Import AI 464: Fable viết nhân GPU; tự động hóa AI và tính toán tương tự

Chào mừng bạn đến với Import AI, bản tin về nghiên cứu AI. Import AI vận hành nhờ arXiv, những tách cappuccino và phản hồi từ độc giả. Nếu bạn muốn ủng hộ bản tin này, vui lòng đăng ký theo dõi.

Đăng ký ngay

Fable viết được một GPU kernel khá tốt, gợi mở về khả năng tự động hóa R&D AI trên diện rộng:…Khởi đầu của một vòng lặp RSI…Theo một trong những người duy trì benchmark và bảng xếp hạng chính thức, Fable đã viết được “megakernel thực thụ (và nhanh nhất) từng được gửi tới KernelBench-Mega”. Đây là dấu hiệu cho thấy các hệ thống AI đang ngày càng giỏi hơn trong việc thực hiện các tác vụ nền tảng cho nghiên cứu và phát triển AI, chẳng hạn như thiết kế kernel.

Kết quả: Fable đạt tốc độ nhanh gấp 18,71 lần nhờ viết mã Cuda trên RTX PRO 6000 Blackwell, so với baseline PyTorch đã được tối ưu hóa. Để so sánh, các nỗ lực khác đạt 14,4 lần (Claude Opus 4.8, viết bằng Triton), 11,14 lần (GLM-5.2, Triton) và 4,34 lần (GPT 5.5, Triton). Điểm phức tạp nằm ở chỗ: Giải pháp này đặc biệt ấn tượng vì “torch.profiler cho thấy chính xác MỘT lần khởi chạy kernel hợp tác trên mỗi token được giải mã”. Để so sánh, mọi bài dự thi đạt điểm cao khác đều phân tách vấn đề thành từ 4 đến 14 lần khởi chạy kernel riêng biệt cho mỗi token.

Tại sao điều này quan trọng: Khả năng tự phát triển và cải thiện kernel là một trong những tác vụ đầu vào cơ bản để thực hiện nghiên cứu và phát triển AI. Hệ thống AI càng giỏi trong các tác vụ như thiết kế kernel, chúng càng trở nên thành thạo hơn trong các loại tác vụ cần thiết cho phát triển AI, và điều đó có nghĩa là chúng càng tiến gần hơn đến những thứ có thể dẫn đến khả năng tự cải thiện đệ quy. Do đó, các benchmark như KernelBench-Mega là một tín hiệu ý nghĩa về mức độ hiệu quả của các hệ thống AI trong việc tự xây dựng chính mình. Xem bảng xếp hạng: KernelBench Mega (trang web chính thức). Đọc phân tích từ một trong những người duy trì benchmark tại đây (Elliot Arledge, X).

***

Các hệ thống AI đang ngày càng giỏi hơn trong các tác vụ công việc trực tuyến đắt đỏ – điều đó có ý nghĩa gì đối với nền kinh tế?…Sự mở rộng năng lực AI so với sự mở rộng lợi thế so sánh của con người…Các nhà nghiên cứu tại Center for AI Safety (CAIS) và Scale Labs đã phát hiện sự cải thiện đáng kể trong khả năng tự động hóa các dự án freelance trực tuyến của các hệ thống AI. Cụ thể, tỷ lệ thành công của các hệ thống AI đã tăng từ 2,5% khi ra mắt vào tháng 10 năm 2025 lên 16,1% vào tháng 7 năm 2026 trên “Remote Labor Index” (Chỉ số Lao động Từ xa).

RLI là gì: Remote Labor Index kiểm tra mức độ hiệu quả của các hệ thống AI trong việc thực hiện các dự án có giá trị kinh tế trực tuyến theo quy trình end-to-end hoàn chỉnh. Các tác vụ được đánh giá bao gồm 3D & CAD, kiến trúc, thiết kế đồ họa, video và hoạt họa, âm thanh, phân tích dữ liệu, ứng dụng web, v.v.

