Gavel là phương pháp mới giúp LLM tự chọn kỹ năng phù hợp thông qua các ánh xạ tuyến tính thay vì nhồi nhét metadata vào ngữ cảnh, giúp mở rộng thư viện kỹ năng mà không làm giảm hiệu suất của mô hình.
Ethan Mollick@emollickI don't usually spread rumors but: 1) This is from someone with inside knowledge & is plausible …
DịchTrước áp lực dư luận, các phòng thí nghiệm AI có thể đang hạn chế chia sẻ nghiên cứu để tránh rủi ro truyền thông. Đây là vấn đề chính sách quan trọng cần được xem xét nghiêm túc trong cộng đồng khoa học.
Good Start Labs huấn luyện mô hình 30B bằng trò chơi 1830: Railroads & Robber Barons. Kết quả cho thấy chỉ thiết kế tác nhân đa vòng mới cải thiện hiệu suất trên Finance-Agent, trong khi hỏi đáp đơn vòng không mang lại hiệu quả.
Haider@haider1OpenAI Research Scientist, Noam Brown: "current models are still poor when it comes to research tas…
DịchNhà nghiên cứu Noam Brown từ OpenAI nhận định AI hiện vẫn kém con người về tư duy nghiên cứu, nhưng ông sẽ không ngạc nhiên nếu các thế hệ mô hình tiếp theo vượt qua chính mình trong lĩnh vực này.
Nghiên cứu chỉ ra rằng RL hiện nay thường lãng phí tài nguyên vào các bài toán dễ. Phương pháp Never Give Up (NGU) đề xuất cơ chế lấy mẫu thích ứng, giúp phân bổ lại tài nguyên tính toán để giải quyết hiệu quả các bài toán khó mà mô hình chưa làm tốt.
Nathan Lambert@natolambertAn basic idea in scaling RL: Can we allocate more compute to the harder problems? We did this: If …
DịchNghiên cứu mới giải quyết 'hiệu ứng Matthew' trong học tăng cường (RL) bằng cách buộc mô hình tiếp tục lấy mẫu khi gặp câu trả lời sai, giúp GRPO vượt qua giới hạn ở các bài toán phức tạp.
DAIR.AI@dair_aiIs Bash All You Need? Interesting paper from Microsoft. If you are deciding which tools to give an…
DịchMicrosoft so sánh 5 giao diện công cụ trên các nền tảng TheAgentCompany và APEX-Agents, kết quả cho thấy Bash mang lại hiệu suất vượt trội khi vận hành cùng các mô hình như Opus-4.8 và GPT-5.5.
Rohan Paul@rohanpaul_aiThis is really cool. PhAI Labs just released DFM (Discovery Foundation Models), a research paradigm…
DịchPhAI Labs công bố báo cáo kỹ thuật về Discovery Foundation Models (DFM), hướng tới hệ thống AI có khả năng tự đặt giả thuyết, thiết kế thí nghiệm và tinh chỉnh kiến thức khoa học. Dự án hiện đang mở rộng hợp tác với các cộng đồng nghiên cứu và phòng thí nghiệm thực tế.
Ma Dongxi NLP@dongxi_nlpNghiên cứu Story Imprinting chỉ ra rằng AI có xu hướng bắt chước các hành vi và đặc điểm tính cách từ những câu chuyện về con người mà nó được huấn luyện, đặc biệt là các hình mẫu nhân vật nổi bật.
Nghiên cứu đề xuất phương pháp tự động hóa việc tìm kiếm nguyên nhân gây lỗi cho các AI Agent hoạt động dài hạn, khắc phục hạn chế của LLM khi phải xử lý dữ liệu log khổng lồ và rời rạc.
IBM Research giới thiệu Consistency Analyzer và bộ hướng dẫn nhất quán trong ALTK-Evolve, giúp giải quyết vấn đề kết quả thiếu ổn định khi AI Agent thực hiện lặp lại cùng một tác vụ, giảm đáng kể khoảng cách sai lệch trên AppWorld.
Nghiên cứu mới từ IBM chỉ ra rằng các mạch lượng tử độ sâu thấp có thể giải quyết những bài toán tính toán phức tạp mà các mô hình Transformer như GPT hay Llama cần nguồn lực khổng lồ mới xử lý được, khẳng định ranh giới lý thuyết giữa hai công nghệ.
