NgànhĐiểm AI 85/100
Cặp bài trùng từ Huawei khởi nghiệp: Đi tìm Scaling Law cho thế giới vật lý
Hai chuyên gia từ đội ngũ mô hình lớn của Huawei bắt tay khởi nghiệp, đặt mục tiêu giải mã Scaling Law trong các tương tác với thế giới thực.
Toàn bộ tin AI · Thẻ “Scaling Law”
25/09
Thứ Sáu · 1 tin22/09
Thứ Ba · 1 tinQuan điểmĐiểm AI 37/100
"Tôi đã thấy tín hiệu của Scaling Law": Trò chuyện với GS. Từ Mộng Địch về AI hiện thân và mô hình thế giới
Cuộc đối thoại chuyên sâu với GS. Từ Mộng Địch (Đại học Thanh Hoa) về tương lai của AI hiện thân, tiềm năng của mô hình thế giới và khả năng đạt được sự khái quát hóa thực sự trong trí tuệ nhân tạo.
18/09
Thứ Sáu · 1 tin
Rohan Paul@rohanpaul_aiHướng dẫnĐiểm AI 55/100
Figure công bố mô hình Helix 2.5: Đột phá khả năng tự học của robot trong môi trường thực tế
Figure may have found a scaling rule for robot pretraining: keep the model and task training fixed, …
DịchMô hình robot end-to-end Helix 2.5 của Figure đạt bước tiến lớn khi nâng tỷ lệ thành công zero-shot từ 9% lên 56% tại 30 hộ gia đình mới, đánh dấu cột mốc quan trọng trong việc áp dụng Scaling Law cho robot.
17/09
Thứ Năm · 1 tinNgànhĐiểm AI 92/100
Tinh chọnOpenAI đưa AI vào thế giới thực: Cuộc đua thu thập 10 triệu giờ kinh nghiệm con người cho robot
Khi AI vượt khỏi thế giới số để điều khiển robot, dữ liệu từ góc nhìn thứ nhất (egocentric data) đang trở thành chìa khóa mới. Các công ty đang chạy đua thu thập hàng triệu giờ kinh nghiệm con người để huấn luyện mô hình robot thế hệ mới.
Vì sao đáng đọc: Bài viết phân tích sâu sắc xu hướng chuyển dịch từ dữ liệu internet sang dữ liệu hành vi thực tế, một cột mốc quan trọng trong sự phát triển của robot AI.
14/09
Thứ Hai · 1 tin
AI Notes@AYi_AInotesNgànhĐiểm AI 38/100
Nhà sáng lập Kimi: Từ bỏ giải trí để dồn lực cho Scaling Law và năng lực suy luận
Dương Thực Lân (Yang Zhilin) chia sẻ lý do Kimi loại bỏ mảng giải trí để tập trung vào các tác vụ tri thức chuyên sâu. Ông khẳng định Scaling Law là cốt lõi, đồng thời nhấn mạnh khả năng suy luận dài hạn mới là chìa khóa thực sự thay vì chỉ là cửa sổ ngữ cảnh dài.
12/09
Thứ Bảy · 1 tinNgànhĐiểm AI 88/100
Tinh chọnTừ định vị đến 'vấp ngã rồi đứng dậy': Robot có đang lặp lại con đường Scaling của mô hình ngôn ngữ lớn?
Startup BrightSource đang áp dụng quy trình ba bước của LLM—tiền huấn luyện, căn chỉnh và triển khai—vào lĩnh vực robot thực tế, nhằm giải quyết bài toán khó về khả năng thích nghi trong môi trường vật lý thay vì chỉ dừng lại ở các bài kiểm tra mô phỏng.
Vì sao đáng đọc: Bài viết phân tích sâu sắc xu hướng chuyển dịch từ mô hình ngôn ngữ sang robot thực tế (Embodied AI), cung cấp góc nhìn chuyên môn từ cựu chuyên gia OpenAI.
10/09
Thứ Năm · 1 tinNgànhĐiểm AI 88/100
Tinh chọnPhỏng vấn CEO Lightwheel AI Tạ Thần: Hai 'kim tự tháp' trong Scaling Law của trí tuệ hiện thân
CEO Tạ Thần chia sẻ về chiến lược xây dựng dữ liệu quy mô lớn cho robot, khẳng định Scaling Law của trí tuệ hiện thân cần hai trụ cột song hành: dữ liệu con người để huấn luyện và mô phỏng để đánh giá.
Vì sao đáng đọc: Bài viết cung cấp góc nhìn chuyên sâu từ chuyên gia đầu ngành về xu hướng dữ liệu cho robot, rất có giá trị cho những người quan tâm đến tương lai của AI hiện thân.
