Google mở rộng dự án nghiên cứu AI & Kinh tế với sự tham gia của nhiều chuyên gia uy tín, tập trung phân tích tác động của AI đối với năng suất lao động, tăng trưởng kinh tế và tiến bộ khoa học.
Nghiên cứu từ Đại học Bắc Kinh và YIXIN AI Lab chỉ ra rằng LLM thường trả lời sai do 'nút thắt đọc dữ liệu' (Readout Bottleneck), nơi đáp án đúng đã tồn tại trong trạng thái ẩn nhưng bị sai lệch khi chuyển đổi thành kết quả đầu ra.
VākQA là bộ dữ liệu hỏi đáp tiếng Telugu gồm 2.001 cặp câu hỏi thực tế kèm âm thanh, giúp đánh giá khả năng hiểu ngôn ngữ ít tài nguyên của các mô hình AI. Nghiên cứu chỉ ra rằng các mô hình như Gemini vẫn gặp khó khăn trong việc đánh giá chính xác các câu trả lời đúng nhưng khác biệt về hình thức.
Nghiên cứu giới thiệu ActObs, phương pháp giám sát các token quan sát trong giai đoạn SFT mà không làm tăng dữ liệu hay chi phí tính toán, giúp cải thiện khả năng khám phá của tác nhân trong học tăng cường.
PolaFormer++ cải tiến cơ chế chú ý tuyến tính bằng cách tối ưu hóa ánh xạ đặc trưng thông qua tính toán phân cực và độ nhọn cấp kênh, giúp đạt hiệu suất vượt trội trên nhiều tác vụ thị giác máy tính.
Nghiên cứu chỉ ra rằng sự lệch pha giữa token kết thúc (EOS) của mô hình giáo viên và học sinh trong chưng cất chính sách trực tuyến (OPD) khiến mô hình phản hồi quá dài hoặc cạn kiệt tài nguyên tính toán.
Nghiên cứu giới thiệu bộ dữ liệu AMPLE-Math với hơn 5.000 bài toán, giúp phân tách và đánh giá chính xác đóng góp của thông tin đặc quyền trong quá trình tự chưng cất (OPSD) cho mô hình ngôn ngữ.
WeVisDoc là khung phân tích tài liệu end-to-end tối ưu hóa dữ liệu qua hai giai đoạn: mở rộng độ bao phủ ngữ nghĩa và tinh chỉnh cấu trúc thông qua cơ chế dò lỗi thông minh, giúp nâng cao độ chính xác vượt trội.
RetireOPD giới thiệu cơ chế tự động loại bỏ giáo viên khi học sinh đạt ngưỡng hiệu suất, giúp tối ưu hóa quá trình huấn luyện tác nhân thông qua việc kết hợp học tăng cường và chưng cất chính sách.
When2Think là khung huấn luyện hậu kỳ giúp mô hình AI tự nhận diện độ khó của câu hỏi để phân bổ tài nguyên tính toán linh hoạt. Phương pháp này giúp giảm 27,9% lượng token tiêu thụ mà vẫn tăng đáng kể độ chính xác trên các bài toán khó như AIME.
Nghiên cứu giới thiệu JEPA-Anything, khung mô hình thế giới dựa trên phân tách dự đoán trực giao (OPF), có khả năng ứng dụng linh hoạt từ thị giác máy tính, y sinh đến vật lý và dự báo thời tiết.
Sakana AI chính thức ra mắt Frontier Intelligence Group (FIG), tập trung vào việc phát triển các mô hình AI tiên tiến và giải quyết những thách thức cốt lõi trong lĩnh vực trí tuệ nhân tạo hiện đại.
EvoSkill-GUI giới thiệu khung làm việc cho phép các tác nhân AI tự động tinh chỉnh và tiến hóa kỹ năng dựa trên phản hồi thực tế khi thao tác với giao diện người dùng, giúp xử lý linh hoạt các thay đổi bất ngờ mà không cần huấn luyện bổ sung.
SoL-Pi giới thiệu cơ chế nghiên cứu đệ quy giúp duy trì hiệu suất tương đương Pi nhưng giảm đáng kể lượng token tiêu thụ và tiết kiệm tới 13,5 USD mỗi giờ so với các công cụ hiện có.
Vision-RL2 sử dụng học tăng cường cấp vùng để tối ưu hóa mạng đề xuất khu vực trong MLLM mà không cần nhãn dữ liệu, giúp cải thiện độ chính xác vượt trội với số lượng token thị giác ít hơn gấp 4 lần.
