Tới nội dung
Chỉ Chính chủ
6 tháng 11Thứ Sáu
  1. Google DeepMind78

    Google DeepMind phát hành Gemini Omni 1.2 Flash với clip 15 giây và giá thấp hơn 30%

    Google DeepMind đã ra mắt Gemini Omni 1.2 Flash, hiện đã được cung cấp rộng rãi trên Gemini API và Gemini for business, với khả năng tạo video gốc dài 15 giây, chỉnh sửa hội thoại nhiều lượt và tuân thủ tham chiếu tốt hơn. Giá giảm 30% so với Gemini Omni 1.1 xuống còn 0,07 USD mỗi giây cho video 720p, và người dùng có thể tạo bản nháp ở 360p hoặc 720p trước khi nâng cấp lên 1080p hoặc 4K. Clip có thể được đặt từ 3 đến 15 giây theo từng bước một giây, và đầu ra mang watermark SynthID không thể nhận biết.

    Vì sao đáng chú ý: Gemini Omni 1.2 Flash nâng độ dài clip gốc lên 15 giây và giảm giá 30% xuống còn 0,07 USD mỗi giây video 720p, với tính năng chỉnh sửa hội thoại nhiều lượt hiện đã được cung cấp rộng rãi.

  2. OpenClaw Blog69

    OpenClaw phát hành Multiplayer cho các agent và ngữ cảnh dùng chung

    OpenClaw đã phát hành Multiplayer, một tính năng miễn phí và mã nguồn mở cho phép nhiều người kết nối với cùng một agent và workspace của OpenClaw, với các prompt hiển thị trực tiếp trên nhiều laptop và các yêu cầu được điều phối qua một hàng đợi dùng chung. Trong các bản demo tại GitHub Universe ở San Francisco, hai người tham dự đã chỉnh sửa cùng một cảnh 3D bằng cách nhập prompt trên các máy riêng biệt mà không cần nhắc lại ngữ cảnh. OpenClaw Foundation cho biết đã có hơn 50 người cộng tác trong cùng một môi trường dùng chung và đang tiếp tục mở rộng tính năng này.

    Vì sao đáng chú ý: OpenClaw biến việc nhiều người dùng chung một Agent và ngữ cảnh thành tính năng miễn phí, mã nguồn mở, mang đến một cách làm có thể chuyển giao cho vấn đề phải liên tục tái tạo ngữ cảnh trong cộng tác nhóm.

  3. Google Blog · AI80

    Google phát hành Gemini Omni 1.2 Flash với clip 15 giây và giảm giá 30%

    Google DeepMind đã ra mắt Gemini Omni 1.2 Flash và cung cấp rộng rãi trên Gemini API và Gemini for business. Mô hình tạo và chỉnh sửa clip gốc dài tối đa 15 giây, tăng từ 10 giây ở Omni 1.1, hỗ trợ chỉnh sửa hội thoại nhiều lượt và giữ tham chiếu nhân vật, sản phẩm và phong cách nhất quán hơn; video 720p hiện có giá 0,07 USD mỗi giây, thấp hơn 30% so với Omni 1.1. Đầu ra mang watermark SynthID và mô hình đang được triển khai trong Flow, Google Vids, ứng dụng Gemini và Google Ads.

    Vì sao đáng chú ý: Gemini Omni 1.2 Flash giảm giá 30% xuống 0,07 USD mỗi giây cho video 720p đồng thời mở rộng clip gốc lên 15 giây, mang đến cho các nhóm sản xuất video quy mô lớn một lựa chọn rẻ hơn để so sánh với các phiên bản trước.

  4. Google Research72

    Nhà nghiên cứu Google phát hiện dấu hiệu tăng huyết áp bằng dữ liệu PPG và gia tốc kế trên đồng hồ thông minh, không cần hiệu chuẩn vòng bít

    Google Research đã công bố một nghiên cứu trên Nature về AI-PPG-ACC-HTN, một hệ thống đa phương thức phát hiện dấu hiệu tăng huyết áp từ dữ liệu PPG và gia tốc kế trên đồng hồ thông minh mà không cần hiệu chuẩn vòng bít. Được xác thực đối chiếu với theo dõi huyết áp lưu động 24 giờ trên 196 người tham gia tại năm địa điểm ở Mỹ, hệ thống đạt độ nhạy 65,8% và độ đặc hiệu 90,0% cho sàng lọc ban đầu, và độ nhạy 78,4% cùng độ đặc hiệu 90,9% cho xét nghiệm xác nhận. Các tác giả mô tả công trình này là nghiên cứu khả thi ban đầu, không thay thế vòng bít đo huyết áp ở cánh tay trong lâm sàng cũng không phải chẩn đoán độc lập.

    Vì sao đáng chú ý: Mô hình tăng huyết áp không dùng vòng bít trên đồng hồ thông minh của Google được đánh giá đối chiếu với theo dõi lưu động 24 giờ, cho thấy cách tổng hợp thụ động dữ liệu cảm biến nhiều ngày có thể hỗ trợ sàng lọc cơ hội.

