Tới nội dung
Chỉ Chính chủ
14 tháng 10Thứ Tư
  1. Modal Blog71

    Modal đạt tốc độ doanh thu thường niên 1 tỷ USD và gọi được 750 triệu USD vòng Series D với định giá 15,75 tỷ USD

    Modal đã vượt 1 tỷ USD tốc độ doanh thu thường niên và gọi được 750 triệu USD vòng Series D do Accel dẫn dắt với định giá hậu tiền tệ 15,75 tỷ USD, có sự tham gia của tất cả nhà đầu tư hiện hữu. Công ty cho biết mức sử dụng đã tăng gấp ba kể từ vòng Series C cách đây năm tháng và tăng hơn 15 lần so với cùng kỳ năm ngoái, và riêng sản phẩm Sandboxes đã đạt tốc độ doanh thu 300 triệu USD với gần 3 tỷ sandbox được khởi tạo. Modal cũng mô tả việc tự xây dựng lại hệ thống tệp, runtime container, bộ lập lịch và mạng của riêng mình trên một bể năng lực trải khắp hơn 20 đám mây, và chỉ ra các ra mắt gần đây trong huấn luyện đa nút, Modal servers và VM dùng chung cho Sandboxes.

    Vì sao đáng chú ý: Bài đăng của Modal giải thích lý do các khối lượng công việc AI thúc đẩy họ xây dựng lại hệ thống tệp, runtime container và bộ lập lịch của riêng mình trên hơn 20 đám mây, một góc nhìn cụ thể về cách ngăn xếp hạ tầng AI đang tách khỏi ngăn xếp đám mây.

13 tháng 10Thứ Ba
  1. LiveKit Blog18

    Khắc phục sự cố LiveKit Egress: Các lỗi thường gặp và cách sửa

    LiveKit đã xuất bản hướng dẫn khắc phục sự cố cho Egress, bao gồm các lỗi thường gặp như lỗi 412 "không nhận được tín hiệu khởi động" từ các template không bao giờ gọi START_RECORDING, lỗi 404 không tìm thấy participant hoặc track trong vòng 30 giây, và lỗi 400 tải lên thất bại do thông tin xác thực S3/GCP/Azure không hợp lệ. Hướng dẫn cũng đề cập đến các vấn đề về layout, webhook và Egress tự lưu trữ, đồng thời lưu ý rằng hướng dẫn này áp dụng cho cả API StartEgress hiện tại và các API riêng theo nguồn đã bị ngừng hỗ trợ.

  2. Modal Blog58

    Modal thử nghiệm bộ lấy mẫu RL hỗn hợp độ chính xác và hỗn hợp tăng tốc trên Qwen3.6-35B-A3B

    Modal đã huấn luyện Qwen3.6-35B-A3B trên tác vụ lập trình dạng agent với các bộ lấy mẫu trải rộng trên sáu loại tăng tốc (B200, B300, H100, H200, A100, RTX PRO 6000) ở độ chính xác NVFP4, FP8 và BF16, cấp dữ liệu cho một bộ huấn luyện BF16 trên B200. GRPO thuần đã sụp đổ trên cả bộ lấy mẫu hỗn hợp lẫn đồng nhất, nhưng khi thêm lấy mẫu quan trọng có mặt nạ cùng căn giữa điểm số, dù có hay không có phát lại mặt nạ top-p, quá trình huấn luyện vẫn ổn định đến cuối và đạt pass@4 trên SWE-bench Pro V2 ngang với bộ lấy mẫu đồng nhất, với chi phí bộ lấy mẫu mỗi lần cập nhật thấp hơn khoảng 15%. Các bộ lấy mẫu hỗn hợp chạy với KL trung bình giữa bộ lấy mẫu và bộ huấn luyện gấp 4,7 lần so với thiết lập đồng nhất, và các tác giả lập luận rằng tính ổn định phụ thuộc vào việc giữ độ lệch ở mức có giới hạn chứ không phải ở mức thấp.

  3. GitHub Blog · AI & ML36

    GitHub Copilot cho người mới bắt đầu: Bốn cách để dạy Copilot về cơ sở mã của bạn

    Loạt bài GitHub Copilot cho người mới bắt đầu giải thích bốn cách cung cấp ngữ cảnh dự án cho Copilot: hướng dẫn tùy chỉnh trong `.github/copilot-instructions.md` cùng với các tệp theo đường dẫn cụ thể trong `.github/instructions`, kỹ năng tác nhân trong `.github/skills`, tác nhân tùy chỉnh trong `.github/agents`, và máy chủ MCP kết nối Copilot với các công cụ bên ngoài như Playwright. Bài viết đi qua từng cơ chế và cách chúng kết hợp với nhau, đồng thời chỉ cho độc giả bộ sưu tập Awesome Copilot của cộng đồng để có các ví dụ sẵn dùng.

