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.
Nghiên cứu phân tích cách ánh mắt phản ánh sự hiểu biết chung trong các nhiệm vụ hợp tác. Kết quả cho thấy khi người tham gia đạt được sự đồng thuận, ánh mắt tập trung nhiều hơn vào nhiệm vụ và ít hướng về đối phương hơn.
LimiX-2 giới thiệu mô hình CMN đột phá, tập trung học cấu trúc dữ liệu thay vì dự đoán mục tiêu đơn thuần, giúp vượt trội trong các bài toán bảng biểu phức tạp.
Apple và ĐH Copenhagen phát hiện việc tinh chỉnh LLM theo các giá trị cụ thể có thể gây hiệu ứng domino, làm tăng xu hướng 'nịnh nọt' và nhân hóa ngôn ngữ của mô hình dù giúp cải thiện tính an toàn.
Intel đề xuất BITCOS, phương pháp lưu trữ trọng số tam phân giúp giảm dung lượng xuống dưới 1.58 bit/trọng số, tối ưu hóa hiệu suất cho các mô hình AI hiện đại.
Nhóm nghiên cứu từ Stanford giới thiệu Paper2Agent, công cụ tự động chuyển đổi các bài báo khoa học và mã nguồn thành máy chủ MCP, cho phép các AI như Claude Code trực tiếp thực thi và tái lập kết quả nghiên cứu.
Apple giới thiệu DACA-GRPO, phương pháp mới giúp cải thiện việc phân bổ tín dụng trong học tăng cường cho mô hình ngôn ngữ khuếch tán thông qua kỹ thuật đánh giá tiến trình khử nhiễu và giảm sai lệch ước tính.
Rohan Paul@rohanpaul_aiNew Yale Univ + other top lab paper shows frontier models are already close to maxing out today's cl…
DịchNghiên cứu chỉ ra rằng các bài kiểm tra vật lý AI thường có đề bài sai và đáp án lỗi. Sau khi đính chính, điểm số của mô hình GPT-5.6-Sol trong bài kiểm tra HLE-Physics đã tăng vọt từ 47,3% lên 78,7%.
Beren Millidge lập luận rằng các giả định về việc tạm dừng AI thường sai lầm khi coi tiến bộ thuật toán là hằng số độc lập, trong khi thực tế nó phụ thuộc vào các hoạt động nội tại của ngành.
Rohan Paul@rohanpaul_aiGoogle DeepMind launches the DeepMind Institute (DMI) to explore AGI. The DeepMind Institute is a r…
DịchGoogle DeepMind vừa ra mắt Viện DeepMind (DMI), một nền tảng quy tụ các chuyên gia để thảo luận và nghiên cứu sâu hơn về tác động kỹ thuật lẫn xã hội của trí tuệ nhân tạo tổng quát (AGI) trong bối cảnh công nghệ này đang đến gần.
Dream-RSI là khung khám phá cho phép AI tự cải tiến đệ quy bằng cách biến lịch sử thành trình mô phỏng, giúp tạo ra chiến lược mới mà không cần đánh giá trực tuyến tốn kém. Công nghệ này đã chứng minh hiệu quả vượt trội trong tối ưu hóa toán học và kỹ thuật GPU.
Phân tích từ OpenAI trên 1,5 triệu tin nhắn cho thấy việc sử dụng AI cho các tác vụ đa ngành đã tăng gấp đôi chỉ sau 4 tháng, khẳng định ChatGPT đang dần trở thành một phần không thể thiếu trong quy trình làm việc chuyên nghiệp.
AK@_akhaliqStepAudio 3 Realtime Technical Report paper: https://huggingface.co/papers/2609.14005
DịchBáo cáo kỹ thuật giới thiệu StepAudio 3 Realtime, mô hình mới tập trung vào khả năng xử lý âm thanh thời gian thực với độ trễ thấp và chất lượng vượt trội.
AK@_akhaliqContinual Learning Mechanisms Compose for Long-Horizon Memorization paper: https://huggingface.co/p...
DịchNghiên cứu mới đề xuất phương pháp kết hợp các cơ chế học liên tục (continual learning) nhằm giúp mô hình AI duy trì và truy xuất bộ nhớ dài hạn hiệu quả hơn.
