Tới nội dung
13 tháng 11Thứ Sáu
  1. Hacker News · AI58

    AI đã thay đổi phong cách viết của Jørn Lier Horst như thế nào, từ hành động sang miêu tả tĩnh

    Jill Walker Rettberg đã so sánh cuốn tiểu thuyết Den siste saken do AI hỗ trợ của Jørn Lier Horst với hai cuốn sách trước đó trong cùng bộ truyện và phát hiện ra rằng các đoạn được AI phân loại sử dụng nhiều danh từ và tính từ hơn, ít đại từ và động từ hơn. Bà báo cáo rằng các phần được AI đánh dấu dựa vào những mô tả bối cảnh tĩnh và những sáo ngữ như tiếng vo ve, không khí yên tĩnh và nặng nề, trong khi các tiểu thuyết trước ChatGPT truyền đạt bối cảnh thông qua hành động của nhân vật. Horst đã nói rằng ông chỉ sử dụng ChatGPT để nghiên cứu và chỉnh sửa ở cấp độ câu, và Rettberg lập luận rằng mức độ sử dụng này vẫn thay đổi chính văn bản.

  2. Hacker News · AI34

    e-means: Một biến thể k-means nhanh hơn và nghịch lý Jevons của việc phân cụm rẻ hơn

    e-means là một biến thể k-means mới liên tục cập nhật các tâm cụm trong mỗi lượt bằng mini-batch và trung bình động lũy thừa, đạt được độ mất mát kiểm tra của k-means toàn lô trong 2,5 epoch thay vì 25 trên 10 tỷ embedding DINO được phân cụm thành khoảng 16,7 triệu cụm. Nó giữ nguyên mục tiêu và hình học lồi gần tâm cụm nhất, với các định luật tỉ lệ được khớp tự động đặt kích thước lô và tốc độ cập nhật. Tác giả lập luận rằng các lần chạy rẻ hơn có nghĩa là thử nhiều giá trị k hơn thay vì giảm hóa đơn tính toán.

  3. MIT News22

    CTO của Breakthrough Energy, Eric Toone, bàn về chi phí khử carbon

    Eric Toone, giám đốc công nghệ của Breakthrough Energy, phát biểu tại hội nghị Energizing@MIT của MIT Energy Initiative rằng việc khử carbon cho nền kinh tế toàn cầu sẽ tốn khoảng 7,5 nghìn tỷ USD, tương đương khoảng 5% GDP toàn cầu, nhưng mọi người không sẵn lòng trả phí xanh. Breakthrough Energy Ventures đã đầu tư khoảng 3 tỷ USD vào khoảng 140 công ty, bao gồm Luxwall, công ty có cửa sổ cách nhiệt giúp tiết kiệm 30% năng lượng tại một tòa nhà thương mại.

10 tháng 11Thứ Ba
  1. Latent Space58

    Các phòng thí nghiệm tiên phong mua gì: Phân tích dữ liệu chuyên sâu cùng Garrett Lord và đội ngũ Handshake AI

    Mảng kinh doanh huấn luyện AI của Handshake đã đi từ lúc ra mắt đến 1 tỷ USD doanh thu gộp hằng năm ước tính chỉ trong khoảng một năm, và bài phân tích chuyên sâu này của Latent Space cùng Garrett Lord và đội ngũ của ông đi qua các môi trường học tăng cường mà các phòng thí nghiệm tiên phong mua. Trong một bản demo tài chính, một agent xử lý email và hồ sơ giao dịch của một ngân hàng mô phỏng mang một con số lợi thế thương mại vào Python và trừ nó đi, một sai lầm cho thấy chỗ mà phán đoán của chuyên gia vẫn vượt trội hơn mô hình. Đội ngũ cũng trình bày VIALS, bộ đánh giá của họ để diễn giải hình ảnh khoa học, và lần theo các lệnh gọi công cụ của một agent qua các mô phỏng an toàn bao gồm CAREBench.

30 tháng 10Thứ Sáu
  1. ChinaTalk38

    Có phải một nửa năng lực tính toán AI của Trung Quốc thực sự đang bị đổ vào nội dung rác?

    Một tuyên bố lan truyền mạnh cho rằng 55% token AI của Trung Quốc được dùng cho phim ngắn và tạo video — bắt nguồn từ một cuộc gọi nhà đầu tư vào tháng 6 của COL Group — đã vấp phải phản bác từ ByteDance, công ty nói rằng tạo video chỉ chiếm khoảng 10% năng lực tính toán của chính họ, và từ Nhân Dân Nhật Báo. Hơn 90% trong khoảng 430.000 phim vi mô phát hành trong tám tháng đầu năm 2026 là sản phẩm do AI tạo ra, và một clip 720p dài năm giây trên Seedance của ByteDance tốn khoảng 100.000 token.

27 tháng 10Thứ Ba
  1. Redwood Research22

    Redwood Research lập luận ủng hộ việc tăng tốc năng lực lý luận khái niệm của AI

    Redwood Research lập luận rằng năng lực lý luận khái niệm của AI—những nhiệm vụ như triết học vốn thiếu chân lý nền tảng có thể kiểm chứng—nên được tăng tốc một cách khác biệt, vì hoạt động R&D và tiếp quản của AI phụ thuộc ít hơn nhiều vào kiểu lý luận này. Nhóm cho biết các kỹ thuật khơi gợi cơ bản và huấn luyện quy mô nhỏ có thể giúp các mô hình tốt hơn từ ba đến mười hai tháng trên benchmark lý luận khái niệm chính của họ, và rằng lĩnh vực này hiện đang bị cộng đồng an toàn AI bỏ ngỏ và đầu tư chưa tương xứng.