Tự động hóa gia tăng: Trong bản cập nhật tháng 7, các tác giả đã công bố kết quả đánh giá ba mô hình tiên phong gần đây – GPT-5.5, Opus 4.8 và Fable 5, lần lượt đạt 6,3%, 8,3% và 16,1%. Họ viết: “Năng lực tiên phong đã tăng hơn gấp bốn lần trong chưa đầy tám tháng, một tín hiệu cụ thể cho thấy các tác nhân AI có năng lực kinh tế đang tiến bộ nhanh chóng như thế nào”.

Các loại tác vụ: Một số tác vụ được đánh giá bao gồm:

Thiết kế nhẫn: “Tạo lại chiếc nhẫn đính hôn hiện có của khách hàng với viên đá trung tâm cắt kiểu emerald được thay thế bằng kiểu cắt marquise, cung cấp mô hình 3D cập nhật cùng các bản render chân thực bằng vàng hồng và vàng vàng.”

Video quảng cáo: “Sản xuất một video quảng cáo hoạt hình 2D phẳng dài khoảng 60 giây cho “Skyline Tree Services”, khớp với phần lồng tiếng được cung cấp, dẫn dắt người xem qua quy trình chăm sóc cây của công ty và xây dựng niềm tin vào thương hiệu.”

Mặt bằng & Bản render: “Từ bản đồ địa chính đã quét, ảnh chụp hiện trạng và các số đo, hãy tạo ra một mặt bằng có kích thước rõ ràng, các tùy chọn bố trí nội thất và các bản render chân thực của phòng tắm đã được thiết kế lại.”

Tại sao điều này quan trọng – AI có thể có tác động lớn đến việc làm và các bài kiểm tra như thế này sẽ cho chúng ta thấy điều đó: Điều gì sẽ xảy ra với việc làm trực tuyến khi con số này đạt 80%? Tất nhiên, một số tác vụ mới sẽ được tạo ra – con người sẽ đổi mới và tìm ra những việc họ có thể làm mà hệ thống AI không thể. Nhưng sẽ có bao nhiêu tác vụ mới như vậy? Liệu có đủ để thay thế công việc mà các hệ thống AI hiện đang làm? Tôi ngày càng khó hòa giải sự tiến bộ liên tục của các hệ thống AI với một nền kinh tế không thay đổi – thay vào đó, tôi cho rằng chúng ta sắp chứng kiến các tổ chức cực kỳ ít nhân sự, nặng về AI (hoặc không có nhân sự) mở rộng để chiếm lĩnh các mảng của nền kinh tế, vượt mặt những con người không được tăng cường bởi công nghệ. Vâng, bạn có thể phản bác rằng nhiều người sẽ tự tăng cường bản thân bằng các hệ thống AI. Con người sẽ đổi mới. Sự hủy diệt sáng tạo sẽ xảy ra. Những phát minh mới sẽ được nghĩ ra. Tất cả điều đó đều đúng. Nhưng liệu tốc độ con người đổi mới và trở nên cạnh tranh trở lại so với các hệ thống AI có nhanh hơn cả a) sự mở rộng năng lực thô của các hệ thống AI, và b) sự thông thạo ngày càng tăng của chúng trong việc sử dụng tất cả các công cụ tương tự (ví dụ: phần mềm) mà các đối thủ con người của chúng sử dụng? Tôi đang đặt cược vào phía ngược lại: Các hệ thống AI đang mở rộng các năng lực có giá trị kinh tế nhanh hơn tốc độ con người mở rộng lợi thế so sánh của mình so với AI. Theo dõi tốc độ cải thiện năng lực trên các bài kiểm tra như RLI sẽ giúp tất cả chúng ta tự đánh giá điều này. Đọc thêm: Sự gia tăng đáng kể trong tự động hóa lao động kỹ thuật số (Center for AI Safety).

