Dòng tin
Mới hôm nay
AnswerDotAI phát hành fastcore phiên bản 2.2.33
- ›Jeremy Howard (jph00) đã phát hành phiên bản 2.2.33 của thư viện fastcore thuộc tổ chức AnswerDotAI trên GitHub.
- ›Tính năng mới chính: Thêm các ngoại lệ HTTP5xx dành riêng cho từng mã trạng thái (status-specific HTTP5xx exceptions) và nâng các lớp con lỗi HTTP từ urlopen để tất cả các hàm URL đều nhận được các ngoại lệ này (issue #946).
Trước đó
Không tiêu đề
⏳ Chưa dịch
Chúng ta sẽ cần giới hạn ngân sách cứng mặc định cho hầu hết mọi thứ
- ›Simon Willison cho rằng thế giới sẽ cần nhiều hơn tính năng 'default hard budget caps' (giới hạn ngân sách cứng mặc định) trong các dịch vụ trả tiền theo mức sử dụng và API, cho phép người dùng đặt mức 'sau $X/tháng, hãy cắt dịch vụ và trả lỗi'.
- ›Các tác nhân lập trình (coding agents) và tác nhân cá nhân làm giảm đáng kể rào cản khi tạo ra mã có thể tiêu tốn chi phí (gọi API trả phí, ứng dụng web, lưu trữ và tính toán), và không ai muốn thức dậy với hóa đơn hàng nghìn đô la do dịch vụ chạy quá kiểm soát.
- ›Lập luận phản đối cho rằng doanh nghiệp không muốn ứng dụng của họ bắt đầu báo lỗi vì vượt ngân sách, nhưng Willison cho rằng hầu hết sẽ thích lỗi hơn hóa đơn bất ngờ $10.000+.
- ›Willison đề xuất hard budget caps nên là mặc định, và nếu ai đó muốn 'sống liều' thì phải chọn tham gia (opt-in) với một checkbox rõ ràng: 'Gỡ bỏ giới hạn ngân sách. Ứng dụng của tôi sẽ không bị tắt nếu vượt quá giới hạn, và tôi chịu trách nhiệm cho các khoản phí tiếp theo.'
- ›Dịch vụ được mong đợi nhất là AWS, vì nhiều người từ chối sử dụng AWS cho dự án cá nhân vì sợ chi phí vượt kiểm soát; AWS đã ra mắt tính năng spending limits vào tháng 9/2026, cho phép đặt giới hạn chi tiêu hàng tháng và tạm dừng dự án nếu vượt quá.
- ›Google Cloud cũng ra mắt Spend Caps vào tháng 7/2026, cho phép đặt giới hạn tài chính hàng tháng trên các dịch vụ cụ thể; Willison hy vọng các tác nhân AI sẽ ưu tiên các nhà cung cấp có hard budget caps và cảnh báo người dùng mới.
Agent nói đã xong, nhưng cơ sở dữ liệu không đồng ý
- ›Bài viết của Hugging Face đề cập đến sự khác biệt giữa khẳng định của một AI agent và trạng thái thực tế trong cơ sở dữ liệu.
- ›Nội dung nhấn mạnh vấn đề độ tin cậy và kiểm chứng hành động của agent trong các hệ thống tự động.
- ›Chủ đề liên quan đến AI agents, cơ sở dữ liệu và quản lý trạng thái.
Bản tin tháng 9 dành riêng cho nhà tài trợ
- ›Simon Willison đã gửi bản tin tháng 9 dành riêng cho nhà tài trợ (sponsors-only monthly newsletter), có thể truy cập tại GitHub nếu là nhà tài trợ hoặc bắt đầu tài trợ ngay.
- ›Các chủ đề trong bản tin tháng 9 bao gồm: More Fable class models, A pricing war, 3D graphics (Blender và pixel art), LLMs come for mathematics, So many more accidental cyberattacks, The vulnapocalypse comes for Datasette, What I'm using right now, My software releases this month, và 2026 in LLMs (so far).
- ›Bản tin tháng 8 được cung cấp làm bản xem trước; mức tài trợ $10/tháng giúp người đọc nhận được bản tin sớm hơn một tháng so với bản miễn phí.
[AINews] Hôm nay không có nhiều chuyện
- ›Bản tin AI News ngày 1-2/10/2026 kiểm tra 12 subreddit, 544 Twitter và không có Discord nào. Nội dung chính xoay quanh việc ra mắt GPT-6.1 Sol và Sonnet 5.5, làm thay đổi đường cong chi phí-hiệu năng.