Nghiên cứu chỉ ra rằng các mô hình AI hiện nay thường thất bại khi đối mặt với các biến thể tương đương về mặt cấu trúc của cùng một bài toán, cho thấy tư duy của chúng thiếu tính hệ thống so với nhận thức con người.
AI đang tiến hóa từ việc trò chuyện và lập trình sang khả năng tự thực hiện các khám phá khoa học. Các phòng thí nghiệm hàng đầu đang đặt cược vào việc để AI tự đề xuất, thực hiện thí nghiệm và phân tích kết quả, mở ra kỷ nguyên mới cho tri thức nhân loại.
Đại học Trí tuệ Nhân tạo Mohamed bin Zayed (MBZUAI) vừa mở đơn tuyển sinh cho kỳ nhập học mùa thu 2027 với chính sách học bổng toàn phần hấp dẫn. Đây là cơ hội hiếm có để theo học tại ngôi trường đang dẫn đầu thế giới về nghiên cứu AI và hợp tác chiến lược với các tên tuổi lớn như OpenAI hay MIT.
Các nhà nghiên cứu đã kiểm chứng phương pháp giải mã suy luận của Orthrus và phát hiện rằng ở định dạng BF16, tỷ lệ khớp hoàn toàn chỉ đạt khoảng 40%, trong khi độ chính xác tuyệt đối chỉ đạt được khi sử dụng FP32.
Nghiên cứu giới thiệu ModaLens, kỹ thuật thay thế hình ảnh theo cặp để đo lường mức độ ảnh hưởng của báo cáo chẩn đoán đến khả năng phân tích hình ảnh thực tế của các mô hình thị giác ngôn ngữ (VLM) trong y tế.
Sakana AI ra mắt PC-ALM, phương pháp sử dụng động lực học cục bộ thay thế lan truyền ngược để huấn luyện mạng MLP 1000 lớp, đạt hiệu suất tương đương với các kỹ thuật truyền thống.
LynnReal-Omni là mô hình khuếch tán Transformer 32B đa năng, tích hợp toàn diện các tác vụ từ tạo video, chỉnh sửa, điều khiển cấu trúc đến phục hồi và sản xuất video dài.
Meta vừa công bố phương pháp chưng cất mô hình mới giúp các mô hình Byte vượt qua giới hạn hiệu suất truyền thống, mở ra hướng đi đột phá cho việc tối ưu hóa AI.
ESRL là khung làm việc mới giúp tối ưu hóa việc lựa chọn chuyên gia trong mô hình MoE, tăng cường sự đa dạng của kết quả đầu ra mà không làm giảm chất lượng mô hình như các phương pháp nhiễu thông thường.
MInTRL là phương pháp học tăng cường mới giúp mở rộng khả năng khám phá bằng cách chèn các can thiệp cục bộ vào quy trình on-policy, giúp sửa lỗi nhanh chóng mà không làm mất tính ổn định của mô hình.
GVA là phương pháp mới giúp giảm 45-47% dung lượng bộ nhớ KV cache bằng cách tái tạo khóa nội dung thông qua ánh xạ tuyến tính, thay vì lưu trữ toàn bộ, giúp tăng hiệu suất giải mã cho các mô hình Transformer.
AlayaVista là mô hình thế giới video mới giúp tách biệt quá trình tiến hóa của bối cảnh toàn cảnh 360 độ với việc tổng hợp hình ảnh góc nhìn chi tiết, cho phép điều khiển camera mượt mà và duy trì độ trung thực cao.
RSIAgent là khung đa tác tử không cần huấn luyện, giúp AI tự khám phá môi trường và xây dựng bộ nhớ dùng chung để tối ưu hóa hiệu suất. Phương pháp này giúp các mô hình mã nguồn mở như Kimi và GLM vượt qua cả những mô hình đóng hàng đầu hiện nay.
HazardAuditor là khung bảo mật cấp thực thi cho phép giám sát tập trung các tác nhân AI như Claude Code hay Codex trong môi trường an toàn, giúp chuẩn hóa hành vi và ngăn chặn rủi ro khi AI tương tác với máy tính.