  5. Google Developers Blog60

    Nghiên cứu của Google phát hiện các tham chiếu lỗi TODO cũ gây xao nhãng các tác nhân lập trình trong 13% số phiên

    ) các tham chiếu. Các tác nhân đã hành động dựa trên ID lỗi trong 6% số lần gặp, và 83% trong số những hành động đó là do nhà phát triển không nhắc đến; 41% các chuyến đi lạc không được nhắc đến đuổi theo các phiếu đã đóng trong khi 57% gặp phải các lỗi vẫn còn mở và mở rộng phạm vi. Khi kiểm soát theo nhà phát triển, độ phức tạp của cơ sở mã, loại nhiệm vụ, cấp độ mô hình và các yếu tố khác, các chuyến đi lạc lỗi không được nhắc đến đã thêm 70% số bước, 77% token và 105% thời gian chờ mỗi phiên.

    Vì sao đáng chú ý: Phân tích dấu vết quy mô lớn của Google cho thấy các tham chiếu lỗi TODO cũ kéo các tác nhân lập trình vào những chuyến đi lạc không được nhắc đến, và các tác nhân dọn dẹp của họ đã loại bỏ hàng nghìn tham chiếu lỗi thời với tỷ lệ chấp nhận của người đánh giá trên 95%.

  6. Anthropic Research60

    Anthropic giải thích các thành phần bộ nhớ của tác nhân Claude

    Anthropic đã phác thảo cách họ thiết kế bộ nhớ cho các tác nhân Claude, định nghĩa bộ nhớ tác nhân là kiến thức được lưu giữ qua các phiên và tách biệt nó khỏi thay đổi trọng số, học trong ngữ cảnh và nén. 5 đã khớp nó với bộ nhớ. 7 đã ghi 413 tệp trên 225 thư mục và giành được một huy hiệu.

    Vì sao đáng chú ý: Anthropic trình bày chi tiết cách bộ nhớ tác nhân của Claude hoạt động, so sánh việc ghi chú của các mô hình trên CL-Bench và Pokémon Red và cho thấy cách mơ ngoại tuyến sửa chữa và sắp xếp các ghi chú đã lưu.

  7. Anthropic Research36

    Anthropic: Dạy AI xây dựng mô hình khoa học

    Nghiên cứu của Anthropic lập luận rằng các hệ thống AI giờ đây có thể suy ra các phương trình như mô hình Hodgkin-Huxley trong một buổi chiều, nhưng khớp dữ liệu thực nghiệm không đồng nghĩa với thấu hiểu. Công trình chia mô hình hóa khoa học thành xây dựng, ràng buộc và diễn giải mô hình, và lưu ý rằng AI tiến bộ nhất ở việc ràng buộc chúng, nơi suy luận Bayes là phương pháp chuẩn để ánh xạ mọi tập tham số khả dĩ thay vì một khớp đơn lẻ.

  8. Mastra Blog38

    Mastra Agents bổ sung Tín hiệu Ring cho Sự kiện Chuông cửa

    Các agent Mastra giờ đây có thể nhận sự kiện chuông cửa Ring dưới dạng tín hiệu thông báo thông qua gói @mastra/ring-signals mới, yêu cầu @mastra/core@1.81.0 trở lên. Mỗi sự kiện đến trong luồng của agent với mức ưu tiên có thể cấu hình, và agent có thể lấy ảnh chụp nhanh hoặc đoạn video từ API Ring để quyết định cách phản hồi. Tín hiệu Ring cũng có thể nhắm đến một luồng kênh hiện có, chẳng hạn như iMessage, để cảnh báo đến được một cuộc trò chuyện chung.

  9. Modal Blog22

    Snorkel vận hành mô phỏng tác nhân thực tế với Modal như thế nào

    Snorkel sử dụng các sandbox GPU và CPU của Modal để chạy hàng triệu mô phỏng tác nhân mỗi tháng, đạt đỉnh hàng chục nghìn sandbox mỗi giờ, và dựa vào Modal để suy luận trên các mô hình trọng số mở mà họ đánh giá. Việc áp dụng tính năng memory bursting của Modal đã cắt giảm tổng hóa đơn sandbox của Snorkel khoảng 20%, với khoảng 10-15% số sandbox của họ sử dụng bursting hiện nay. Modal là nhà cung cấp sandbox duy nhất có thể đáp ứng nhu cầu sandbox GPU của Snorkel ở quy mô lớn.