- ›OpenAI ra mắt GPT-6.1 Sol với giá $2/$10 mỗi triệu token input/output, so với $10/$50 của Astra. Sol được cho là vượt GPT-6 Sol 6.4 điểm trên DeepSWE v1.1 và vượt Opus 5.5 2.2 điểm trên AutomationBench. OpenAI mô tả Sol là 'tốt, rẻ VÀ nhanh'.
- ›Trên Agent Arena, Sol [Max] xếp #5 (+11.23%) với chi phí trung bình $0.56 mỗi tác vụ, rẻ hơn 39% so với GPT-6 Sol và ghi điểm cao hơn 1.52 điểm; rẻ hơn 81% so với Astra và chỉ kém 1.04 điểm. Sonnet 5.5 [Max] ra mắt ở #3 (+12.5%) và đứng #1 ở hạng mục Chat, với chi phí $2.74 mỗi tác vụ.
- ›Anthropic hiện nắm giữ ba vị trí dẫn đầu trên Agent Arena. Trong các bảng xếp hạng khác, Sol vào WebDev #3 trước khi bị Sonnet 5.5 đẩy xuống #4; Gemini 4 Argon [High] đứng #1 ở Text Arena; MiMo-V2.6-Pro và Flash vào Agent Arena ở vị trí #5 và #9 trong số các open model.
- ›Các đánh giá độc lập cho thấy Sol rất tiết kiệm token, gần bằng Astra nhưng có peak thấp hơn. Sonnet 5.5 đánh bại Opus 5, Grok 4.7 đánh bại Kimi-K3. Design Arena phân tích 324 bản tóm tắt suy luận, phát hiện Astra 'phòng thủ' (hedge) nhiều gấp 20 lần Opus 5.5, trong khi Opus thường cam kết sớm.
- ›Ngoài ra còn có thông tin về Step 5 Preview và các sự kiện khác, nhưng nhìn chung ngày hôm nay không có nhiều sự kiện đột phá ngoài các bản phát hành model và cập nhật bảng xếp hạng.
Cửa hàng khủng long của Rex
- ›Đây là một quầy báo cũ nằm ngay trước cửa quay ở ga tàu điện ngầm Grand Army Plaza, phía bắc công viên Prospect Park ở Brooklyn.
- ›Quầy báo hiện được vận hành bởi một con khủng long, với mật độ các câu chơi chữ về khủng long 'đặc biệt'.
- ›Bài viết được gắn thẻ nghệ thuật và New York, thuộc bộ sưu tập các bảo tàng ngách.
Hướng dẫn chọn model cho dòng GPT-6
- ›Hướng dẫn này dành cho các startup để chọn lựa model phù hợp trong dòng GPT-6, bao gồm cách tinh chỉnh reasoning effort, cải thiện prompt và kỹ năng (skills).
- ›Nội dung cũng đề cập đến việc phối hợp các công cụ (tools) và chuẩn bị workflow cho môi trường sản xuất (production), giúp startup tối ưu hóa hiệu suất và chi phí khi sử dụng GPT-6.
Mã nguồn mở AstaBrief, mô hình tạo báo cáo nhanh trong Asta
- ›Hugging Face công bố mã nguồn mở AstaBrief, mô hình chuyên tạo báo cáo nhanh.
- ›AstaBrief là một phần của hệ sinh thái Asta.
- ›Động thái này nhằm giúp cộng đồng sử dụng và phát triển mô hình tạo báo cáo.
- ›Không có trích đoạn chi tiết; các thông tin kỹ thuật cụ thể cần xem bài gốc.
Các cập nhật AI mới nhất của Google công bố trong tháng 9 năm 2026
- ›Đây là bài tổng hợp các cập nhật AI của Google trong tháng 9/2026.
- ›Bài viết được giới thiệu kèm hình ảnh tiêu đề nhưng không có chi tiết cụ thể trong đoạn trích.
- ›Nội dung nằm trên blog chính thức của Google, đóng vai trò điểm tin tổng quan về các sản phẩm và nghiên cứu AI mới.
- ›Để biết chi tiết từng thông báo, người đọc cần truy cập bài gốc đầy đủ.
Hướng tới học liên kết có quyền riêng tư có thể chứng minh được từ dữ liệu phân tán
- ›Google AI công bố nghiên cứu về học liên kết (federated learning) với mục tiêu bảo mật có thể chứng minh được.
- ›Nội dung thuộc chủ đề Mobile Systems, cho thấy hướng ứng dụng trên hệ thống di động.
- ›Trọng tâm là xây dựng phương pháp học từ dữ liệu phân tán mà không làm lộ thông tin người dùng.
- ›Đoạn trích không có chi tiết thuật toán hay kết quả cụ thể; cần đọc bài gốc để biết thêm.