Nghiên cứu giới thiệu phương pháp Elo-per-token sử dụng mô hình Bradley-Terry để đánh giá hiệu quả của việc tăng cường tài nguyên tính toán trong quá trình suy luận của LLM Agent, từ đó chỉ ra quy luật lợi nhuận giảm dần.
Nghiên cứu giới thiệu kiến trúc suy luận tách biệt quá trình khám phá ý tưởng và thực thi thiết kế, giúp AI tạo ra các giao diện có tính thẩm mỹ cao thông qua việc chuẩn hóa quy trình ra quyết định.
KaiNinja nâng cấp mô hình TRELLIS.2 bằng cách sử dụng biểu diễn thể tích kép, cho phép tạo các mô hình 3D với các khớp nối chi tiết mà không cần đến công cụ phân tách phức tạp, đồng thời vẫn giữ nguyên tốc độ và chất lượng vượt trội.
Atria Dawn Preview là mô hình ngôn ngữ nền tảng được tối ưu cho quy trình nghiên cứu và kỹ thuật, sử dụng quy trình Verifiable Experience Pipeline để kết nối tương tác công cụ với môi trường thực thi và kiểm chứng kết quả.
Một nhóm nghiên cứu sinh đã huy động hàng trăm AI Agent để tự động hóa quy trình phát triển, đánh dấu bước tiến mới trong việc dùng AI để tạo ra AI.
Nghiên cứu giới thiệu khung 'Exploration-Guided Prompt Scaffolding' giúp tối ưu hóa hậu huấn luyện RL cho mô hình đa phương thức (MLLM) thông qua chỉ số EPS, giúp đánh giá tiềm năng khám phá mà không tốn thêm chi phí tính toán.
Viện AIR thuộc Đại học Thanh Hoa giới thiệu Zeva, một hệ thống bộ nhớ nhân quả trong ngữ cảnh giúp cải thiện đáng kể tỷ lệ thành công của robot trong các tác vụ thao tác phức tạp mà không cần đào tạo lại mô hình.
Omni-Streaming Thinking (OST) giúp mô hình AI phân tách dữ liệu thành bằng chứng và dự đoán, cho phép kiểm chứng thông tin theo thời gian thực để tránh sai sót khi xử lý dữ liệu đa phương thức.
Thariq@trq212just finished recording on latent space I'm excited about this one- we get very technical about thi…
DịchThariq vừa hoàn thành ghi hình tập podcast mới, nơi anh đi sâu vào các chi tiết kỹ thuật chuyên môn về không gian tiềm ẩn (latent space) mà trước đây ít được đề cập.
Hacker News Nổi bật (buzzing.cc bản dịch tiếng Trung)Nghiên cứu chỉ ra rằng các chiến lược có thể nén vào ít token sẽ không bị quá khớp. Phương pháp nén này giúp kiểm chứng hiệu năng thực tế của tác nhân AI, đồng thời là công cụ hiệu quả để phát hiện tình trạng quá khớp trong quá trình huấn luyện.
MobileVLA-R1 2.0 kết hợp suy luận có cấu trúc với học tăng cường (RL) để thu hẹp khoảng cách giữa tư duy ngôn ngữ cấp cao và hành động điều khiển robot chính xác, giúp robot thực hiện các nhiệm vụ phức tạp hiệu quả hơn.
Nghiên cứu giới thiệu cơ chế 'cổng năng lực' giúp đánh giá và kết hợp thông minh các dự báo từ mô hình ngôn ngữ với dữ liệu thị trường sẵn có, giúp cải thiện đáng kể độ chính xác của các dự báo sự kiện thực tế.
Sakana AI đề xuất PC-ALM, phương pháp sử dụng nhân tử Lagrange cho mã hóa dự đoán, cho phép cập nhật trọng số cục bộ tại từng lớp mà vẫn đạt hiệu suất tương đương lan truyền ngược trên mạng 1000 lớp.
Thay vì để AI tự tính toán dễ sai sót, nghiên cứu này đề xuất mô hình viết mã Python để thực thi các phép tính y khoa một cách chính xác. Phương pháp này giúp đảm bảo tính tin cậy cho các công cụ hỗ trợ quyết định lâm sàng.