17 tháng 10Thứ Bảy
  1. Big Technology42

    CEO Rivian RJ Scaringe: Robot đang tiến bộ nhanh hơn nhiều so với bạn nghĩ

    CEO Rivian RJ Scaringe nói rằng tiến bộ của robot sẽ "nhanh, nhanh, nhanh, nhanh hơn nhiều" so với kỳ vọng của thế giới, dẫn chứng bằng những robot hiện học được các kỹ năng rộng và có thể khái quát hóa thông qua các mô hình dựa trên transformer. Startup Mind Robotics do ông thành lập năm 2025 đã huy động được 1 tỷ USD để chế tạo robot công nghiệp hai tay bán cho các nhà sản xuất, và công ty huấn luyện công nghệ này bên trong các nhà máy của Rivian.

7 tháng 9Thứ Hai
  1. Charlie O'Neill38

    Hãy đặt cược vào Môi trường RL: Vì sao Dữ liệu và Môi trường hữu ích sẽ thắng

    Một lập luận rằng những người tuyên bố mọi thứ sẽ trở thành môi trường RL không hành động theo niềm tin đó, và rằng các môi trường RL hữu ích sẽ ngày càng khan hiếm và có giá trị hơn theo cấp số nhân khi các mô hình tiến gần RSI. Bài viết kêu gọi xây dựng các nhiệm vụ dài hạn trong các lĩnh vực chuyên môn thực sự thay vì các trang trại nhiệm vụ kiểu Goodhart, và lập luận rằng một loạt rộng các môi trường tốt hơn một tập nhỏ các môi trường khó ở biên giới.

2 tháng 9Thứ Tư
  1. Charlie O'Neill38

    Cố gắng thực sự định nghĩa học liên tục cho các tác nhân AI

    Một tác giả xem xét học liên tục cho các tác nhân LLM, mô tả các mô hình ngày nay như những thực tập sinh mất trí nhớ mà kiến thức của họ bị đặt lại khi cửa sổ ngữ cảnh kết thúc. LLM chỉ có hai bộ nhớ bản địa: ngữ cảnh không mất mát nhưng tốn kém và KV cache, và trọng số bị nén nhưng khó cập nhật, với rất ít ở giữa. Bài viết cân nhắc ngữ cảnh dài hơn, các bộ khung bộ nhớ có trạng thái, và nén ngữ cảnh thành các biểu diễn tiềm ẩn đã học, trích dẫn trọng số 141 GB của Llama 3.1 70B và KV cache 320 KiB mỗi token.

7 tháng 7Thứ Ba
  1. Berkeley AI Research36

    Trí tuệ là miễn phí, giờ thì sao? Hệ thống dữ liệu cho, của và bởi các tác nhân

    Aditya G. Parameswaran của UC Berkeley và các cộng sự lập luận rằng khi chi phí suy luận giảm từ khoảng 30 đô la mỗi triệu token vào đầu năm 2023 xuống dưới 1 đô la ngày nay, các hệ thống dữ liệu phải được thiết kế lại xoay quanh ba thách thức: hệ thống cho các tác nhân, của các tác nhân, và bởi các tác nhân. Họ lưu ý rằng trong một benchmark text-to-SQL với nhiều tác nhân cho mỗi tác vụ, chỉ 10-20% các kế hoạch con là khác biệt, nên 80-90% các truy vấn con trùng lặp công việc, và đề xuất tái sử dụng, xấp xỉ, và các hệ thống dữ liệu chủ động.

14 tháng 2Thứ Bảy
  1. Charlie O'Neill38

    Công ty Giấy Michael Scott của AI: Vì sao chuyên môn hóa mã nguồn mở đánh bại các phòng thí nghiệm tiên phong về trần trí tuệ

    Opus 4.6 và GPT-5.3-Codex đều đã ra mắt tuần trước, nhưng cuộc tranh đua quyết định không phải là năng lực thô. Lập luận cho rằng phần lớn công việc có giá trị kinh tế nằm ở lớp chuyên môn hóa, nơi một mô hình dưới 80B được tinh chỉnh trên dữ liệu của chính khách hàng vượt trội hơn GPT-5.2 trên quy trình làm việc của khách hàng đó — nhanh hơn, rẻ hơn và không gửi dữ liệu độc quyền cho bên thứ ba. Mã nguồn mở chỉ cần đạt tới trần trí tuệ, không cần đạt tới biên giới tiên phong, và đồng hồ phụ thuộc vốn của các phòng thí nghiệm là vị thế yếu hơn.

26 tháng 1Thứ Hai
  1. Charlie O'Neill38

    Học liên tục và kỷ nguyên AI hậu nguyên khối

    Học liên tục gắn liền với chuyên môn hóa vì chi phí ghi nhớ tăng theo phạm vi: khi ngữ cảnh lớn lên, KV cache tăng tuyến tính và có thể vượt quá toàn bộ trọng số mô hình, nên thông tin phải chuyển từ cấp token vào trọng số. Chuyên môn hóa theo tác vụ về cơ bản đã được giải quyết qua các pipeline tinh chỉnh liên tục, trong khi khả năng ghi nhớ một lần với phạm vi rộng, phản hồi thưa vẫn là bài toán khó.