Còn đến 12/10 để xem mô hình tỷ lệ New York City làm từ bìa carton và gỗ balsa của Joe Macken
- ›Simon Willison chia sẻ thông tin về mô hình tỷ lệ New York City do Joe Macken thực hiện bằng bìa carton và gỗ balsa.
AI Từ Trong Ra Ngoài: Tái Xây Dựng Airbnb Hậu Trường và Trải Nghiệm Khách Hàng
- ›Bài viết thảo luận về cách Airbnb đang ứng dụng AI để tái xây dựng nền tảng từ hậu trường (backend) đến trải nghiệm khách hàng (guest experience).
- ›Nội dung tập trung vào việc tích hợp AI vào các quy trình vận hành nội bộ và cải thiện tương tác với người dùng, tuy nhiên chi tiết cụ thể về các công nghệ hay kết quả không được cung cấp trong đoạn trích này.
- ›Hình ảnh minh họa cho thấy giao diện Airbnb với các yếu tố AI, gợi ý về sự thay đổi trong cách đề xuất và cá nhân hóa.
[AINews] Pi 1.0, Pi Durable, and AIE NYC
⏳ Chưa dịch
AutoSynthData: Tạo dữ liệu huấn luyện cho agent doanh nghiệp
- ›Bài viết trên blog Hugging Face giới thiệu AutoSynthData, một giải pháp nhằm tự động sinh dữ liệu huấn luyện cho các agent AI trong môi trường doanh nghiệp.
- ›Vấn đề trọng tâm: dữ liệu huấn luyện chất lượng cao cho agent thường đắt đỏ, khó thu thập và thiếu tính đa dạng, đặc biệt trong các tác vụ đặc thù của doanh nghiệp.
- ›AutoSynthData sử dụng các mô hình tổng hợp (generative models) để tạo ra các mẫu hội thoại và tương tác mô phỏng thực tế, qua đó bổ sung cho dữ liệu thủ công.
- ›Phương pháp này giúp giảm chi phí và thời gian chuẩn bị dữ liệu, đồng thời cho phép mở rộng nhanh chóng sang nhiều lĩnh vực nghiệp vụ khác nhau.
- ›Nội dung cũng nhấn mạnh tiềm năng của AutoSynthData trong việc cải thiện hiệu suất của agent ở các nhiệm vụ như hỗ trợ khách hàng, tự động hóa quy trình và quản lý tri thức nội bộ.
AnswerDotAI phát hành ipyai 0.1.7
- ›Phát hành phiên bản 0.1.7 của thư viện ipyai từ tổ chức AnswerDotAI (ngày 1 tháng 10 năm 2026).
- ›Cập nhật chính: tái cấu trúc kiến trúc ipyai quanh một Controller đảm nhận việc sở hữu session Dialog và một View đồng bộ các Messages đến keyed blocks (issue #37).
- ›Thay đổi này nhằm tách biệt rõ ràng giữa logic điều khiển và giao diện hiển thị, giúp quản lý luồng hội thoại linh hoạt hơn.
AnswerDotAI phát hành teleprint 0.1.4
- ›Phát hành phiên bản 0.1.4 của thư viện teleprint từ AnswerDotAI (ngày 1 tháng 10 năm 2026).
- ›Tính năng mới: thiết kế lại API compositor xoay quanh keyed blocks, hỗ trợ các thao tác put, drop, extend, toggle.
- ›Bổ sung context manager 'borrow' và cho phép compositor sở hữu input, modes và signals (issue #6).
- ›Những thay đổi này giúp tăng tính linh hoạt và khả năng mở rộng khi quản lý các thành phần giao diện và tương tác trong ứng dụng.
Học thuật dành cho tham vọng — Alex Zhang, MIT
- ›Bài viết giới thiệu Alex Zhang, nghiên cứu sinh MIT, là một trong những 'siêu sao tiến sĩ' mới nổi trong lĩnh vực AI, sau Shunyu Yao (OpenAI, Tencent) và Jack Morris (đồng sáng lập Engram định giá 600 triệu USD).
- ›Alex Zhang đang khám phá việc chúng ta đang lãng phí bao nhiêu năng lực khi bọc các mô hình ngày càng mạnh trong các hệ thống nguyên thủy, từ GPU kernels và KernelBench đến Recursive Language Models (RLM), Mismanaged Geniuses và các bầy đa tác tử quy mô lớn.
- ›RLM (Recursive Language Models) được dự đoán sẽ là xu hướng chủ đạo năm 2026, cho phép mô hình coi prompt của chính nó như một đối tượng bên ngoài, giúp tăng cường sức mạnh.