***

OSWORLD 2.0 cho thấy chúng ta đang ở kỷ nguyên của những robot sử dụng máy tính trong nhiều giờ:…Một benchmark đầy thách thức làm nổi bật sự tiến bộ gần đây của các hệ thống AI trong việc ngày càng trở nên thành thạo khi sử dụng máy tính…Các nhà nghiên cứu từ Đại học Hồng Kông, Đại học California tại San Diego, Đại học Columbia, Đại học California tại Santa Barbara, Mila, Snorkel AI, Đại học Wisconsin, Alibaba Qwen, Đại học Bang Ohio, Simular và NeoCognition đã phát hành OSWORLD 2.0, một benchmark để đánh giá mức độ hiệu quả của các hệ thống AI trong việc thực hiện các tác vụ đa bước, đa chương trình trên máy tính. Các tác vụ trong OSWORLD 2.0 phức tạp hơn nhiều so với phiên bản 1.0 tiền nhiệm, với tác vụ trung bình mất khoảng 1,6 giờ để hoàn thành, dài gấp khoảng 48 lần so với mức trung bình 2 phút trong OSWORLD 1.0.

Nó bao gồm những gì: OSWorld 2.0 chứa 108 tác vụ dài hạn bao gồm 31 trang web tự lưu trữ. Họ viết: “Mỗi tác vụ trong OSWORLD 2.0 được định nghĩa là một quy trình end-to-end khép kín mà một tác nhân phải hoàn thành dựa trên mục tiêu cấp cao của người dùng, các artifact thực tế, môi trường máy tính có trạng thái và trạng thái cuối cùng có thể chấm điểm. Một tác vụ được giữ lại phải đáp ứng hai tiêu chí thiết kế. 69,6% các tác vụ được ước tính mất hơn một giờ đối với một người dùng có kỹ năng.” Phần mềm mở rộng: OSWORLD 1.0 đi kèm với một số phần mềm tích hợp để hỗ trợ các tác vụ của nó, bao gồm LibreOffice, GIMP, VLC, Thunderbird, VS Code và Chrome. OSWORLD 2.0 đi kèm với một bộ phần mềm mở rộng lớn, bao gồm: Slack, LinkedIn, Shortcut, REAPER, MuseScore, WPS, GitLab, Overleaf, LabPlot, Zotero, AWS, cũng như các trang web mô phỏng các dịch vụ chuyên nghiệp như cổng thông tin yêu cầu bảo hiểm, đơn xin thị thực và quản lý hội nghị. Các danh mục tác vụ mà con người cần hoàn thành bao gồm: chuẩn bị tài liệu, công việc phần mềm & cơ sở dữ liệu, phân tích tài chính/vận hành, hỗ trợ hành chính, bán hàng và hỗ trợ khách hàng, trình bày đồ họa, v.v.

Hiệu suất kém (hiện tại): Họ viết: “Các thí nghiệm của chúng tôi cho thấy các tác nhân hiện tại vẫn còn cách xa việc sử dụng máy tính đáng tin cậy: cài đặt mạnh nhất, Claude Opus 4.8 với khả năng suy luận tối đa và gọi công cụ theo lô, chỉ đạt 20,6% độ chính xác nhị phân và 54,8% độ chính xác điểm số một phần. Hiệu suất giảm mạnh khi các tác vụ trở nên dài hơn, và các tác nhân gặp khó khăn nhất khi phải khôi phục trạng thái ẩn, theo dõi nhiều mục, giải quyết thông tin mâu thuẫn hoặc thích ứng với các yêu cầu thay đổi”. Chúng ta nên kỳ vọng hiệu suất sẽ tăng lên ở đây, giống như những gì đã xảy ra với OSWORLD 1.0; vào tháng 7 năm 2025, các mô hình đạt điểm cao nhất chỉ đạt ~30%, và các mô hình gần đây đã đạt khoảng ~75% (MiniMax M3; tháng 6 năm 2026). Chúng ta nên kỳ vọng sự tăng trưởng tương tự với OSWORLD 2.0.