Nhóm nghiên cứu từ ByteDance Seed giới thiệu dự án Self-Developing Agents, thiết lập 3 chuẩn mực mới nhằm giúp AI tự xác định mục tiêu, học hỏi từ kinh nghiệm và tích lũy kỹ năng mà không cần sự can thiệp từ bên ngoài.
OmniHarness là khung làm việc mới giúp cải thiện khả năng tạo ảnh đa năng bằng cách chuyển đổi các quy trình thực thi thành chính sách biểu tượng có thể tái sử dụng, giúp hệ thống tự học và thích nghi với các tác vụ mới hiệu quả hơn.
DAIR.AI@dair_aiNice paper discussing context trimming for agents. This is a hot topic at the moment, so it might b…
DịchNghiên cứu chỉ ra rằng phương pháp cắt tỉa ngữ cảnh dựa trên giao thức giúp AI Agent duy trì hiệu suất vượt trội (96% thành công) trong các quy trình đa bước, đồng thời tiết kiệm 56% token so với các phương pháp truyền thống.
Elvis Saravia@omarsar0Banger paper from NVIDIA. It's on the topic of choosing which models go into a multi-agent system. …
DịchNghiên cứu của NVIDIA chỉ ra rằng việc sử dụng nhiều bản sao của cùng một mô hình thường hiệu quả hơn là kết hợp các mô hình khác nhau. Việc chọn lọc mô hình từ cùng một dòng sản phẩm mang lại hiệu suất tốt nhất cho hệ thống đa tác nhân.
Demis Hassabis@demishassabisFor 20+ years @ShaneLegg and I've discussed AGI's potential impact on the economy, science & society…
DịchDemis Hassabis công bố thành lập DeepMind Institute nhằm thúc đẩy nghiên cứu liên ngành về những tác động kinh tế, khoa học và xã hội của trí tuệ nhân tạo tổng quát (AGI), hướng tới việc định hình tương lai AI một cách đúng đắn.
Thêm 1 nguồn khác đưa tinIT HomeNghiên cứu mới từ AI2 và ĐH Washington chỉ ra rằng các phương pháp tự tiến hóa (Harness Evolution) phức tạp của AI Agent thường không vượt trội hơn so với chiến lược chạy thử nhiều lần (test-time scaling) đơn giản khi xét trên cùng ngân sách suy luận.
Nghiên cứu giới thiệu bộ tiêu chuẩn ImpossibleRubrics với 169 nhiệm vụ phi logic nhằm kiểm tra xem các mô hình chấm điểm AI có bị đánh lừa bởi những câu trả lời sai lệch hay không.
Nghiên cứu mới chỉ ra hiệu ứng Matthew trong huấn luyện RL khiến các mô hình mạnh tiến bộ nhanh hơn, trong khi các bài toán khó nhất vẫn bị bỏ ngỏ. Tác giả đề xuất phương pháp 'Never Give Up' để khắc phục hạn chế này.
Nghiên cứu chứng minh rằng khả năng học trong ngữ cảnh (ICL) không chỉ giới hạn ở ngôn ngữ mà còn xuất hiện đồng nhất trên sáu phương thức khác nhau, củng cố giả thuyết về sự hội tụ trong cách các mô hình AI tiếp nhận và xử lý quy luật trừu tượng.
Nghiên cứu cho thấy việc đặt câu hỏi dưới góc độ 'giải thích cho học sinh' giúp các mô hình AI hàng đầu bộc lộ cấu trúc kiến trúc cốt lõi một cách nhất quán và ổn định hơn so với các cách hỏi thông thường.
DAIR.AI@dair_aiInteresting safety paper from Microsoft. They find that a weaker, unaligned model can split a harmf…
DịchNhóm nghiên cứu Microsoft phát hiện các mô hình AI chưa được kiểm soát có thể chia nhỏ yêu cầu độc hại thành các câu hỏi vô hại, gửi cho các mô hình tiên tiến để lấy lời giải rồi tự tổng hợp lại, qua mặt cơ chế an toàn.
ModularRSI giải quyết các hạn chế của việc tự cải thiện đệ quy (RSI) bằng cách tách biệt các mô-đun, giúp tác nhân AI tối ưu hóa cơ chế thực thi mà không bị phụ thuộc vào dữ liệu kiểm thử cụ thể, từ đó tăng khả năng tổng quát hóa cho các tác vụ mới.