- ›Một harness dựa trên RLM là hệ thống đầu tiên gần như giải được ARC-AGI-3 trước cả Astra của OpenAI, theo bài đăng trên X của Prime Intellect.
- ›Alex Zhang cũng giới thiệu Prime Agent, một harness RLM tự cải thiện dành cho coding và các tác vụ tự động kéo dài.
World Embedding Benchmark
⏳ Chưa dịch
Chatham mở rộng chuyên môn thị trường vốn với OpenAI
- ›Chatham Financial sử dụng Codex và GPT-5.6 để xây dựng công nghệ và thiết kế lại quy trình làm việc (workflows).
- ›Kết quả là thời gian xác thực giao dịch (trade validation) được giảm từ 30 phút xuống còn dưới 4 phút, cho thấy hiệu quả rõ rệt của AI trong lĩnh vực tài chính.
Xây dựng ứng dụng AI cục bộ với C++ và các mẫu NVIDIA TensorRT RTX
- ›NVIDIA AI giới thiệu bộ sưu tập mã nguồn mở Do Inference Now (DIN) Deploy, bao gồm các mẫu C++ thực tế để tích hợp mô hình AI vào ứng dụng cục bộ.
- ›Bộ công cụ này giải quyết các yêu cầu chính: định dạng mô hình di động, runtime đáng tin cậy và khả năng tăng tốc suy luận trên nhiều hệ thống mục tiêu.
- ›Các mẫu sử dụng NVIDIA TensorRT RTX để tối ưu hóa hiệu năng suy luận trên GPU RTX, giúp giảm độ trễ và tăng thông lượng.
- ›DIN Deploy hỗ trợ nhiều loại mô hình AI khác nhau, cho phép nhà phát triển dễ dàng triển khai local mà không cần phụ thuộc vào cloud.
- ›Bộ mẫu được thiết kế để thu hẹp khoảng cách giữa nghiên cứu và triển khai thực tế, cung cấp mã nguồn tham khảo có thể tùy chỉnh.
Bản demo dots, lần thứ hai | OpenAI DevDay 2026
- ›Bài viết thông báo về bản trình diễn 'dots demo' tại OpenAI DevDay 2026, nhưng không cung cấp chi tiết nội dung cụ thể.
Sự bổ sung vĩnh cửu
- ›AI tiên tiến có thể đóng vai trò quan trọng nhất trong các công việc thường nhật đằng sau những ý tưởng đột phá.
- ›Bài viết khám phá lý do tại sao khả năng thực thi (execution) có thể định hình nền kinh tế tiếp theo và tốc độ tiến bộ.
CTO của Meta chia sẻ suy nghĩ về các thông báo mới nhất
- ›CTO Meta đưa ra nhận xét về các thông báo gần đây của công ty, nhưng không có chi tiết cụ thể về nội dung.
- ›Bài viết không cung cấp thông tin thêm về chủ đề hoặc sản phẩm được đề cập.
Albertsons Companies đang tái hình dung ngành bán lẻ từ trong ra ngoài như thế nào
- ›Albertsons Cos. đang sử dụng ChatGPT Enterprise và OpenAI API để giúp các nhóm làm việc nhanh hơn.
- ›Mục tiêu là giúp việc mua sắm tạp hóa trở nên dễ dàng hơn cho hàng triệu khách hàng.
Giới thiệu Olmo-core 3: Cơ sở hạ tầng huấn luyện mở và có khả năng mở rộng cho các mô hình MoE lớn
- ›Hugging Face giới thiệu Olmo-core 3, một nền tảng huấn luyện mở (open) và có khả năng mở rộng (scalable) dành riêng cho các mô hình hỗn hợp chuyên gia (Mixture of Experts, MoE) quy mô lớn.
- ›Olmo-core 3 được thiết kế để giải quyết các thách thức trong việc huấn luyện các mô hình MoE lớn, bao gồm quản lý tài nguyên tính toán, phân tán và tối ưu hóa hiệu suất.
- ›Nền tảng này cung cấp một cơ sở hạ tầng mở, cho phép cộng đồng nghiên cứu và phát triển sử dụng, đóng góp và tùy chỉnh theo nhu cầu.
- ›Mục tiêu chính là giảm chi phí và tăng khả năng tiếp cận cho việc huấn luyện các mô hình quy mô lớn, từ đó thúc đẩy sự phát triển của AI mở và nghiên cứu về kiến trúc MoE.