Tại sao điều này quan trọng – đây là cách AI thâm nhập vào nền kinh tế rộng lớn hơn: Sử dụng máy tính là kỹ năng cơ bản để AI có thể thực hiện nhiều loại tác vụ có giá trị kinh tế, và cũng để nó thực hiện nhiều loại nghiên cứu khoa học hơn. Hoàn thành công việc trong thế giới thực thường không đơn giản như chỉ viết một đoạn văn bản hay mã máy tính; thường bạn cần kết nối nhiều khối văn bản và mã thông qua các loại phần mềm khác nhau, và đôi khi bạn cần truyền văn bản và mã của mình qua internet để chúng được đưa vào các phần mềm khác. Các benchmark như OSWORLD 2.0 nên được xem là thước đo cho thấy các hệ thống AI đang trở nên giỏi như thế nào trong việc thực hiện các tác vụ rất phức tạp và đa dạng trên máy tính. Như các kết quả này cho thấy, máy tính đã trở nên thành thạo với các tác vụ sử dụng một bộ công cụ phần mềm hạn chế và mất vài phút để hoàn thành; giờ đây chúng ta cần xem chúng trở nên thành thạo nhanh như thế nào trong việc sử dụng các bộ phần mềm rộng hơn và thực hiện các tác vụ mất hàng giờ để hoàn thành. Đọc thêm: OSWorld 2.0: Benchmarking Computer-Use Agents on Long-Horizon Real-World Tasks (trang web chính thức của bài báo). Xem bài báo nghiên cứu tại đây: OSWorld 2.0: Benchmarking Computer-Use Agents on Long-Horizon Real-World Tasks (xlang-ai, OSWorld-V2, GitHub, pdf).

***

AI trong thế giới thực trông như thế nào: deep learning kết hợp với các hệ thống có cấu trúc để quản lý hàng tồn kho tại Amazon của Trung Quốc:…Oxygen AI Item Center cho chúng ta cái nhìn về sự phức tạp của thương mại điện tử quy mô quốc gia…JD, Amazon của Trung Quốc, đã công bố chi tiết về phần mềm mà họ đã xây dựng để quản lý hệ thống hàng tồn kho khổng lồ của mình. JD có 700 triệu người dùng và hàng triệu thương nhân, với danh mục chứa hàng chục tỷ SKU. Phần mềm này – Oxygen AI Item Center (Oxygen AIIC) – là nền tảng cho cách gã khổng lồ thương mại điện tử này theo dõi hàng tồn kho của mình. JD viết trong một bài báo nghiên cứu về phần mềm này: “Oxygen AIIC hiện bao phủ hàng chục nghìn danh mục của JD và xử lý hàng trăm triệu cập nhật mặt hàng mỗi ngày trên các NPU Huawei Ascend”.

Bốn yếu tố chính của Oxygen AIIC. Mô tả về những gì làm cho Oxygen trở nên đặc biệt vừa hữu ích từ góc độ kỹ thuật, vừa thú vị như một dạng văn phong kiểu Borges mô tả các cấu trúc kỳ lạ, thanh tao được yêu cầu bởi công nghệ tiên tiến (ví dụ: “Unified item tunnel”).

Kỹ thuật bản thể luận (Ontology engineering) được thúc đẩy bởi sự hợp tác hiệu quả giữa người và AI. “Các chuyên gia tập trung vào việc chắt lọc kiến thức ngành, trong khi các thuật toán học hỏi từ đó để mở rộng quy mô xây dựng bản thể luận và thúc đẩy sự tiến hóa liên tục”.

“Tìm kiếm ngữ nghĩa rồi phân biệt”: Họ viết: “Trong giai đoạn tìm kiếm ngữ nghĩa, bản thể luận phát triển năng động được ngoại hóa thành một cơ sở tri thức bản thể luận riêng biệt, cho phép cập nhật bản thể luận liên tục mà không cần đào tạo lại mô hình. Trong giai đoạn phân biệt, mô hình chỉ xác định xem mặt hàng đó có khớp với các mục bản thể luận đã truy xuất hay không. Công thức này làm giảm đáng kể độ phức tạp của tác vụ, giảm thiểu hiện tượng ảo tưởng của mô hình và tăng cường khả năng tổng quát hóa đối với sự tiến hóa của bản thể luận”.

