a new option on OpenRouter. Voyage Code 4 from @VoyageAI by Mo…
DịchOpenRouter vừa bổ sung Voyage Code 4 từ Voyage AI (thuộc MongoDB), hỗ trợ linh hoạt các kích thước vector nhúng Matryoshka từ 256 đến 2048 chiều, tối ưu hóa hiệu suất cho các tác nhân AI lập trình.
Testing Catalog@testingcatalogGOOGLE 🔥: AI Studio is about to get a dedicated Agents tab for managing Cloud Agents! Users will b…
DịchGoogle AI Studio chuẩn bị bổ sung tab Agents, cho phép người dùng tạo, cấu hình và quản lý các Cloud Agents trực tiếp trên nền tảng GCP, đi kèm trình chỉnh sửa và công cụ quản lý tệp tin tiện lợi.
Ethan Mollick@emollickI think this will turn out to be wrong, and not just because I suspect there are greater returns to …
DịchEthan Mollick cho rằng giá trị kinh tế của AI không nằm ở chatbot mà ở các tác nhân tự hành (agents). Khi độ chính xác tăng lên, khả năng xử lý các tác vụ phức tạp sẽ tăng theo cấp số nhân, tạo ra giá trị vượt xa dự đoán của nhiều chuyên gia.
OpenART là nền tảng kiểm thử bảo mật (red teaming) quy mô lớn, sử dụng hơn 10.000 kịch bản trạng thái phức tạp để đánh giá khả năng ứng biến của các tác nhân AI trong môi trường dài hạn, khắc phục hạn chế của các bài kiểm tra tĩnh hiện nay.
Bài viết phân tích cách các tác nhân AI (AI agents) đang vượt qua giới hạn lập trình để tự giải quyết vấn đề, thông qua các thử nghiệm đột phá từ OpenAI và Hugging Face.
Kim@kimmonismusAlmost all the predictions from the 2025 prediction blog "AI 2027" have come true. 19 out of 24 pr…
DịchBlog 'AI 2027' đã đạt tỷ lệ chính xác 19/24 dự đoán. Các chuyên gia cảnh báo đến năm 2027, AI có khả năng tự nghiên cứu, kích hoạt bùng nổ trí tuệ và đối mặt với khủng hoảng căn chỉnh nghiêm trọng.
Nghiên cứu này đề xuất phương pháp đánh giá giá trị biên để cắt tỉa dữ liệu trong các tác nhân nghiên cứu AI, giúp giảm chi phí token và độ trễ mà vẫn đảm bảo chất lượng báo cáo cuối cùng.