The Dot and the Swarm
⏳ Chưa dịch
Gemini 4 Argon: Câu trả lời của GDM cho Astra/Fable, với 1 triệu token đầu ra
- ›Google DeepMind (GDM) ra mắt Gemini 4 Argon, mô hình 'frontier' mới nhất của họ, đánh dấu lần đầu tiên GDM phát hành mô hình lớn hơn dòng Flash kể từ Gemini 3.1 Pro vào tháng 2. Mô hình này được xem là câu trả lời của GDM cho các mô hình lớp Fable và Astra của đối thủ.
- ›Gemini 4 Argon đạt kết quả SOTA (State-of-the-Art) trên 13/19 benchmark uy tín, thể hiện hiệu suất rất ấn tượng. Mô hình được thiết kế cho các quy trình làm việc phức tạp trong lĩnh vực lập trình, tri thức doanh nghiệp và an ninh mạng.
- ›Điểm đột phá đáng chú ý nhất là khả năng 'Long Decode Continuation' (Kéo dài giải mã), cho phép mô hình tạo ra tới 1 triệu token đầu ra (output), một kỷ lục trong ngành, tăng đáng kể so với giới hạn 64K token trước đây.
- ›Hiện tại, quyền truy cập vào Gemini 4 Argon bị giới hạn trong chương trình bảo mật có tên Fairwind Program, dành cho các cơ quan chính phủ và chuyên gia an ninh mạng đáng tin cậy. Google cho biết sẽ tinh chỉnh các rào cản an toàn trước khi mở rộng quyền truy cập cho nhà phát triển, doanh nghiệp và người dùng phổ thông.
- ›Việc ra mắt diễn ra sau một thời gian dài GDM chỉ phát hành các phiên bản Flash nhỏ giọt và một cuộc cải tổ quản lý lớn vào tháng trước, khiến câu hỏi lớn nhất là khi nào họ mới bắt kịp các đối thủ đã ra mắt mô hình lớp Fable và Astra.
- ›Giám đốc điều hành Sundar Pichai và Demis Hassabis đã xác nhận thông tin này trên Twitter, nhấn mạnh Argon là mô hình tiên tiến dành cho các tác vụ phức tạp và hứa hẹn sẽ mở rộng quyền truy cập 'càng sớm càng tốt'.
Fine-Tuning NVIDIA Nemotron cho phương ngữ tiếng Ả Rập Saudi và hướng mở rộng sang các ngôn ngữ khác
- ›Hệ thống nhận dạng giọng nói tự động (ASR) cần xử lý cách nói thực tế của con người, không chỉ các ngôn ngữ và phong cách chiếm ưu thế trong dữ liệu tiền huấn luyện.
- ›Phương ngữ vùng miền và điều kiện ghi âm địa phương thường bị thiếu đại diện, do đó một mô hình đa ngôn ngữ hoạt động tốt trên các benchmark rộng vẫn có thể thất bại khi triển khai thực tế.
- ›Tiếng Ả Rập Saudi là một ví dụ cụ thể: mô hình có thể nhận dạng tiếng Ả Rập chuẩn hiện đại (Modern Standard Arabic) nhưng không hiệu quả với các phương ngữ địa phương.
- ›NVIDIA đã tiến hành fine-tuning mô hình Nemotron cho các phương ngữ tiếng Ả Rập Saudi, cải thiện đáng kể độ chính xác trong môi trường thực tế.
- ›Quy trình fine-tuning bao gồm việc thu thập dữ liệu giọng nói địa phương, chuẩn hóa và huấn luyện lại mô hình với các kỹ thuật như adapter hoặc LoRA.
- ›Kết quả cho thấy hiệu suất tăng rõ rệt so với mô hình gốc trên các tập dữ liệu phương ngữ Saudi, đồng thời vẫn giữ được khả năng nhận dạng tiếng Ả Rập chuẩn.
- ›NVIDIA cũng đề ra lộ trình mở rộng phương pháp này cho các ngôn ngữ và phương ngữ khác, giúp ASR trở nên toàn diện hơn.
Triển khai HSTU Generative Recommender với NVIDIA Dynamo-Triton
- ›Hệ thống generative recommender (GR) đang nổi lên như một cách tiếp cận mới mạnh mẽ cho cá nhân hóa quy mô lớn.
- ›Thay vì xử lý recommendation như các giai đoạn riêng rẽ (retrieval, ranking, prediction), GR tái định nghĩa recommendation dưới dạng sequence modeling trên hành vi người dùng.
- ›Các tương tác, ngữ cảnh, items ứng viên và hành động của người dùng trở thành token trong một luồng sự kiện có cardinality cao (high-cardinality event stream).
- ›HSTU (Hierarchical Sequential Transformer Unit) là kiến trúc cụ thể được sử dụng để mô hình hóa chuỗi hành vi phức tạp này.