  10. Microsoft Research58

    PDD Kit của Microsoft Research chính thức xác minh các ứng dụng web full-stack do agent viết

    Microsoft Research đã giới thiệu PDD Kit, một nguyên mẫu nghiên cứu biến ý định bằng ngôn ngữ tự nhiên của nhà phát triển thành đặc tả hình thức Verus, chứng minh mã Rust do coding agent viết thỏa mãn đặc tả đó với mọi đầu vào, và quay về kiểm thử ở những nơi chứng minh không thể vươn tới. Trong một bản demo bên trong Chopin của GitHub Next, nhóm đã dùng PDD Kit để xác minh logic đăng nhập của Pet Store, một ứng dụng full-stack Rust khoảng 5.000 dòng, với việc nhà phát triển xem xét tạo tác ý định thay vì từng dòng mã được sinh ra. PDD Kit hiện chỉ xác minh Rust, và các bảo đảm của nó dựa trên sáu thành phần tin cậy đã được nhà phát triển phê duyệt, bao gồm kiểm tra mật khẩu bcrypt và hai lần tra cứu cơ sở dữ liệu.

  11. Meta AI Research Blog60

    Meta ra mắt các mô hình Muse và Meta AI chuyên biệt với Active Memory và Active Focus

    Meta đang triển khai các phiên bản chuyên biệt của những mô hình hiện có, được huấn luyện bằng Muse Wonder, cho người dùng Muse và Meta AI. Các mô hình chuyên biệt bổ sung Active Memory và Active Focus, và Meta báo cáo mô hình Muse hiện tại đạt 47% trên Chỉ số Siêu trí tuệ Cá nhân của mình so với 38% của mô hình trước đó, 90% so với 76% trên bài đánh giá Active Memory, và cải thiện 67% trong việc hoàn thành các tác vụ hàng ngày khi phát sinh vấn đề bất ngờ.

    Vì sao đáng chú ý: Các mô hình Muse và Meta AI chuyên biệt của Meta mang Active Memory và Active Focus đến nhiều người dùng hơn, với mức cải thiện được báo cáo trên các bài đánh giá về ghi nhớ và hoàn thành tác vụ.

  12. Sierra Blog58

    Sierra mua lại Anon để bổ sung xác thực và điều hướng tác nhân trên trình duyệt

    Sierra đã mua lại Anon, một startup đã xây dựng cơ sở hạ tầng cho phép các tác nhân AI doanh nghiệp đăng nhập, điều hướng trang và điền biểu mẫu trên các trang web không có API. Anon đã huy động được hơn 13 triệu USD và tung ra sản phẩm được hàng trăm khách hàng sử dụng, và đội ngũ của công ty giờ đây sẽ giúp các tác nhân của Sierra hoàn thành các bước yêu cầu đăng nhập vào một trang web hoặc làm việc thông qua một cổng thông tin trên trình duyệt. Nhà sáng lập Daniel Mason cho biết các mô hình và harness tốt hơn đã khiến tác nhân trình duyệt trở nên đáng tin cậy hơn nhiều, và các tác nhân Horizon của Sierra đang theo đuổi các mục tiêu dài hơi hơn như khởi tạo một khoản vay hoặc xin chấp thuận trước cho một thủ thuật chăm sóc sức khỏe.

  13. Descript Changelog22

    Tổng hợp bản phát hành ngày 6 tháng 11 năm 2026 của Descript: Gói bố cục thương hiệu, Kỹ năng Underlord, Thùng rác 30 ngày

    Bản tổng hợp ngày 6 tháng 11 năm 2026 của Descript bổ sung các gói bố cục tạo sinh, biến hướng dẫn thương hiệu, logo và màu sắc thành bốn hướng do AI đề xuất cùng một gói bố cục đầy đủ có thể chỉnh sửa trên các gói trả phí. Underlord hiện hỗ trợ các kỹ năng tái sử dụng, được gọi bằng "/" trong chat, thay thế các mẫu prompt, vốn sẽ bị tắt vào ngày 30 tháng 11. Các dự án đã xóa giờ nằm trong thùng rác 30 ngày, và tính năng tìm kiếm ổ đĩa của Enterprise khớp với nội dung bên trong hình ảnh và video, bao gồm cả qua Descript MCP và API.

5 tháng 11Thứ Năm
  1. Amazon Science18

    Nhà khoa học Amazon Hamed Karimi giành Giải thưởng Test-of-Time ECML PKDD 2026

    Nhà khoa học ứng dụng cấp cao của Amazon Hamed Karimi cùng các đồng tác giả Julie Nutini và Mark Schmidt đã nhận Giải thưởng Test-of-Time ECML PKDD 2026 cho bài báo năm 2016 của họ về hội tụ tuyến tính của các phương pháp gradient và proximal-gradient dưới điều kiện Polyak–Łojasiewicz. Bài báo đã chỉ ra rằng bất đẳng thức năm 1963 này đảm bảo hội tụ tuyến tính ngay cả khi mô hình không có một nghiệm tối ưu duy nhất, thống nhất các kết quả tối ưu hóa rời rạc và mở rộng chúng sang các bề mặt không trơn và các thuật toán như gradient descent theo tọa độ, theo dấu và ngẫu nhiên. Bài báo đã được trích dẫn hơn 2.000 lần và xuất hiện trong các giáo trình sau đại học.