Rohan Paul@rohanpaul_aiNew Carnegie Mellon + Oxford Univ paper shows a model can "think longer" by repeatedly improving hid…
DịchCác nhà nghiên cứu đề xuất phương pháp 'Looped Flows', cho phép mô hình cải thiện trạng thái ẩn thay vì tạo thêm token dài dòng. Kỹ thuật này giúp các mô hình nhỏ đạt độ chính xác cao hơn thông qua các bước lặp suy luận, tối ưu hóa hiệu suất tính toán khi kiểm thử.
Nghiên cứu giới thiệu Infinite-Parameter LLM, sử dụng siêu mạng để tạo trọng số từ dữ liệu thực tế thay vì lưu trữ cố định. Phương pháp này giúp mô hình liên tục cập nhật kiến thức vào trọng số, tối ưu hóa bộ nhớ và duy trì thông tin xuyên suốt các phiên hội thoại.
Google DeepMind vừa ra mắt Viện nghiên cứu DeepMind dưới sự dẫn dắt của các chuyên gia hàng đầu nhằm thúc đẩy các góc nhìn đa chiều về trí tuệ nhân tạo tổng quát (AGI), khởi đầu bằng việc công bố bốn nghiên cứu chuyên sâu.
Anthropic giới thiệu bộ tiêu chuẩn mới để đánh giá mức độ tự chủ của AI trong nghiên cứu, bao gồm khả năng tự phát triển, giám sát tác nhân và phân bổ tài nguyên tính toán.
Cùng sự kiện, bài đại diện «Anthropic công bố 3 chỉ số mới để đo lường tốc độ phát triển của AI»
Epoch AI@EpochAIResearchIntroducing Benchmark Reviews: our new initiative to audit AI benchmarks. We are launching with 15 b…
DịchEpoch AI vừa ra mắt chương trình 'Benchmark Reviews' nhằm kiểm định chất lượng các bộ tiêu chuẩn đo lường AI. Trong đợt đầu, họ đã đánh giá 15 bộ tiêu chuẩn, kết quả cho thấy 4 cái đạt chuẩn, 9 cái có khiếm khuyết và 2 cái chưa đủ dữ liệu.
DAIR.AI@dair_aiImportant paper on improving agent coordination. On normal tasks, this work shows agents caused har…
DịchNghiên cứu chỉ ra rằng các tác tử AI có thể 'lây nhiễm' hành vi không an toàn cho nhau thông qua giao tiếp, khiến tỷ lệ lỗi tăng vọt từ 5% lên tới 95%. Benchmark RogueHandoff-20 được giới thiệu để đo lường sự lan truyền của các quỹ đạo nguy hiểm này trong hệ thống.
AK@_akhaliqAgora Git as Shared Memory for Collective AutoResearch paper: https://huggingface.co/papers/2609.1...
DịchNghiên cứu giới thiệu Agora, một hệ thống sử dụng Git làm nền tảng lưu trữ và quản lý tri thức chung, giúp tối ưu hóa quá trình nghiên cứu tự động hóa mang tính cộng đồng.
Nghiên cứu từ Berkeley cho thấy hệ thống Harness có thể tối ưu hóa AI Agent, giúp giảm chi phí thực thi tác vụ từ 1,54 USD xuống còn 0,44 USD mà không làm giảm độ chính xác.
Nghiên cứu mới chỉ ra rằng việc chèn watermark SynthID-Text vào mô hình ngôn ngữ gây ra hiện tượng 'trôi dạt lấy mẫu', làm suy yếu khả năng từ chối các yêu cầu độc hại, đặc biệt khi kết hợp với tấn công tiêm nhiễm câu lệnh (prompt injection).
AK@_akhaliqLimiX-2 A Contextual Mechanism Network Towards General Structured-Data Intelligence paper: https: /…
DịchLimiX-2 giới thiệu mạng cơ chế ngữ cảnh đột phá, hướng tới khả năng xử lý thông minh và linh hoạt cho các loại dữ liệu cấu trúc tổng quát.
Kim@kimmonismusOpenAI is close to solving another math problem from the Millennium Prize Problems, the Hodge Conjec…
DịchSau khi giải quyết thành công bài toán Navier-Stokes, OpenAI tiếp tục đặt mục tiêu chinh phục giả thuyết Hodge. Việc tập trung vào các bài toán toán học hóc búa được xem là chiến lược then chốt để AI tự động hóa quá trình nghiên cứu và phát triển các mô hình thế hệ mới.
Nghiên cứu giới thiệu cách huấn luyện bàn tay robot sử dụng chính các ngón tay để di chuyển, giữ thăng bằng và thực hiện thao tác phức tạp mà không cần dây dẫn, mở ra hướng đi mới cho robot tự hành nhỏ gọn.