  4. Amazon Science75

    Các nhà nghiên cứu của Amazon Web Services đề xuất phương pháp priming để chuyển đổi Transformer đã huấn luyện trước thành mô hình không gian trạng thái lai mà không cần huấn luyện lại toàn bộ

    Các nhà nghiên cứu của Amazon Web Services giới thiệu priming, một phương pháp tái sử dụng trọng số Transformer đã huấn luyện trước để cắt giảm chi phí huấn luyện trước của kiến trúc không gian trạng thái lai xuống hơn 99%, chỉ sử dụng dưới 0,5% ngân sách token huấn luyện trước của mô hình nguồn. Trong các so sánh có kiểm soát, Gated KalmaNet vượt trội hơn Gated DeltaNet và Mamba-2, và một mô hình lai dựa trên GKA 32B đạt kết quả tương đương Transformer nguồn trên các bài đánh giá suy luận trong khi giải mã nhanh gấp đôi ở ngữ cảnh 128.000 token. Nhóm đã phát hành các mô hình lai đã priming 8B và 32B, mã huấn luyện, Triton kernel và plugin phục vụ vLLM theo Giấy phép Apache 2.0.

    Vì sao đáng chú ý: Các nhà nghiên cứu của Amazon Web Services cho thấy việc tái sử dụng trọng số Transformer đã huấn luyện trước có thể cắt giảm chi phí huấn luyện trước kiến trúc lai xuống hơn 99%, giúp việc so sánh có kiểm soát các lớp không gian trạng thái trở nên khả thi.

  5. Apple Newsroom58

    Apple ra mắt HomeView, màn hình nhà thông minh giá 299 USD tích hợp Siri AI

    Apple đã giới thiệu Apple HomeView, một màn hình nhà thông minh 7 inch Liquid Retina kết hợp giải trí, gọi FaceTime, giám sát nhà cửa và tự động hóa rảnh tay, với giá 299 USD tại Mỹ. Thiết bị nhận diện người dùng qua khuôn mặt để hiển thị nội dung cá nhân của họ và chạy Siri AI, một phiên bản Siri mới mang tính hội thoại hơn, có thể tận dụng ngữ cảnh cá nhân khi được ghép nối với iPhone hoặc iPad hỗ trợ Apple Intelligence. Đơn đặt hàng trước đã mở từ ngày 13 tháng 10 tại Australia, Canada, Ấn Độ, New Zealand, Vương quốc Anh và Mỹ, với thời điểm bán ra bắt đầu từ thứ Sáu, ngày 13 tháng 11; Apple cho biết HomeView không được bán tại Liên minh châu Âu vì Siri AI hiện chưa khả dụng trên iOS tại đây.

  6. Apple Newsroom58

    Apple ra mắt Apple TV 4K mới với Siri AI và micro trường xa rảnh tay

    Apple đã công bố Apple TV 4K thế hệ thứ tư, trang bị Siri AI, một phiên bản Siri mới được vận hành bởi thế hệ Apple Intelligence tiếp theo, mang đến trải nghiệm tìm kiếm hội thoại toàn màn hình. Micro trường xa tích hợp cho phép sử dụng Siri rảnh tay, và với iPhone hỗ trợ Apple Intelligence, trợ lý có thể trả lời các yêu cầu theo ngữ cảnh cá nhân như phát một chương trình mà bạn bè đã giới thiệu. Thiết bị có giá 299 USD tại Mỹ, mở đặt trước tại Mỹ và 29 quốc gia và khu vực khác, có sẵn tại cửa hàng từ thứ Sáu, ngày 13 tháng 11; Siri AI có sẵn dưới dạng bản beta trên Apple TV 4K (thế hệ thứ 2 trở lên) tại tám thị trường tiếng Anh khi ra mắt.

12 tháng 10Thứ Hai
  2. Meta AI Research Blog82

    Meta ra mắt các mô hình tiên phong Muse Wonder và Muse Wonder Full cho tác nhân cá nhân và chuyên nghiệp

    Meta giới thiệu dòng Muse Wonder, bao gồm Muse Wonder và Muse Wonder Full, được cho là đạt hiệu năng tiên tiến nhất trên các tác vụ tác nhân cá nhân và chuyên nghiệp, ghi nhớ và lập trình. Muse Wonder có sẵn hôm nay thông qua Meta Model API và Muse Code, trong khi Muse Wonder Full có sẵn hôm nay cho người đăng ký Muse Code. Các mô hình kết hợp Active Memory, mang ngữ cảnh xuyên suốt các cuộc hội thoại và truy xuất chi tiết liên quan đến tác vụ, với Active Focus, duy trì công việc trên các mục tiêu dài hạn và kiểm tra trước các hành động quan trọng; Meta cho biết cả hai đều được huấn luyện tại trung tâm dữ liệu Prometheus quy mô gigawatt của mình.

    Vì sao đáng chú ý: Dòng Muse Wonder của Meta tuyên bố đạt kết quả tiên tiến nhất trên các benchmark tác nhân, ghi nhớ và lập trình, với Active Memory và Active Focus là hai năng lực cốt lõi mà nó được xây dựng xoay quanh.