- ›Bài viết hướng dẫn triển khai HSTU Generative Recommender với NVIDIA Dynamo (nền tảng quản lý inference) và NVIDIA Triton Inference Server để tối ưu hiệu suất.
- ›Việc triển khai giúp đạt được độ trễ thấp và thông lượng cao, phù hợp cho các ứng dụng recommendation thời gian thực.
Gemini 4 Argon: kỷ nguyên mới của trí tuệ tiên phong
- ›Demis Hassabis (Google DeepMind) công bố Gemini 4 Argon, đánh dấu bước tiến mới trong lĩnh vực trí tuệ nhân tạo tiên phong (frontier intelligence).
- ›Gemini 4 Argon được kỳ vọng là thế hệ mới của dòng mô hình Gemini, với những cải tiến vượt bậc về khả năng suy luận và hiểu biết.
- ›Bài viết chưa có chi tiết cụ thể về benchmark hay tính năng, nhưng nhấn mạnh tầm quan trọng của bước phát triển này.
Mở rộng truy cập lưu trữ AI với NVIDIA cuObject và NVIDIA SCADA Server SDK
- ›Các kỹ sư hạ tầng AI, nhà phát triển lưu trữ và nhà cung cấp dịch vụ đám mây cần truy cập nhanh và an toàn vào file và object storage dung lượng cao để hỗ trợ khối lượng công việc AI.
- ›Khối lượng công việc AI ngày càng yêu cầu truy cập dữ liệu tốc độ cao cho các tác vụ như training, fine-tuning, inference context, tool calls, tìm kiếm và tra cứu cơ sở dữ liệu.
- ›Phần lớn dữ liệu này nằm ở dạng file và object được lưu trữ trên các hệ thống lưu trữ phân tán.
- ›NVIDIA giới thiệu cuObject, một thư viện giúp tăng tốc truy cập object storage từ GPU, giảm độ trễ và tăng băng thông.
- ›NVIDIA SCADA Server SDK cung cấp các API và công cụ để tích hợp lưu trữ trực tiếp với các ứng dụng AI, cho phép truy cập dữ liệu hiệu quả hơn.
- ›Sự kết hợp này giúp loại bỏ các nút thắt cổ chai về I/O, cải thiện hiệu suất tổng thể của các pipeline AI.
Gặp gỡ kính thực tế ảo Meta VR Glasses
- ›Meta AI giới thiệu sản phẩm kính thực tế ảo mới mang tên Meta VR Glasses.
- ›Đây là thiết bị đeo thông minh tập trung vào trải nghiệm thực tế ảo (VR) dành cho người dùng.
- ›Sản phẩm hứa hẹn mang đến công nghệ hiển thị và tương tác tiên tiến từ Meta.
Dự báo rủi ro thời tiết vũ trụ lên lưới điện
- ›Hệ thống học máy do Microsoft Research phát triển trong kỳ thực tập mùa hè sử dụng thông tin gió mặt trời dự báo để tạo ra ước tính rủi ro theo vị trí cho 66.935 trạm biến áp tại lục địa Hoa Kỳ.
- ›Hệ thống kết hợp dự báo Auroral Electrojet (AE) và Disturbance Storm Time (Dst) với vĩ độ địa phương, địa chất và độ dẫn điện của mặt đất để đánh giá tác động.
- ›Trong giai đoạn đánh giá, pipeline phát hiện gần 80% các sự kiện thời tiết vũ trụ lớn và có thể cảnh báo người vận hành lưới điện từ 30 đến 60 phút trước khi rủi ro cụ thể xuất hiện.
- ›Cơn bão địa từ tháng 5 năm 2024 là ví dụ điển hình: các tiện ích trên khắp Bắc Mỹ đã chuẩn bị ứng phó khi cực quang mở rộng, ảnh hưởng đến GPS và vệ tinh, tác động đến hoạt động nông nghiệp.
- ›Hệ thống giải quyết thách thức không chỉ biết bão đang đến mà còn ước tính thời điểm và địa điểm tác động nghiêm trọng nhất, đủ thời gian để người vận hành phản ứng.
Giới thiệu SynthID Bio
- ›SynthID Bio là một bằng chứng về khái niệm (proof of concept) cho việc đánh dấu watermark lên các protein do AI tạo ra.
- ›Công nghệ này cho phép gắn watermark mà vẫn bảo toàn chức năng sinh học của protein.
- ›Đây là bước tiến trong lĩnh vực an toàn AI và sinh học tổng hợp, giúp truy xuất nguồn gốc các protein thiết kế bởi AI.