  2. Mistral AI69

    Mistral mở rộng Studio với các agent được quản lý, workflow và ứng dụng cùng Mistral Large 4 (Le Chonk)

    Mistral đã mở rộng nền tảng AI doanh nghiệp Studio với các agent và ứng dụng được quản lý, cùng các khả năng mới về workflow, ngữ cảnh doanh nghiệp, quan sát và đánh giá agent, chạy trên mô hình Mistral Large 4 (Le Chonk). Nhà phát triển có thể xây dựng các agent nhiều bước với skills, sandbox, subagent và hook, rồi triển khai lên Studio bằng một lệnh thông qua Mistral MCP server mới. Mistral cho biết các khách hàng gồm ABANCA, BNP Paribas, Capgemini và TCS đã sử dụng Studio trong môi trường production, với các triển khai có sẵn trên cloud, VPC hoặc on-premises.

    Vì sao đáng chú ý: Mistral mở rộng Studio với các agent được quản lý, workflow và ứng dụng, cho thấy doanh nghiệp có thể giữ quyền kiểm soát triển khai và dữ liệu trong môi trường của chính mình.

  3. Zyphra Research36

    ZYFA: Nhân tính toán Attention FP8 nhanh và chính xác trên AMD MI355X

    Zyphra Research đã phát hành ZYFA, các nhân tính toán attention prefill nhân quả BF16 và FP8 cho MI355X của AMD (CDNA4, gfx950), hỗ trợ head dimension 128 và hình dạng MLA của DeepSeek-V2. Trên các activation từ Mistral-7B, Qwen3-8B và DeepSeek-V2-Lite ở 16K token, các nhân FP8 của ZYFA đạt thông lượng 1,16–1,76× so với AITER, và trên đầu vào Gaussian ở 32K token đạt 1,26–1,37× ở head dimension 128 và 1,99× ở hình dạng MLA. Sai số FP8 thấp hơn 62–78% so với AITER ở head dimension 128.

  4. inclusionAI Repositories38

    ASpec: Khung huấn luyện thông lượng cao cho các mô hình nháp giải mã suy đoán

    ASpec là một khung huấn luyện thông lượng cao cho các mô hình nháp giải mã suy đoán, được xây dựng từ cơ sở mã TorchSpec với cơ chế attention tối ưu, các kernel hợp nhất và tính toán head/loss chọn lọc. Trên một lần chạy Qwen3-8B 4K, huấn luyện chỉ Draft đạt 15.256,44 token đầu vào/giây trên một GPU, gấp 1,96× TorchSpec, trong khi cửa sổ ổn định trực tuyến 8 GPU đạt 77.721,37 token/giây, gấp 2,28× TorchSpec. Nó hỗ trợ DSpark, DFlash, EAGLE3/4 và các draft MTP gốc, với quickstart Qwen3-8B và Ling tiny.

  5. Waymo Blog38

    Cách Waymo Driver xử lý thời tiết mùa đông khắc nghiệt

    Waymo đang chuẩn bị cho đội xe của mình đối phó với thời tiết mùa đông khắc nghiệt, bao gồm cả mùa El Niño lịch sử, bằng cách mở rộng khả năng chịu lạnh của Waymo Driver thế hệ thứ 6. Hệ thống kết hợp camera, radar và lidar với bộ sưởi tích hợp và cần gạt nước siêu nhỏ, đo độ bám thời gian thực tại mỗi bánh xe và sử dụng lốp tuyết, trong khi xe hoạt động như các trạm thời tiết di động chia sẻ dữ liệu đường đi trong toàn đội xe. Waymo cho biết họ sẽ giảm tốc, hạn chế hoặc tạm dừng dịch vụ khi điều kiện vượt quá ranh giới Khung An toàn của mình, và đang chạy thử nghiệm trên đường kín và thu thập dữ liệu tuyết rơi dày ở Alaska trong mùa này.

  6. Apple Machine Learning Research38

    Hàm hỗ trợ học được của Apple tăng tốc truy xuất RAG

    Các nhà nghiên cứu của Apple đã trình bày "Amortizing Maximum Inner Product Search with Learned Support Functions" tại ICML 2026, huấn luyện các mạng nơ-ron nhỏ ngoại tuyến để định tuyến truy vấn tới các khóa khớp nhất một cách nhanh hơn. SupportNet học hàm hỗ trợ thông qua mạng nơ-ron lồi đầu vào (ICNN) để cải thiện định tuyến cụm, trong khi KeyNet trực tiếp xuất ra vectơ khóa khớp nhất, được giữ neo về mặt hình học nhờ hàm mất mát nhất quán từ định lý Euler. Cả hai đều được huấn luyện trên phân phối truy vấn thực tế, đánh đổi chi phí khấu hao ban đầu để lấy truy xuất nhanh hơn, chính xác hơn tại thời điểm suy luận.