  3. Descript Changelog22

    Tổng hợp Descript tháng 10 năm 2026: Tìm kiếm toàn bộ Drive, Yêu cầu ghi âm không đồng bộ và Nhân bản giọng nói ElevenLabs v4

    Bản phát hành ngày 12 tháng 10 năm 2026 của Descript bổ sung thanh tìm kiếm trên toàn bộ drive của bạn, với trang kết quả đầy đủ và tính năng tìm tệp của Underlord. Các drive doanh nghiệp giờ đây có thể gửi yêu cầu ghi âm không đồng bộ để khách mời tự ghi theo lịch của họ, và AI Speech chuyển sang ElevenLabs v4 để nhân bản giọng nói chính xác hơn. Các gói trả phí cũng mặc định dùng MiniMax H3 Max Turbo để tạo video bằng AI.

  4. Modal Blog40

    Modal ra mắt Endpoint Candidates để đánh giá và thăng cấp các endpoint suy luận

    Modal đã phát hành Endpoint Candidates, hiện được cung cấp rộng rãi cho tất cả workspace, cho phép người dùng triển khai tạm các bản triển khai thay thế cho Dedicated Endpoints, sao chép một mẫu lưu lượng sản xuất trong khi Modal vận hành hạ tầng. Người dùng có thể kiểm tra các chỉ số độ trễ và thông lượng, chạy benchmark và kiểm thử chất lượng đầu ra qua URL riêng của từng Candidate, sau đó thăng cấp nó lên sản xuất từ dashboard. Các yêu cầu được sao chép là best-effort và được tính phí theo giá compute tiêu chuẩn của Modal.

9 tháng 10Thứ Sáu
  1. LiveKit Blog34

    Serve AI sử dụng LiveKit Agent Simulations để xây dựng lại voice agent của mình trên một prompt duy nhất

    Serve AI đã xây dựng lại phone agent của mình cho một khách hàng kiểm soát côn trùng trị giá 150 triệu đô la trên LiveKit, thu gọn một đồ thị luồng Retell gồm 224 nút thành một prompt duy nhất và xác thực nó bằng Agent Simulations. Khoảng 100 cuộc gọi sản xuất thực tế đã được chuyển thành các kịch bản mô phỏng, đạt tỷ lệ vượt qua 98% qua 10–15 lần lặp trước khi chuyển đổi, với độ trễ lượt trung vị là 1,3 giây so với ngưỡng trần 1,5 giây. Lần di chuyển đầu tiên mất một tuần mà không có rollback, và tỷ lệ containment tăng 15%, mà Serve ước tính tiết kiệm thêm 320.000 đô la mỗi năm cho khách hàng.

  2. LiveKit Blog58

    LiveKit ra mắt Agent Simulations để kiểm thử các voice agent

    LiveKit đã đưa Agent Simulations vào trạng thái dùng chung (generally available) cho tất cả các dự án LiveKit Cloud, một cách có thể lặp lại để kiểm thử voice agent ở cấp độ tác vụ thay vì từng lượt. Một người dùng mô phỏng do LLM điều khiển sẽ diễn lại từng kịch bản, bao gồm cả backchannel và ngắt lời ở chế độ âm thanh, và một LLM judge trả về phán quyết đạt/không đạt kèm lý do; một CLI có thể sinh kịch bản từ chính prompt và công cụ của agent. Chạy văn bản là mặc định và đủ rẻ cho mọi pull request, trong khi chạy âm thanh bao phủ toàn bộ pipeline và phù hợp hơn với lịch chạy ban đêm hoặc trước phát hành. Simulations miễn phí đến hết tháng 10, dù chúng gọi LLM, STT và TTS của agent thật theo mức giá thông thường.

8 tháng 10Thứ Năm
  1. Anthropic · Claude.dev62

    Anthropic hướng dẫn xây dựng tự động hóa tác nhân theo lịch với Claude Managed Agents

    Anthropic đã công bố một bản triển khai tham chiếu cho Claude Managed Agents (bản beta), đọc các kênh Slack và pull request GitHub theo lịch cron, theo dõi thay đổi kể từ lần chạy trước thông qua bookmark theo từng nguồn, và đăng bản tóm tắt lên Slack. Hướng dẫn bao gồm thông tin xác thực lưu trong vault, quyền truy cập chỉ đọc và giới hạn chi tiêu mỗi lần chạy, cùng các quy tắc báo cáo nguồn bị lỗi là không thể đọc thay vì coi là ngày yên ắng và xác nhận bài đăng Slack trước khi cập nhật bookmark và sổ cái. Một lệnh Claude Code với kỹ năng claude-api cấu hình tác nhân theo hướng dẫn trong bài viết.

    Vì sao đáng chú ý: Anthropic chia sẻ bản triển khai tham chiếu cho Claude Managed Agents theo lịch đọc Slack và GitHub, với các quy tắc cụ thể về bookmark, đọc lỗi và xác nhận đăng bài.

  2. Zyphra Research36

    Zyphra Research: Ghép nối chuyên gia cắt giảm thông tin liên lạc khi tiền huấn luyện MoE

    Zyphra Research chỉ ra rằng định tuyến MoE có cấu trúc cao, với các chuyên gia được chọn cùng nhau có tương quan trong một lớp và lựa chọn chuyên gia của một token dự đoán định tuyến lớp sau. Khai thác điều này thông qua bố trí chuyên gia tương quan và xáo trộn token giúp cắt giảm thời gian liên lạc all-to-all lên đến 2,63× và cải thiện thời gian bước huấn luyện end-to-end lên đến 1,41× trong các thí nghiệm Megatron-LM trên GPU MI300X, mà không thay đổi kiến trúc hay quyết định định tuyến.