Bảng xếp hạng TTS Mở: Đánh giá mở rộng cho Chuyển văn bản thành giọng nói đa ngôn ngữ và Nhân bản giọng nói
- ›Hugging Face giới thiệu Bảng xếp hạng TTS Mở (Open TTS Leaderboard), một nền tảng đánh giá có khả năng mở rộng dành cho các hệ thống Chuyển văn bản thành giọng nói (Text-to-Speech - TTS) đa ngôn ngữ và Nhân bản giọng nói (Voice Cloning).
- ›Bảng xếp hạng này cho phép cộng đồng nghiên cứu và phát triển so sánh hiệu suất của các mô hình TTS một cách công khai và có hệ thống.
- ›Mục tiêu là thúc đẩy sự tiến bộ trong lĩnh vực tổng hợp giọng nói, đặc biệt là khả năng hỗ trợ nhiều ngôn ngữ và tái tạo giọng nói của người dùng một cách chính xác.
- ›Các mô hình được đánh giá dựa trên các tiêu chí như chất lượng âm thanh, độ tự nhiên, độ chính xác của giọng nói được nhân bản và khả năng hoạt động trên nhiều ngôn ngữ khác nhau.
- ›Sáng kiến này nhằm cung cấp một chuẩn mực thống nhất để đánh giá và cải thiện các công nghệ TTS tiên tiến.
Diffusion Controller thống nhất và đơn giản hóa việc tạo ảnh AI như thế nào
- ›Google AI giới thiệu Diffusion Controller, một phương pháp mới nhằm thống nhất và đơn giản hóa quy trình tạo ảnh bằng AI.
- ›Phương pháp này thuộc lĩnh vực Thuật toán & Lý thuyết (Algorithms & Theory), tập trung vào việc cải thiện hiệu quả và khả năng kiểm soát trong các mô hình khuếch tán (diffusion models).
- ›Diffusion Controller hứa hẹn giúp việc tạo ảnh AI trở nên dễ dàng và trực quan hơn cho người dùng.
Ra mắt Quine: Hệ thống nghiên cứu AI được thiết kế cho sự phức tạp của sinh học
- ›- Quine là một dự án nghiên cứu nhằm tạo ra mô hình thế giới (world model) đa phương thức cho sinh học, cùng một lớp kết nối (harness) tương tác giữa mô hình, công cụ khoa học, tài liệu nghiên cứu và các nhà khoa học.
- ›- Hệ thống tích hợp tri thức từ genomics, protein, hóa học, trạng thái tế bào (cell state) đến bioimaging, phục vụ tính toán in silico.
- ›- Quine sử dụng vòng lặp khép kín: câu hỏi khoa học được chuyển thành tính toán, hệ thống tạo ra các đề xuất thử nghiệm, sau đó các phép đo từ thí nghiệm wet-lab quay trở lại để cập nhật cho vòng hỏi tiếp theo.
- ›- Trong hợp tác với Broad Institute của Harvard và MIT, nhóm nghiên cứu đã dùng Quine để ưu tiên các hợp chất được dự đoán thúc đẩy chuyển dịch trạng thái khối u (therapeutic tumor-state shifts).
- ›- Một số ứng viên được xếp hạng cao nhất đã được xác nhận bằng nhiều thử nghiệm wet-lab assays.
- ›- Quine kết hợp world model với harness để điều phối và suy luận, được hỗ trợ bởi kho tri thức và các công cụ (knowledge and tools).
- ›- Chương trình Quine Fellows sẽ cấp quyền truy cập cho một nhóm các nhà khoa học để sử dụng và đánh giá hệ thống.
George Russell kết hợp cùng Muse
- ›Meta AI công bố sự hợp tác giữa tay đua F1 George Russell và ban nhạc Muse.
- ›Dự án này có thể liên quan đến trải nghiệm âm nhạc hoặc nội dung thực tế ảo do Meta phát triển.
- ›Chi tiết cụ thể về sản phẩm hoặc sự kiện chưa được tiết lộ thêm.
Mô hình ngôn ngữ cho phân loại văn bản: Từ túi từ (Bag-of-Words) đến Jev
- ›Bài viết thảo luận về mô hình Jev vừa được phát hành bởi TypeSafe AI, một hiện tượng văn hóa trong cộng đồng kỹ thuật trong 2 tuần qua.
- ›Jev được thiết kế để phân loại (classify) và có thể dễ bị xem nhẹ như 'chỉ là một bộ phân loại' (just a classifier), nhưng quan điểm của tác giả đã thay đổi từ 'tôi có thể tự xây dựng nó' sang 'wow, cái này hoạt động tốt hơn tôi nghĩ'.
- ›Bài viết nằm trong bối cảnh lịch sử phát triển của các mô hình ngôn ngữ cho phân loại văn bản, từ Bag-of-Words đến các phương pháp hiện đại, với Jev là điểm nhấn mới nhất.