  7. Waymo Blog18

    Phim của Waymo khám phá cảm giác tự do di chuyển của phụ nữ

    Waymo phát hành một bộ phim mới xem xét việc loại bỏ căng thẳng hành trình thay đổi việc đi lại của nữ hành khách như thế nào, được thực hiện với đội ngũ sáng tạo và sản xuất do phụ nữ dẫn dắt. Waymo cho biết dữ liệu của họ cho thấy hơn một nửa nữ hành khách tại các thị trường dịch vụ đã ổn định báo cáo dịch vụ cải thiện cảm giác an toàn cá nhân của họ. Bộ phim do Mollie Mills đạo diễn, với quay phim bởi Autumn Durald.

  8. Google Research47

    Agile Deliberation của Google Research giúp con người định nghĩa các danh mục AI mang tính chủ quan

    Google Research giới thiệu Agile Deliberation, một framework biến việc tạo bộ phân loại AI mang tính chủ quan thành một cuộc trò chuyện lặp đi lặp lại, trong đó AI giúp người dùng làm sắc nét các định nghĩa của chính họ. Framework chia nhiệm vụ thành phạm vi khái niệm và lặp lại khái niệm, sử dụng các mô hình ngôn ngữ - thị giác để làm nổi bật các hình ảnh ranh giới và đưa phản hồi vào một vòng tối ưu hóa lời nhắc tự động. Trong 18 phiên người dùng trực tiếp kéo dài 1,5 giờ, phương pháp này giảm mệt mỏi và lo lắng cho người dùng, đồng thời tạo ra các mô hình nhất quán hơn, vượt trội so với các baseline tiêu chuẩn; mã nguồn được mở trên GitHub.

  9. Anthropic Research58

    Anthropic nghiên cứu cách các nhà nghiên cứu sử dụng Claude trong các lĩnh vực và tác vụ khoa học

    Anthropic đã phân tích 207.049 phiên nghiên cứu trên Claude và Claude Code từ ngày 2 tháng 8 đến ngày 30 tháng 9 năm 2026, bằng các bộ phân loại bảo vệ quyền riêng tư, và phát hiện các nhà khoa học sử dụng Claude nhiều nhất cho phân tích dữ liệu và viết lách, ít nhất cho thu thập dữ liệu và hình thành ý tưởng. Phân tích dữ liệu chiếm 33,7% số phiên Claude và 48,1% số phiên Claude Code, so với 27,6% thời gian của nhà nghiên cứu, trong khi hình thành ý tưởng chiếm 4,2% và 2,1% số phiên so với 7,1% thời gian của nhà nghiên cứu. Báo cáo ước tính rằng việc áp dụng rộng rãi các năng lực hiện tại có thể gần như nhân đôi sản lượng nghiên cứu ở một số lĩnh vực, và tự động hóa hoàn toàn công việc phi vật lý có thể nâng các lĩnh vực như khoa học máy tính và thống kê lên tới 15 lần.

  10. Goodfire Research58

    Goodfire Research đề xuất định hình cơ chế để điều hướng mô hình thông qua các biểu diễn nội tại

    Goodfire Research đề xuất định hình cơ chế, một khung làm việc thêm các hình phạt lên các hướng khái niệm nội tại của mô hình trong quá trình huấn luyện để nó học cách dựa vào hoặc biểu đạt các khái niệm cụ thể thay vì chỉ tối đa hóa phần thưởng nhiệm vụ. Trong các thí nghiệm X-quang ngực, một tác nhân LLM đã sử dụng các đặc trưng autoencoder thưa để tìm các hướng tắt giống ống, và việc định hình sự phụ thuộc đã vượt qua cả huấn luyện tiêu chuẩn và một đường cơ sở dữ liệu cân bằng.

  11. Preferred Networks News71

    PFN phát hành PLaMo 3 Translate, LLM dịch thuật trọng số mở cho thiết bị biên

    Preferred Networks đã phát hành PLaMo 3 Translate, một LLM chuyên dịch thuật được sử dụng trong dịch vụ PLaMo Translation của họ, dưới dạng mô hình trọng số mở trên Hugging Face vào ngày 5 tháng 11. 8B, 2B, 8B và 31B) và hỗ trợ 53 ngôn ngữ bao gồm tiếng Nhật và tiếng Anh, chạy trên điện thoại thông minh, máy tính xách tay và máy chủ nội bộ mà không cần kết nối đám mây.

    Vì sao đáng chú ý: PFN phát hành một LLM chuyên dịch thuật với bốn kích cỡ từ 0.8B đến 31B, cho phép các công ty và cá nhân chạy dịch thuật 53 ngôn ngữ trên thiết bị mà không cần truy cập đám mây.

  12. Mastra Blog38

    Mastra ra mắt Chương trình Harness Tùy chỉnh với các Kỹ sư Triển khai Tiền tuyến nhúng

    Mastra đã ra mắt Chương trình Harness Tùy chỉnh, trong đó các kỹ sư triển khai tiền tuyến nhúng vào đội ngũ khách hàng để cùng xây dựng các harness agent phù hợp. Chương trình bao gồm khả năng quan sát, đánh giá, MCP tùy chỉnh, quy trình làm việc có con người tham gia, xác thực và RBAC, cùng quyền truy cập sớm vào Nền tảng Doanh nghiệp Mastra. Mastra dẫn chứng Workday, đơn vị đã chuyển khỏi Amazon Bedrock Agents trong 31 ngày, cắt giảm 3.000 dòng mã và giảm chi phí lưu trữ vector 98%.