  3. Waymo Blog58

    Waymo huy động 5 tỷ USD tài trợ nợ để tăng tốc mở rộng

    Waymo đã hoàn tất khoản vay kỳ hạn 5 tỷ USD, đợt tài trợ nợ đầu tiên của công ty, với PIMCO, Blackstone và Sixth Street là các bên cho vay chính trong nhóm hợp vốn và Goldman Sachs là đơn vị bảo lãnh phát hành chính duy nhất. Công ty cho biết nguồn vốn này sẽ tăng tốc mở rộng dịch vụ gọi xe hoàn toàn tự động tại Mỹ và quốc tế, sau khoản đầu tư vốn cổ phần 16 tỷ USD hồi đầu năm nay và việc ra mắt dịch vụ tại thành phố thứ mười lăm ở Mỹ vào tháng trước.

  4. Waymo Blog30

    Nghiên cứu của Waymo: Người lái xe tỉnh táo vẫn đối mặt nguy cơ tai nạn chết người vào ban đêm cao gần gấp 4 lần

    Nghiên cứu đã qua bình duyệt của Waymo phát hiện rằng ngay cả những người lái xe hoàn toàn tỉnh táo cũng đối mặt nguy cơ tai nạn chết người vào ban đêm cao gấp 3,1 đến 3,9 lần so với ban ngày, và việc loại bỏ những người lái xe bị suy giảm do rượu giúp giảm 23% tỷ lệ dính vào tai nạn chết người trung bình ở đô thị, từ 1,42 xuống 1,10 trên 100 triệu dặm. Một nghiên cứu thứ hai trên 37.654 trường hợp tử vong trong cơ sở dữ liệu FARS 2023 cho thấy chỉ 8,2% chỉ liên quan đến các yếu tố hành vi thuần túy của con người. Waymo trình bày các phát hiện này như là sự ủng hộ cho Phương pháp Tiếp cận Hệ thống An toàn và cho việc đánh giá chuẩn lái xe tự động dựa trên đường cơ sở con người có nồng độ cồn bằng không.

  5. GitHub Blog · AI & ML58

    GitHub ra mắt mô hình phát hiện bí mật AI dựa trên ModernBERT, mở rộng bảo vệ push

    GitHub giới thiệu mô hình phát hiện bí mật chung do AI hỗ trợ, được xây dựng cùng Microsoft Applied Sciences, một bộ phân loại ModernBERT đánh giá các bí mật ứng viên trong ngữ cảnh dưới hai mili giây và có thể tăng hơn gấp đôi số lượng bí mật mà bảo vệ push chặn được.

  6. Goodfire Research71

    Goodfire huấn luyện và triển khai các bộ giám sát lạm dụng không gian mạng dựa trên probe trên Kimi K3 và GLM 5.3

    3 và triển khai chúng trên một ngăn xếp suy luận production, nơi một probe rẻ tiền lọc các lượt và chỉ những trao đổi đáng ngờ mới đến một LLM judge. Tỷ lệ gián đoạn phiên lành tính 5%, chi phí 65 đô la cho mỗi triệu lượt không có suy luận của judge và 185 đô la khi có nó, và không thêm tổn thất thông lượng đo được nào bên trong SGLang.

    Vì sao đáng chú ý: Goodfire cho thấy một chuỗi probe-cộng-judge có thể giám sát lạm dụng không gian mạng tác tử với chi phí thấp hơn khoảng 50 lần mà không có tổn thất thông lượng đo được, một công thức cụ thể để phục vụ các mô hình mở một cách an toàn.

7 tháng 10Thứ Tư
  1. OpenAI Alignment Blog52

    OpenAI nghiên cứu các latent metagaming bên trong mô hình ngôn ngữ

    Các nhà nghiên cứu alignment của OpenAI đã xác định được các latent sparse autoencoder gắn với metagaming trong OpenAI o3 và phát hiện rằng metagaming dựa trên nhiều quá trình chồng chéo thay vì một cơ chế duy nhất, bao gồm phân tích nhiệm vụ, nhận thức đánh giá, tìm kiếm phần thưởng và lý luận quy phạm. Việc steering theo các latent này đã làm thay đổi điểm Verbalized Metagaming và, trên nhiệm vụ even_number, tỷ lệ câu trả lời số lẻ, và một số latent ảnh hưởng đến đầu ra mà metagaming không xuất hiện trong chuỗi suy nghĩ được viết ra. Mức độ kích hoạt và hiệu ứng steering của các latent nhìn chung tăng qua các checkpoint RL, phù hợp với các phát hiện trước đó rằng metagaming trở nên phổ biến hơn trong quá trình học tăng cường.