Các LLM/VLM hiểu mặt hàng tự tiến hóa: Họ viết: “Thông qua học tăng dần và tự tiến hóa mô hình, hệ thống lấp đầy các khoảng trống kiến thức mục tiêu và giảm thiểu hiện tượng quên thảm họa. Phương pháp cốt lõi là xây dựng trên nền tảng đa tác vụ mạnh mẽ, phát triển các “mô-đun chuyên gia” nhẹ cho các yêu cầu tăng dần và tích hợp chúng một cách năng động vào nhóm chuyên gia, cho phép mở rộng năng lực linh hoạt”.

“Unified item tunnel” (Đường hầm mặt hàng thống nhất): Giao diện chính giữa Oxygen AIIC và các ứng dụng kinh doanh khác. “nó hỗ trợ các quy trình sản xuất và phân phối theo ngày, phút và giây trong khi vẫn duy trì tính nhất quán của dữ liệu”.

Những điều khiến bạn phải suy ngẫm – như một phần trong nỗ lực chung của Trung Quốc hướng tới chủ quyền công nghệ, Oxygen AIIC liên quan đến năng lực tính toán của Trung Quốc. “Trong quá trình triển khai quy mô lớn Oxygen AIIC, nền tảng tính toán cơ bản gặp phải hai thách thức kỹ thuật chính: đào tạo mô hình và suy luận trên các NPU Huawei Ascend, và việc sử dụng hiệu quả các tài nguyên tính toán.”

Tại sao điều này quan trọng – các doanh nghiệp tự cập nhật: Các công nghệ như Oxygen AIIC là một ví dụ về cách các công cụ AI hiện đại cho phép chúng ta tạo ra các doanh nghiệp có trí thông minh được đan cài vào các chức năng văn phòng hỗ trợ, như quản lý hàng tồn kho, cho phép chúng vận hành ở quy mô lớn hơn nhiều so với các doanh nghiệp trước đây, đồng thời có khả năng tự cập nhật và học hỏi, thường không cần nhiều sự giám sát của con người. Đọc thêm: JD Oxygen AI Item Center (Oxygen AIIC) V1: An Industrial-Scale LLM/VLM-Centric Solution for Item Understanding, Management, and Applications (arXiv).

***

Chuyện Công nghệ:

Những bánh răng đồng của nền văn minh [2050, sau sự sụp đổ]

Khi bạn được kết nạp vào bang hội, họ hỏi bạn muốn giải quyết loại vấn đề nào. Những vấn đề này có số lượng hạn chế và quan trọng đối với nền văn minh:

Dự báo thời tiết

Phân tích đại dương

Chuẩn bị ứng phó lũ lụt

Mô phỏng động đất

Mô hình lưới điện

Nước và khử muối

Để giải quyết những vấn đề này, bạn nghiên cứu loại tính toán tương tự (analog computation) cụ thể cần thiết cho chúng. Thời tiết đòi hỏi một chiếc máy tính khổng lồ với các đặc điểm địa lý như núi được triển khai dưới dạng các cấu trúc trở kháng cố định trong phần cứng; lũ lụt đòi hỏi các mô hình chính xác về mặt vật lý của các vùng ngập lũ và sông ngòi, nơi các thiết bị điện tử được đan cài vào cảnh quan, cho phép tận dụng vật lý và tính toán để tạo ra các câu trả lời tốt hơn; lưới điện là những hộp đồ chơi của hệ thống điện phải được xây dựng lại và cân bằng lại một cách tỉ mỉ khi các trạm điện mới được thêm vào và đường truyền thay đổi.

Với mỗi vấn đề, đều có một giải pháp tính toán, và với mỗi vấn đề có tầm quan trọng đủ lớn đối với nền văn minh, một chiếc máy tính sẽ được xây dựng.