20/08
Thứ Năm · 3 tinRohan Paul@rohanpaul_aiHướng dẫnĐiểm AI 42/100
Nhà sáng lập Zhipu AI: Scaling Law không chỉ nằm ở số lượng tham số
Brilliant piece by Zhipu Founder Tang Jie. AI scaling is moving past parameter growth. "How many …
DịchĐường cong tăng trưởng mô hình không còn phụ thuộc vào tham số, mà nằm ở dữ liệu, tính toán và hậu huấn luyện. Zhipu chứng minh GLM-5.3 dù cùng cấu trúc với bản cũ nhưng nhờ tối ưu hóa suy luận và RL, hiệu suất đã vượt trội đáng kể.
Nghiên cứuĐiểm AI 85/100
Kỷ nguyên hậu tham số: CEO Z.ai Jie Tang bàn về GLM 5.3 và quy luật mở rộng hậu huấn luyện mới
CEO của Z.ai chia sẻ về sự thay đổi trong cách đánh giá sức mạnh mô hình AI, nơi quy luật mở rộng hậu huấn luyện dần thay thế tầm quan trọng của số lượng tham số truyền thống.
Thomas Wolf (Hugging Face đồng sáng lập/CSO)@Thom_WolfHướng dẫnĐiểm AI 39/100
Cùng sự kiệnTang Jie chia sẻ về Scaling Law: Thử nghiệm hậu huấn luyện trên GLM-5.3
I wish every neolab had a professor as cofounder of the level of @jietang and so able to put in pers…
DịchTang Jie từ Zhipu AI khẳng định chi phí suy luận đang dần chiếm ưu thế trong vòng đời mô hình. Thử nghiệm trên GLM-5.3 cho thấy việc tối ưu hóa hậu huấn luyện bằng RL có thể nâng cao năng lực đáng kể mà không cần thay đổi kiến trúc hay tham số.
Cùng sự kiện, bài đại diện «Tang Jie (Zhipu AI) bàn về Scaling Law: GLM-5.3 là bước tiến trong tối ưu hóa mô hình»19/08
Thứ Tư · 4 tin
Kim@kimmonismusHướng dẫnĐiểm AI 40/100
GLM-5.3 chứng minh: Sức mạnh AI không chỉ nằm ở số lượng tham số
Interesting take by the zAI (GLM-Models) founder: AI scaling is not over, but we just focused too mu…
DịchNhà sáng lập Zhipu AI khẳng định việc tối ưu hóa dữ liệu và huấn luyện hậu kỳ (RL) quan trọng hơn việc chỉ tăng quy mô tham số, minh chứng qua bước nhảy vọt về hiệu năng của GLM-5.3 so với bản tiền nhiệm.
Hướng dẫnĐiểm AI 41/100
Tang Jie (Zhipu AI) bàn về Scaling Law: GLM-5.3 là bước tiến trong tối ưu hóa mô hình
Nhà sáng lập Zhipu AI khẳng định Scaling Law không chỉ nằm ở số lượng tham số mà còn là sự kết hợp giữa dữ liệu, tính toán và cấu trúc. GLM-5.3 cho thấy xu hướng chuyển dịch từ việc chạy đua quy mô sang tìm kiếm cấu trúc tối ưu cho suy luận dài hạn.
Thêm 4 nguồn khác đưa tinX: Thomas Wolf (Hugging Face đồng sáng lập/CSO) (@Thom_Wolf)Latent SpaceX: Tang Jie (@jietang)X: Ma Dongxi NLP (@dongxi_nlp)
Ma Dongxi NLP@dongxi_nlpMô hìnhĐiểm AI 44/100
Tang Jie bàn về Scaling Law: Thử nghiệm hậu huấn luyện trên GLM-5.3
Tang Jie phản biện Scaling Law, khẳng định hiệu năng không chỉ phụ thuộc vào số lượng tham số mà còn ở dữ liệu và tối ưu hóa hậu huấn luyện. Thử nghiệm trên GLM-5.3 cho thấy chỉ cần tinh chỉnh RL trong một tháng đã mang lại bước tiến lớn mà không cần thay đổi kiến trúc.
Thêm 1 nguồn khác đưa tinLatent Space
Tang Jie@jietangMô hìnhĐiểm AI 56/100
Cùng sự kiệnTang Jie chia sẻ về Scaling Law: Thử nghiệm hậu huấn luyện trên GLM-5.3
Thoughts About Scaling Law Scaling, but not only of parameters. Every model release now ends with t…
DịchTang Jie khẳng định Scaling Law không chỉ nằm ở quy mô tham số mà còn ở dữ liệu và tính toán. Thử nghiệm GLM-5.3 cho thấy việc tối ưu hóa hậu huấn luyện (RL) giúp cải thiện hiệu suất vượt trội mà không cần thay đổi kiến trúc hay tăng tham số.
Cùng sự kiện, bài đại diện «Tang Jie (Zhipu AI) bàn về Scaling Law: GLM-5.3 là bước tiến trong tối ưu hóa mô hình»Tổng 14 tin, không còn tin nào nữa