  2. Vapi Blog36

    Vapi ra mắt bản beta Personal Agent Calling cho các AI agent gọi điện đến doanh nghiệp thay mặt khách hàng

    Vapi đã ra mắt Personal Agent Calling dưới dạng bản beta, cho phép người dùng đăng nhập bằng Vapi và thực hiện cuộc gọi thông qua một personal agent mà không cần thiết lập API key. Công ty lập luận rằng doanh nghiệp phải xác minh ai là người mà agent đại diện, agent được phép làm gì và liệu quyền đó còn hiệu lực hay không, dựa trên tiêu chuẩn mở A2A và OAuth. Buộc khách hàng phải bắt đầu lại có nguy cơ mất đi hoạt động kinh doanh của họ.

6 tháng 10Thứ Ba
  1. Mistral AI82

    Mistral ra mắt bản xem trước Mistral Large 4, mô hình đa phương thức 1T tham số với trọng số dự kiến trong tháng này

    Mistral đã ra mắt bản xem trước công khai của Mistral Large 4, một mô hình đa phương thức gốc với 1 nghìn tỷ tham số và 52 tỷ tham số hoạt động, hiện có sẵn qua API Mistral Studio. Mistral cho biết mô hình này cạnh tranh với các mô hình mã nguồn mở mạnh nhất và vượt trội so với các mô hình trọng số mở khác từ Mỹ và châu Âu, đạt 82% trên bài kiểm tra tái tạo và vá lỗ hổng của Artificial Analysis Cyber Index và 49,8% trên Coding Agent Index tổng hợp của mình. Trọng số dự kiến sẽ được phát hành vào cuối tháng này, sau khi red-team với các đối tác an ninh mạng và cơ quan chức năng; Mistral cho biết mô hình được huấn luyện từ đầu trên 3.800 GPU NVIDIA Grace Blackwell trong các trung tâm dữ liệu châu Âu của riêng mình.

    Vì sao đáng chú ý: Mô hình lớn nhất của Mistral đến nay tuyên bố dẫn đầu về trọng số mở trong an ninh mạng và lập trình tác tử, với trọng số được hứa hẹn vào cuối tháng.

  2. Anthropic · Claude.dev72

    Phiên Claude Code trên đám mây: hướng dẫn thực địa để chạy tác vụ trên các VM riêng biệt

    Addy Osmani đi qua các phiên Claude Code trên đám mây, nơi mỗi tác vụ chạy trên một VM mới do Anthropic quản lý với kho lưu trữ được sao chép vào nhánh riêng của nó, và các phiên đám mây được bao gồm trong các gói Pro, Max, Team và Enterprise mà không tính thêm phí tính toán. Trong một thử nghiệm bốn phiên trên một kho Node mẫu, ba phiên bắt đầu trong vòng 16 giây của nhau đã hoàn thành 87 giây sau khi phiên đầu tiên bắt đầu, và phiên kiểm thử không ổn định đã chạy bộ kiểm thử 40 lần với không lỗi. Hướng dẫn bao gồm các script thiết lập, mức mạng, các đường kết nối GitHub và bảy quy trình phù hợp với các phiên đám mây, đồng thời lưu ý rằng các phiên cục bộ vẫn phù hợp hơn cho các tác vụ cần dữ liệu cục bộ, dịch vụ VPN, GPU hoặc Zero Data Retention.

    Vì sao đáng chú ý: Một hướng dẫn thực địa thực hành về các phiên Claude Code trên đám mây, cho thấy cách các VM theo từng tác vụ cho phép làm việc song song và nơi các phiên cục bộ vẫn phù hợp hơn.

  3. LiveKit Blog38

    Retell vs. Vapi vs. LiveKit: So sánh dành cho nhà phát triển về AI Agent thoại

    LiveKit đã công bố một so sánh hướng đến nhà phát triển giữa Retell, Vapi và LiveKit để xây dựng AI agent thoại, định hình lựa chọn quanh bốn câu hỏi: ai sẽ lặp cải tiến agent sau khi ra mắt, điều gì xảy ra khi nhu cầu vượt ra ngoài các cấu hình mặc định, liệu nó có phải chạy ngoài phạm vi cuộc gọi điện thoại, và chi phí ở quy mô lớn. Retell là một nền tảng được quản lý với trình chỉnh sửa trực quan, Vapi là một nền tảng được quản lý hướng đến nhà phát triển, được cấu hình qua API và dashboard, còn LiveKit là một framework mã nguồn mở Apache 2.0 có thể tự lưu trữ. Chi phí ước tính tổng cộng mỗi phút khoảng $0.070–$0.310 cho Retell, $0.070–$0.116 cho Vapi và $0.037–$0.099 cho LiveKit.

  4. Figma Blog50

    Figma agent thoát beta với hướng dẫn, ngữ cảnh đa nền tảng và agent đa người dùng theo sau

    Figma agent đã thoát beta với khả năng tuân thủ chỉ dẫn và xử lý tác vụ dài tốt hơn, giành chiến thắng trong hơn 60% đánh giá do con người chấm với các nhà thiết kế chuyên nghiệp. Các khả năng mới cho phép chủ thư viện tải lên hướng dẫn markdown, lấy ngữ cảnh từ FigJam, Figma Slides và Figma Design, và theo dõi agent của cộng tác viên trên canvas. Nhóm hệ thống thiết kế của Uber giờ đây xuất bản tài liệu mà trước đây cần nhiều người làm trong nhiều tháng chỉ trong một buổi chiều.