Chứng chỉ Chuyên gia Kỹ thuật Dữ liệu hiện đã có trên DeepLearning.AI
- ›Andrew Ng thông báo Chứng chỉ Chuyên gia Kỹ thuật Dữ liệu (Data Engineering Professional Certificate) đã chính thức được phát hành trên nền tảng DeepLearning.AI.
- ›Khóa học này được thiết kế để trang bị cho người học các kỹ năng cần thiết trong lĩnh vực kỹ thuật dữ liệu, bao gồm xây dựng pipeline dữ liệu, quản lý cơ sở dữ liệu và xử lý dữ liệu quy mô lớn.
- ›Chứng chỉ này nhắm đến những người muốn bắt đầu hoặc thăng tiến sự nghiệp trong vai trò Kỹ sư Dữ liệu, một trong những vị trí có nhu cầu cao trong ngành công nghệ.
- ›Nội dung khóa học được xây dựng bởi các chuyên gia hàng đầu và bao gồm các bài tập thực hành, dự án thực tế để người học có thể áp dụng kiến thức vào công việc.
AnswerDotAI phát hành fastllm 0.0.64
- ›AnswerDotAI phát hành phiên bản 0.0.64 của thư viện fastllm trên GitHub.
- ›Phiên bản mới bổ sung các cổng xác thực và header cho vendor, tích hợp với Codex, và thiết lập mặc định cho reasoning_effort cùng helper effort_kwargs.
- ›Có thêm helper mới register_sub_model và cập nhật các alias cho mô hình mới nhất.
- ›Phát hành này diễn ra vào ngày 28 tháng 9 năm 2026, do jph00 thực hiện.
Mọi thứ bạn đã bỏ lỡ tại Meta Connect 2026
- ›Bài viết tổng hợp toàn bộ sự kiện Meta Connect 2026, bao gồm các sản phẩm và công nghệ mới được Meta công bố.
- ›Sự kiện này là nơi Meta giới thiệu những bước tiến trong lĩnh vực thực tế ảo (VR), thực tế tăng cường (AR) và trí tuệ nhân tạo (AI).
- ›Người xem có thể cập nhật những thông tin quan trọng nhất mà họ có thể đã bỏ lỡ từ hội nghị thường niên này.
Một năm nhìn lại: Microsoft Research Asia – Singapore thúc đẩy nghiên cứu, hợp tác và nhân tài tạo tác động thực tế
- ›Microsoft Research Asia – Singapore (MSRA – Singapore) chính thức mở cửa vào ngày 24/7/2025, trở thành phòng nghiên cứu đầu tiên của Microsoft tại Đông Nam Á.
- ›Việc thành lập dựa trên hơn hai thập kỷ hợp tác giữa Microsoft Research Asia với các trường đại học, viện nghiên cứu và cơ quan chính phủ Singapore.
- ›MSRA – Singapore hướng tới mục tiêu kết nối nghiên cứu AI tiên tiến của Microsoft với hệ sinh thái đổi mới sáng tạo của Singapore, thúc đẩy phát triển và sử dụng AI có ích.
- ›Ông Lidong Zhou, phó chủ tịch Microsoft kiêm giám đốc điều hành Microsoft Research Asia, nhấn mạnh tầm nhìn không chỉ là mở thêm phòng lab mà là xây dựng cầu nối với các trường đại học, cơ quan chính phủ và ngành công nghiệp năng động của Singapore.
- ›MSRA được thành lập từ năm 1998, hiện có mặt ở Bắc Kinh, Thượng Hải, Vancouver, Tokyo và Singapore; phòng lab Singapore giúp tăng cường hợp tác địa phương và mở rộng tác động khoa học – xã hội.
- ›Trong năm qua, phòng lab Singapore đã phát triển đội ngũ, làm sâu sắc quan hệ hợp tác và tập trung nghiên cứu AI tiên phong nhằm tạo giá trị thực tế.
- ›Công việc của phòng lab được tổ chức theo bốn trụ cột, bao gồm mô hình AI thế hệ mới và hệ thống agentic cùng các hướng nghiên cứu chuyên sâu theo lĩnh vực.
Xem trailer chiến thắng từ Future Vision XPRIZE, The Gifted
- ›Google AI giới thiệu trailer giành giải thưởng từ cuộc thi Future Vision XPRIZE mang tên The Gifted.
- ›Bài đăng chủ yếu kêu gọi khán giả xem trailer chiến thắng này, nhấn mạnh vai trò của sáng tạo và kể chuyện bằng AI trong tương lai.