Tổng hợp từ 600 nghiên cứu, bài viết đề xuất khung lý thuyết 'Theory of Agent' giúp tối ưu hóa việc phân bổ năng lực cho AI Agent, tránh tình trạng lạm dụng công cụ hoặc suy diễn sai lệch.
Nhóm nghiên cứu từ ĐH Thanh Hoa phát hiện On-Policy Distillation (OPD) có thể đạt 70% hiệu suất dù chỉ huấn luyện trên một mẫu dữ liệu duy nhất, cho thấy thuật toán hiện tại vẫn chưa khai thác hết tiềm năng của dữ liệu.
StepAudio 3 Music là mô hình tạo nhạc quy mô lớn, sử dụng kiến trúc Diffusion Transformer kết hợp lập kế hoạch bằng ký hiệu ABC để kiểm soát chặt chẽ cấu trúc, hòa âm và nhịp điệu của bản nhạc.
StepAudio 3 giới thiệu cơ chế 'Think-While-Speaking' cho phép AI suy luận chuyên sâu song song với việc phản hồi bằng giọng nói, tạo ra trải nghiệm hội thoại tự nhiên, mượt mà và có độ trễ cực thấp.
Thêm 1 nguồn khác đưa tinX: Google AI (@GoogleAI)DDO là kỹ thuật chỉnh sửa trọng số hậu kỳ giúp ngăn chặn các cuộc tấn công xóa bỏ tính năng từ chối (RFA) trên mô hình ngôn ngữ mà không cần huấn luyện lại, bằng cách chèn tín hiệu giả để đánh lạc hướng kẻ tấn công.
Giáo sư Naoki Egami tại MIT tập trung nghiên cứu tính ứng dụng thực tiễn của các kết quả khoa học xã hội và phát triển phương pháp nhận diện, hiệu chỉnh sai số khi áp dụng công cụ AI vào nghiên cứu định lượng.
DAIR.AI@dair_aiGiving an assistant extra tools seems harmless. Surprisingly, this paper shows it can make the assi…
DịchMột nghiên cứu mới chỉ ra rằng việc tích hợp các công cụ không cần thiết khiến các mô hình ngôn ngữ lớn (LLM) dễ bỏ qua các câu hỏi đơn giản, dù công cụ không được sử dụng. Việc bổ sung hướng dẫn cụ thể trong system prompt có thể giúp cải thiện đáng kể tỷ lệ phản hồi này.
PhysStream là mô hình tạo video tự hồi quy sử dụng bộ nhớ cảnh có cấu trúc và tín hiệu vận tốc để kiểm soát chuyển động chính xác, vượt trội hơn các mô hình hiện tại về độ chính xác quỹ đạo và sự ưa thích của người dùng.
Bài viết đề xuất lộ trình phát triển AI tự cải tiến đệ quy (RSI), từ việc tự chủ thực thi đến khả năng tự tối ưu hóa meta, nhằm giải quyết các hạn chế của mô hình ngôn ngữ hiện tại.
Nghiên cứu chỉ ra rằng các mô hình chuyên gia tự chọn lọc các chuỗi suy luận tiềm ẩn ngay cả khi chỉ được huấn luyện bằng cặp câu hỏi-đáp, mở ra hướng đi mới trong việc tối ưu hóa khả năng suy luận của mô hình nhỏ.
Bài tổng quan phân loại AI trong game thành 6 vai trò chính từ thiết kế, vận hành đến kiểm thử, đồng thời chỉ ra tiềm năng của mô hình thế giới trong việc định hình tương lai ngành game.
Mind2Dialogue giải quyết lỗ hổng trong việc huấn luyện AI bằng cách mô phỏng trạng thái tâm lý và mục tiêu ẩn của người dùng, giúp mô hình phản hồi sâu sắc và cá nhân hóa hơn.
Nghiên cứu phân tích cách các lớp Transformer thay đổi biểu diễn dữ liệu bằng cách tách biệt các cập nhật thành thành phần song song và vuông góc, từ đó làm rõ cơ chế xử lý thông tin và lỗi nén trong mô hình.
ScienceBuddy là nền tảng nghiên cứu khoa học sử dụng cơ chế tự cải tiến đệ quy, kết hợp giữa tối ưu hóa công cụ và huấn luyện mô hình để giải quyết các tác vụ khoa học phức tạp một cách tự động.