5 tháng 10Thứ Hai
  1. GitHub Blog · AI & ML58

    GitHub phát hành ReviewBench, một benchmark mở cho đánh giá mã nguồn bằng AI

    GitHub đã phát hành ReviewBench, một benchmark mở dành cho các tác nhân đánh giá mã nguồn bằng AI, được xây dựng trên 219 pull request công khai thuộc 19 ngôn ngữ, với phân bố ngôn ngữ và quy mô kho mã mô phỏng theo 103,9 triệu pull request trên GitHub. Tập dữ liệu chuẩn (golden set) lấy các phát hiện từ người đánh giá là con người, các commit tiếp theo của tác giả, phân tích tĩnh và nhiều LLM tiên tiến, được chấm điểm bởi Claude Sonnet 5 theo một rubric đã công bố, và các kỹ sư cấp cao đã độc lập gán nhãn lại từng phát hiện với mức đồng thuận 96,6%. GitHub cho biết đánh giá ngoại tuyến của họ đối với tính năng đánh giá mã nguồn của Copilot đã dự đoán đúng hướng của một thử nghiệm A/B trong môi trường sản xuất, trong đó tỷ lệ được xử lý tăng 8,0%, độ phủ (recall) tăng 13,6% và chi phí cho mỗi lần đánh giá giảm 8,0%.

  2. Modal Blog35

    TypeSafe AI mở rộng quy mô Jev lên hàng nghìn tỷ token trong ba ngày trên Modal

    TypeSafe AI đã sử dụng nền tảng serverless của Modal để huấn luyện và triển khai Jev, System One Model đầu tiên của mình, và phục vụ hơn một nghìn tỷ token trong vòng ba ngày kể từ khi ra mắt. Jev không phải là một LLM tự hồi quy: nó nhận trạng thái và câu hỏi làm đầu vào và xuất ra các giá trị có kiểu, có cấu trúc kèm xác suất song song, hướng tới các khối lượng công việc có độ trễ thấp. Một tuần sau khi ra mắt, nó đứng đầu bảng xếp hạng của OpenRouter cho ngữ cảnh 1K-10K token, xử lý 15,1% số yêu cầu.

2 tháng 10Thứ Sáu
  1. GitHub Blog · AI & ML25

    GitHub Blog: Ba kỹ năng lập trình viên cần khi AI định hình lại công việc

    GitHub Blog nêu ra ba kỹ năng mà lập trình viên nên củng cố khi AI thay đổi công việc của họ: điều hướng các tác nhân AI thay vì chỉ sử dụng chúng, đánh giá phê bình đầu ra của AI thay vì tin vào câu trả lời đầu tiên, và dùng thời gian AI tiết kiệm được để giải quyết những vấn đề rộng lớn hơn. Bài viết dẫn ra tác nhân Rubber Duck tích hợp sẵn của GitHub Copilot, sử dụng một mô hình thứ hai để phê bình kế hoạch, mã và kiểm thử trước khi lập trình viên tiến hành.

  2. OpenClaw Blog40

    Tencent AIG gia nhập ClawScan để tăng cường đánh giá bảo mật skill và plugin trên ClawHub

    AI-Infra-Guard (AIG) của Tencent đã được tích hợp vào ClawScan, công cụ dòng lệnh mã nguồn mở phụ trách đánh giá bảo mật trên ClawHub, nhờ đó mọi skill và plugin được tải lên giờ đây đều đi qua AIG. ClawScan chạy AIG và SkillSpector của NVIDIA một cách độc lập, với một AI judge đưa ra đánh giá cuối cùng. Trên một tập con cố định gồm 556 trường hợp của SkillTrustBench, ClawScan khớp 86,9% nhãn của benchmark và phân loại đúng 98,6% các trường hợp độc hại.

  3. Vapi Blog58

    Vapi mở beta GPT-Live cho tất cả khách hàng, tách voice agent thành speaker và reasoner

    Vapi đã mở beta GPT-Live cho mọi khách hàng của Vapi, sau bản beta giới hạn vào tháng trước với mô hình speech-to-speech full-duplex của OpenAI. Trên Vapi, mô hình hoạt động như một speaker xử lý toàn bộ cuộc gọi và chuyển các tra cứu hoặc hành động cho một mô hình reasoner riêng, với việc bàn giao được điều khiển qua hai prompt thay vì một. Số điện thoại, công cụ, bài kiểm tra và khả năng quan sát hiện có được giữ nguyên, cấu hình transcriber bị loại bỏ, và giọng nói chuyển sang một trong 22 giọng của OpenAI.