4 tháng 11Thứ Tư
  1. Ai2 · Allen Institute for AI38

    Ai2 và Google hợp tác phát triển mô hình khí hậu NeuralGCM+

    Ai2 đã khởi động một sáng kiến mô hình hóa khí hậu với nguồn tài trợ ba năm từ Google.org và hỗ trợ kỹ thuật từ Google Research nhằm phát triển NeuralGCM+, một mô hình mã nguồn mở cho các dự báo khí hậu nhanh hơn và đáng tin cậy hơn. Dự án mở rộng NeuralGCM của Google Research, vốn kết hợp các phương trình vật lý cho động lực quy mô lớn với AI cho các quá trình quy mô nhỏ hơn như hình thành mây và lượng mưa, để mô phỏng đồng thời khí quyển và đại dương. Ai2 hướng tới việc giảm sai số nhiệt độ và lượng mưa khu vực trong 50 năm qua và phát hành các mô hình cùng khung làm việc với quy trình được ghi chép cho các nhà nghiên cứu bên ngoài.

  2. vLLM Blog73

    Buoyant phát hành Kinference, một control plane suy luận mã nguồn mở cho vLLM và Kubernetes

    Buoyant công bố Kinference, một control plane mã nguồn mở Apache v2 định tuyến lưu lượng suy luận tương thích OpenAI và Anthropic đến các worker vLLM trên Kubernetes, bổ sung giới hạn tốc độ token, theo dõi mức sử dụng và chi phí theo từng tenant, cân bằng tải nhận biết KV-cache và các chính sách suy luận bằng YAML. Trong các benchmark công khai của dự án, Kinference giảm 95% thời gian đến token đầu tiên trung vị và 45% độ trễ end-to-end trung vị so với cân bằng tải dịch vụ Kubernetes tiêu chuẩn trên một workload, và phục vụ goodput gấp 7,4 lần trên shared-prefix và khoảng 3,5 lần trên multiturn trong một bài kiểm tra công suất. Các chính sách có thể định tuyến prompt đơn giản hơn đến các mô hình rẻ hơn, đẩy lưu lượng đột biến tràn sang các nhà cung cấp như Bedrock và Databricks, hoặc giữ các yêu cầu gắn thẻ PII bên trong cluster, và các chỉ số theo từng tenant bao gồm tốc độ token, TTFT, ITL và token prompt có cache so với không có cache.

    Vì sao đáng chú ý: Kinference của Buoyant bổ sung cân bằng tải nhận biết KV-cache và các chính sách suy luận bằng YAML lên trên vLLM, với các benchmark tuyên bố cải thiện lớn về TTFT và goodput so với định tuyến dịch vụ Kubernetes tiêu chuẩn.

  3. LiveKit Blog22

    Clerk AI sử dụng LiveKit để vận hành các tác nhân thoại doanh nghiệp ở quy mô lớn

    Clerk AI đang vận hành các tác nhân thoại và nhắn tin doanh nghiệp trên khung mã nguồn mở và mạng biên toàn cầu của LiveKit, xử lý hơn 1.000 phiên thoại đồng thời mà không cần cấp phát trước. Các tác nhân phản hồi trong dưới 500ms và hỗ trợ gốc hơn 30 ngôn ngữ, với tính năng sàng lọc cuộc gọi ScreenSense đạt độ chính xác 97% và phát hiện thư thoại TrueReach trên 98%. Nền tảng này duy trì toàn quyền kiểm soát các nhà cung cấp STT, LLM và TTS, đồng thời có chứng nhận SOC 2 Type II với tính năng tuân thủ TCPA tích hợp sẵn.

  4. Microsoft Research18

    Mike Walker của Microsoft Research về tư duy hacker và xây dựng phòng thủ không gian mạng

    Mike Walker, quản lý tại Microsoft Research, người từng dẫn dắt Cyber Grand Challenge của DARPA, thảo luận về cách văn hóa hacker định hình sự nghiệp xây dựng phòng thủ không gian mạng thế hệ mới của ông, bao gồm giải đấu hack toàn máy đầu tiên. Ông lập luận rằng an ninh hiệu quả phụ thuộc vào việc hiểu sự tin cậy và bối cảnh, đồng thời suy ngẫm về những gì hack thi đấu đã dạy ông về làm việc nhóm và trí tuệ tập thể.