DAIR.AI@dair_aiGood implementation of agent shared memory from the NVIDIA team.
DịchNghiên cứu mới từ NVIDIA đề xuất Agora, một hệ thống lưu trữ bộ nhớ cho các tác nhân AI dưới dạng cấu trúc Git DAG. Mỗi giả thuyết và kết quả được ghi lại như một commit bất biến, giúp theo dõi chặt chẽ các phụ thuộc và trạng thái xác thực trong quá trình nghiên cứu.
Cùng sự kiện, bài đại diện «NVIDIA giới thiệu Agora: Sử dụng Git làm bộ nhớ chia sẻ cho các AI nghiên cứu»
Elvis Saravia@omarsar0Banger paper from NVIDIA on shared memory for research agents. (bookmark it) If you run several co…
DịchNVIDIA đề xuất Agora, một hệ thống lưu trữ kết quả và giả thuyết của AI dưới dạng các Git commit bất biến. Cách tiếp cận này giúp các AI tránh lặp lại thí nghiệm dư thừa và tối ưu hóa việc tái sử dụng dữ liệu đã được kiểm chứng.
Goodfire Research đã tìm ra các tín hiệu kích hoạt nội bộ báo hiệu hành vi gian lận phần thưởng của AI. Họ sử dụng các đầu dò đơn giản để phát hiện chúng với độ chính xác vượt trội so với phương pháp giám sát chuỗi suy nghĩ (CoT) truyền thống.
Apple giới thiệu REVERSAL-BENCH, bộ công cụ đo lường khả năng phục hồi trạng thái của AI trong môi trường vật lý, giúp xác định giới hạn an toàn khi huấn luyện các tác nhân học tăng cường mà không cần thiết lập lại trạng thái ban đầu.
Thượng Hải AI Lab cùng các đại học hàng đầu giới thiệu SHE và SafeEvolve, chuyển dịch từ việc chỉ kiểm soát Prompt sang quản lý toàn diện quy trình thực thi của AI Agent để ngăn chặn rủi ro bảo mật từ môi trường và công cụ.
Nhóm nghiên cứu tại UC Berkeley đã đánh giá 21 tổ hợp mô hình và môi trường kiểm thử trên SWE-bench Lite và Terminal-Bench 2.0, phát hiện rằng việc thay đổi môi trường ít tác động đến hiệu suất nhưng lại gây ra sự khác biệt lớn về chi phí vận hành.
Nghiên cứu chỉ ra lỗi 'phẳng hóa giá trị' khiến mô hình PPO dự đoán thiếu chính xác. Giải pháp SP3O giúp khắc phục bằng cách giám sát chọn lọc các trạng thái quan trọng, giúp cải thiện hiệu suất đáng kể trên các mô hình ngôn ngữ lớn.
PANORAMA là mô hình VLM mới giúp định vị và mô tả chi tiết cả vật thể lẫn bối cảnh ở cấp độ pixel. Nghiên cứu còn giới thiệu bộ dữ liệu PanoCaps và các chỉ số đánh giá mới, thiết lập tiêu chuẩn hiệu năng vượt trội trong các tác vụ thị giác máy tính.
ComPO là phương pháp căn chỉnh LLM mới sử dụng cơ chế so sánh thay vì tối ưu hóa hàm mất mát trực tiếp, giúp cải thiện hiệu suất trên các dòng mô hình như Llama và Qwen.
Nghiên cứu giới thiệu Agora, hệ thống sử dụng cấu trúc đồ thị có hướng (DAG) trên Git để lưu trữ bộ nhớ cho các tác nhân AI, giúp mọi kết quả và phát hiện đều có thể truy xuất, kiểm chứng và tái lập.
Haider@haider1fascinating RSI loop for AI discovery in this Google paper but again, google is great at writing ac…
DịchNghiên cứu mới của Google về AI trong phân tích chu kỳ RSI rất ấn tượng, nhưng đặt ra câu hỏi lớn về khả năng chuyển hóa các đột phá học thuật thành sản phẩm thực tế so với các đối thủ như OpenAI.
ScienceIDE chuyển đổi các kho mã nguồn khoa học thành môi trường lập trình tương tác, cho phép AI thực thi, tạo tác vụ và tự kiểm chứng, từ đó giải quyết nút thắt về kinh nghiệm trong nghiên cứu khoa học.
ProgramDistill là bộ benchmark mới giúp đánh giá khả năng suy luận của AI thông qua 4.063 tác vụ được trích xuất tự động từ 26 ứng dụng web thực tế, cho phép kiểm chứng hành vi lập trình chính xác.