  4. Meta AI Research Blog71

    Meta chia sẻ sáu bài báo toán học đồng tác giả với các nhà toán học và Muse Spark

    Meta đã công bố sáu bài báo toán học được thực hiện với sự cộng tác của các nhà toán học, những người đã sử dụng Muse Spark 1.1 và 1.2 ở Chế độ Suy nghĩ thông qua giao diện trò chuyện meta.ai thông thường, không có khung nghiên cứu tùy chỉnh. Năm trong số các bài báo trả lời những câu hỏi trước đây còn bỏ ngỏ, bao gồm ngưỡng khớp ellipsoid Gauss, sự bùng nổ hữu hạn thời gian cho một phương trình Schrödinger phi tuyến song điều hòa, một phản ví dụ 384 phần tử cho một giả thuyết lý thuyết nhóm, độ chặt của một phép nới lỏng dựa trên chu trình trong tối ưu hóa đa thức nhị phân, và mối liên hệ giữa hàm hai điểm chuỗi và hàm độ cao trên các đường cong. Mỗi bài báo đánh dấu những đoạn nào chủ yếu do các nhà nghiên cứu soạn thảo và đoạn nào do AI soạn thảo, ghi công các công trình trước đó, và ghi nhận các giải pháp đồng thời độc lập từ các nhóm khác.

    Vì sao đáng chú ý: Meta công bố sáu bài báo được hoàn thành với sự cộng tác giữa các nhà toán học và Muse Spark, trong đó năm bài đưa ra câu trả lời cho những câu hỏi trước đây còn bỏ ngỏ, và đánh dấu các đoạn do AI và con người viết.

  5. Meta AI Research Blog38

    Meta cập nhật Khung Mở rộng Siêu trí tuệ với các quy định về an toàn huấn luyện và trọng số mở

    Meta đã công bố các cập nhật cho Khung Mở rộng Siêu trí tuệ của mình, mở rộng các yêu cầu về mất kiểm soát để bao quát việc ngăn chặn AI trong quá trình huấn luyện và đánh giá. Trước bất kỳ lần chạy học tăng cường nào, Meta sẽ kiểm tra xem một mô hình có thể xâm phạm môi trường của nó hay không và nếu có, sẽ yêu cầu các biện pháp giảm thiểu trong môi trường cách ly, có ghi log và giám sát. Bản cập nhật cũng làm rõ cách các mô hình trọng số mở có thể được sửa đổi sau khi phát hành và bổ sung một ủy ban AI mới thuộc Hội đồng Quản trị để xem xét các thay đổi Khung trong tương lai.

1 tháng 10Thứ Năm
  1. Zyphra Research38

    Cách các mô hình NoPE lai học vị trí mà không cần mã hóa vị trí

    Zyphra Research giải thích cách các mô hình ngôn ngữ lai khôi phục thông tin vị trí ngay cả khi các lớp attention toàn cục không sử dụng mã hóa vị trí tường minh. Các lớp cục bộ như attention cửa sổ trượt và gated linear attention tạo ra thiên lệch về độ gần đây trong residual stream, và attention NoPE toàn cục học các phép chiếu query và key để đọc nó như một mã hóa vị trí tương đối ngầm. Các phát hiện cung cấp một giải thích cơ chế cho lý do tại sao việc xen kẽ trộn cục bộ với attention NoPE toàn cục hoạt động tốt và chỉ ra các biểu diễn vị trí có thể ngoại suy vượt quá độ dài chuỗi huấn luyện.

  2. Modal Blog58

    Modal Clusters chính thức khả dụng, chỉ với một dòng mã @modal.clustered để có cụm RDMA đa nút

    Modal thông báo Modal Clusters đã chính thức khả dụng cho tất cả workspace, cho phép người dùng yêu cầu cụm đa nút thông qua decorator duy nhất @modal.clustered. Các cụm cung cấp giao tiếp InfiniBand RDMA lên đến 6,4 Tbps, tự động cấu hình cho PyTorch và NCCL, cụm khởi động trong vài giây và tính phí theo giây. Modal cũng mô tả một gang scheduler mới đặt N nút cùng lúc và hỗ trợ RDMA được tích hợp vào runtime gVisor, với Decagon, 1x và Runway được nêu là người dùng cho tinh chỉnh nghìn tỷ tham số, tiền huấn luyện world model và suy luận video đa nút.

  3. Anthropic · Claude.dev60

    Bắt đầu với Claude Code mods: xây dựng dự báo cửa sổ ngữ cảnh

    Claude Code mods là các tệp JavaScript hoặc TypeScript nhỏ chạy bên trong một phiên như các hook được đóng gói trong plugin, và có thể quan sát sự kiện, viết lại hành vi hoặc vẽ giao diện tùy chỉnh trong terminal hoặc ứng dụng desktop. Hướng dẫn xây dựng Token Weather, một mod khoảng 80 dòng đọc $.session.usage() sau mỗi lượt và vẽ dải cửa sổ ngữ cảnh kiểu thời tiết phía trên prompt, sau đó giới thiệu Blast Radius, giữ các lệnh Bash rủi ro, và Replay Theater, duyệt qua các chỉnh sửa của một lượt. Mods yêu cầu Claude Code 2.1.287 trở lên và được bật mặc định; mã hoàn chỉnh cho cả ba nằm trong anthropics/claude-code-playground.

    Vì sao đáng chú ý: Hướng dẫn thực hành về Claude Code mods xây dựng một đồng hồ đo cửa sổ ngữ cảnh hoạt động trong khoảng 80 dòng, cho thấy cách hook, trạng thái và giao diện tùy chỉnh kết hợp với nhau.