  5. Google DeepMind72

    Google Antigravity bổ sung Kỹ năng Tin học Hóa học cho khám phá thuốc bằng tác nhân

    Google DeepMind giới thiệu Kỹ năng Tin học Hóa học cho Google Antigravity, cho phép một tác nhân tìm kiếm tài liệu, tuyển chọn hợp chất, chạy phân tích cặp phân tử khớp, huấn luyện mô hình hiệu lực và đề xuất các macrocycle được làm cứng với lộ trình tổng hợp trong khoảng một giờ, một quy trình mà họ nói trước đây mất nhiều ngày. Các kỹ năng này dựa trên RDKit với các kết nối đến ChEMBL và PubChem, và nhóm đã trình diễn chúng trên các chất tương tự crizotinib và lorlatinib cho ung thư phổi không tế bào nhỏ. Các kỹ năng có sẵn ngay hôm nay thông qua plugin Science của ứng dụng Antigravity, và DeepMind đang cung cấp cho 10.000 nhà khoa học gói sử dụng cao nhất miễn phí trong 6 tháng, tùy thuộc vào điều kiện đủ, công suất và lựa chọn.

    Vì sao đáng chú ý: Google DeepMind trình diễn Kỹ năng Tin học Hóa học của mình trong Antigravity, nén vòng khám phá thuốc kéo dài nhiều ngày xuống còn khoảng một giờ, đồng thời lưu ý rằng các thiết kế vẫn là giả thuyết cần được xác thực trong phòng thí nghiệm.

  6. Meta Engineering Blog34

    Meta F3 Lightning tăng tốc phát hành tính năng ML cho quảng cáo ~3,6 lần

    Meta đã giới thiệu F3 Lightning, một lớp hạ tầng nằm trên Facebook Feature Framework (F3) của họ, giúp tách việc phát hành tính năng khỏi việc thực thi chung, nhờ đó mỗi tính năng trong số hơn 20.000 tính năng xếp hạng quảng cáo được biên dịch, xác thực, triển khai và hoàn tác một cách độc lập. Các tính năng trích xuất tương đương giờ đây đến môi trường production nhanh hơn ~3,6 lần so với F3 trước đây mà không làm tăng chi phí tính toán hạ tầng.

  7. Anthropic Research66

    Phòng thí nghiệm sinh học của Anthropic báo cáo cấu trúc hạt vault prokaryote đầu tiên, được giải bằng Claude

    Phòng nghiên cứu sinh học của Anthropic báo cáo cấu trúc 3D đầu tiên của một hạt vault tìm thấy trong tế bào prokaryote, một protein phage tên L05 được tạo từ 96 bản sao với khối lượng khoảng 9,5 megadalton. Dưới sự chỉ đạo của nhóm, Claude đã tìm kiếm một cơ sở dữ liệu khoảng 15 tỷ protein dự đoán, thiết kế các cấu trúc DNA, tối ưu hóa một phương pháp phân lập sắc ký loại trừ kích thước giúp rút ngắn quá trình tinh chế từ ba ngày xuống còn khoảng 90 phút, và chạy xử lý cryo-EM bằng RELION để tạo ra mô hình đầy đủ đầu tiên trong 34 giờ. Bản preprint đã được gửi lên bioRxiv, và nhóm cho biết chức năng sinh học của các vault vẫn chưa được biết.

    Vì sao đáng chú ý: Phòng thí nghiệm sinh học của Anthropic báo cáo cấu trúc 3D đầu tiên của một hạt vault từ prokaryote, với Claude đảm nhận việc tìm kiếm cơ sở dữ liệu, thiết kế cấu trúc, tinh chế và xử lý cryo-EM.

  8. Preferred Networks News18

    Preferred Networks sẽ trưng bày dòng MN-Core tại SC26

    Preferred Networks sẽ trưng bày dòng MN-Core của mình tại SC26, hội nghị quốc tế về điện toán hiệu năng cao diễn ra từ ngày 15–20 tháng 11 tại Chicago, với các buổi trình diễn tại gian hàng diễn ra từ ngày 17–19 tháng 11. Tại gian hàng 4606, công ty sẽ giới thiệu mô hình cấu trúc và bản mô phỏng của chip AI suy luận MN-Core L1000 đang được phát triển, các kế hoạch tương lai cho dòng MN-Core L, một bản demo trực tiếp trên MN-Core 2 Devkit, và hoạt động R&D về cơ sở hạ tầng điện toán AI siêu hiệu quả.

  9. Figma Blog58

    Figma mở code layer cho tất cả người dùng trong bản beta mở với quy trình tạo nguyên mẫu do agent dẫn dắt

    Tính năng code layer của Figma hiện đã ở bản beta mở cho 100% người dùng, cho phép các nhóm xây dựng và so sánh các nguyên mẫu dựa trên code trực tiếp trên canvas Figma. Phần hướng dẫn cho thấy một nhà thiết kế clone kho GitHub vào một code layer, nhắc agent của Figma tạo ba biến thể địa chỉ giao hàng cạnh nhau, và tinh chỉnh một biến thể trong trình soạn thảo code toàn màn hình. Extract designs biến màn hình hoặc luồng đã ghi thành các design layer có thể chỉnh sửa, có thể gửi lại vào nguyên mẫu bằng Update code layer, và agent có thể hợp nhất code layer của hai đồng đội thành một trải nghiệm kết hợp.