  4. Goodfire Research58

    Goodfire phát triển hệ thống giám sát an ninh sinh học dựa trên protein-embedding cho các tác nhân AI

    Goodfire Research đã phát triển các hệ thống giám sát an ninh sinh học nhận biết trình tự, sử dụng embedding của mô hình ngôn ngữ protein để đánh dấu các trình tự DNA hoặc protein đáng ngờ trong quy trình làm việc của tác nhân. Trên một bộ đánh giá lưỡng dụng tùy chỉnh được xây dựng xoay quanh độc tố protein, các hệ thống giám sát này vượt trội so với các biện pháp bảo vệ của mô hình tiên tiến với ít lần từ chối hơn đối với các yêu cầu lành tính, đạt khoảng 0,98 AUROC trên các câu diễn đạt lại mà protein gốc của chúng nằm trong cơ sở dữ liệu sàng lọc, và chạy trong vài mili giây mỗi trình tự. Các tác giả báo cáo rằng khả năng phát hiện cải thiện khi các mô hình protein trở nên có năng lực hơn, và lưu ý rằng kết quả diễn đạt lại dựa trên các ước tính in-silico và không xác lập liệu các protein được thiết kế lại có giữ được hoạt tính sinh học hay không.

  5. Modal Blog58

    Modal ra mắt Sidecars, ranh giới tin cậy độ trễ thấp cho Sandboxes

    Modal giới thiệu Sidecars ở dạng Beta, các container biệt lập chạy song song với một Sandbox trên cùng một máy chủ để tách mã tin cậy như thông tin xác thực, proxy và logic harness khỏi mã do agent tạo ra không đáng tin cậy. Modal cho biết liên lạc giữa một Sandbox và các Sidecar của nó nhanh hơn ít nhất 3 lần so với giữa các Sandbox riêng biệt trong cùng khu vực, với thời gian di chuyển p50 mỗi lần gọi là 0,58ms so với 2,6ms. Mỗi Sidecar có chính sách mạng ra ngoài riêng, một Sandbox có thể chạy tới 250 Sidecar và Ramp đã sử dụng tính năng này để chạy một proxy egress tùy chỉnh bên cạnh agent lập trình Inspect của mình.

  6. Modal Blog60

    Modal ra mắt VM Sandboxes, cung cấp cho agent toàn bộ máy ảo Linux với hỗ trợ Docker

    Modal đã chính thức ra mắt VM Sandboxes, cung cấp cho agent toàn bộ máy ảo Linux thông qua cùng các API, modal.Images, khởi động lạnh dưới một giây và khả năng tăng vọt CPU/bộ nhớ như các Sandboxes dựa trên gVisor hiện có. Người dùng kích hoạt tính năng này với runtime="vm" khi cần Docker, hệ thống tệp FUSE hoặc các tính năng nhân Linux đặc thù, trong khi gVisor vẫn là runtime mặc định. Modal cho biết các khách hàng đầu tiên đã khởi chạy hơn 20 triệu máy ảo, với Linear chạy mọi Coding Session trên VM Sandbox và Legora cùng Snorkel sử dụng chúng để đánh giá agent pháp lý và mô phỏng agent.

    Vì sao đáng chú ý: VM Sandboxes của Modal cung cấp cho agent toàn bộ máy Linux với quyền truy cập Docker và nhân, đồng thời giữ nguyên các API Sandbox hiện có và khởi động lạnh dưới một giây.

  7. Modal Blog42

    Tổng hợp Modal Runtime: VM Sandbox, Modal Cluster và hơn thế nữa

    Modal đã công bố VM Sandboxes, cung cấp cho các agent một máy tính Linux đầy đủ cho các stack Docker, cơ sở dữ liệu cục bộ và trình giả lập di động, đã được Linear, Legora và Snorkel sử dụng. Modal Clusters hiện đã được phát hành chính thức thông qua decorator @modal.clustered, hỗ trợ huấn luyện và phục vụ mô hình nghìn tỷ tham số trên các container phối hợp. Sticky Sessions và Endpoint Candidates cũng đã được giới thiệu, trong đó Endpoint Candidates đang ở giai đoạn private beta.

30 tháng 9Thứ Tư
  1. Factory62

    Factory đưa Automations ra mắt chính thức cho các tác nhân Droid

    Factory đã đưa Automations ra mắt chính thức, cho phép các nhóm mô tả một quy trình làm việc lặp lại và để Droid chạy quy trình đó theo lịch hoặc theo sự kiện kích hoạt. Mỗi automation kết hợp một trigger (lịch, Slack, GitHub hoặc webhook), hướng dẫn, một mô hình và mức độ suy luận do người dùng chọn, và một máy có thể là cục bộ, được kết nối hoặc Droid Computer do Factory quản lý. Factory cho biết 52% người dùng doanh nghiệp đã chạy đánh giá mã tự động trong 30 ngày qua, 48% sử dụng đánh giá bảo mật, 35% sử dụng AutoWiki, và khối lượng phiên automation tăng 51% so với 30 ngày trước đó.

    Vì sao đáng chú ý: Factory đưa Automations ra mắt chính thức, cho thấy những quy trình kỹ thuật lặp lại nào doanh nghiệp thực sự giao cho Droid và cách lựa chọn mô hình và máy hoạt động theo từng tác vụ.