3 tháng 11Thứ Ba
  1. Ai2 · Allen Institute for AI55

    Ai2 phát hành StateBench để kiểm tra cách các mô hình ngôn ngữ theo dõi thay đổi trạng thái trong tài liệu dài

    Ai2 giới thiệu StateBench, một bộ đánh giá với bốn mức độ khó cho việc theo dõi trạng thái trong ngữ cảnh dài, từ gán bất biến đến cập nhật tự tham chiếu và tham chiếu chéo. Trong các bài kiểm tra, Gemini 3.8 Flash, Claude Opus 5.5, và GPT-6 Sol và Luna xử lý được các mức dễ hơn nhưng giảm xuống còn 13% hoặc thấp hơn trên các bài toán hữu hạn tổng quát dài nhất, trong khi Gated DeltaNet 275M tham số và các mô hình lai được huấn luyện từ đầu tổng quát hóa gần như hoàn hảo ở ba mức đầu tiên và các transformer không bao giờ học được mức khó nhất.

  2. OpenAI Alignment Blog58

    OpenAI xem xét khoảng cách hành vi giữa đánh giá và vận hành trong an toàn tác nhân và vai trò của nhận thức về đánh giá

    Các nhà nghiên cứu OpenAI đã đo lường khoảng cách hành vi giữa đánh giá và vận hành trong an toàn tác nhân: trên sáu mô hình được phục vụ, tỷ lệ thành công trên bài đánh giá Respecting Warnings thấp hơn 10,2 đến 37,4 điểm phần trăm so với các quyết định vận hành Codex tương ứng, với khoảng cách lớn nhất ở GPT-5.6 Sol và GPT-6 Sol. Chỉ riêng nhận thức chung về đánh giá cho thấy mối liên hệ yếu với khoảng cách này (R² = 0,008), trong khi nhận thức cụ thể về mục tiêu đánh giá mạnh hơn (R² = 0,370), và các mô hình thường diễn đạt sai mục tiêu nhất (chống lại prompt injection) có khoảng cách lớn nhất. Trong một can thiệp trên GPT-6.1 Sol, một tín hiệu đánh giá chung gần như không làm thay đổi tỷ lệ thành công (63,1% so với 63,4%), tín hiệu mục tiêu đúng đã nâng lên 91,6%, và tín hiệu mục tiêu sai đã giảm xuống 17,6%.

  3. Apple Machine Learning Research32

    Attention to Mamba: Công thức cho chưng cất liên kiến trúc

    Các nhà nghiên cứu của Apple đề xuất một công thức hai giai đoạn để chưng cất một Transformer thành kiến trúc Mamba thuần không có bất kỳ khối Attention nào. Phương pháp này trước tiên chưng cất một Transformer đã được huấn luyện trước thành một mô hình Attention tuyến tính hóa thông qua một kỹ thuật kernel được điều chỉnh, sau đó chưng cất mô hình đó thành một mô hình Mamba được điều chỉnh. Mamba được chưng cất thu được giữ lại phần lớn hiệu năng của Pythia-1B, đạt perplexity 14,01 so với 13,86 của mô hình giáo viên, với một số khoảng cách trên các tác vụ dựa vào khả năng nhớ trong ngữ cảnh.

  4. Sierra Blog18

    Kyle Randolph gia nhập Sierra với vai trò Giám đốc An ninh Thông tin

    Sierra đã bổ nhiệm Kyle Randolph làm Giám đốc An ninh Thông tin. Randolph mang theo 24 năm kinh nghiệm với tư cách là lãnh đạo an ninh và kỹ sư phần mềm, gần đây nhất là CISO tại Verkada, và đã xây dựng và lãnh đạo các đội ngũ an ninh tại Adobe, Citrix, Twitter và Optimizely. Sierra cho biết sức mạnh an ninh là một lý do khiến gần một nửa trong số Fortune 50 lựa chọn họ.

  5. OpenAI Alignment Blog60

    OpenAI trình bày chi tiết về việc huấn luyện các bộ phân loại kích hoạt cho an toàn và căn chỉnh

    OpenAI mô tả việc huấn luyện các bộ phân loại kích hoạt, hay còn gọi là probe, đọc các kích hoạt luồng dư nội bộ của mô hình để gắn cờ các phản hồi của trợ lý bị lệch chuẩn hoặc vi phạm chính sách, và cho biết đã triển khai chúng trên lưu lượng nội bộ và bên ngoài của các mô hình có năng lực nhất bắt đầu từ GPT-5.6. Các probe sử dụng kiến trúc Attention probe với MLP cộng QV-attention và trung bình động lũy thừa, được huấn luyện trên tối đa 1M tin nhắn được gán nhãn bởi các giám khảo mô hình suy luận, và chạy theo kiểu truyền phát trên công cụ suy luận để một phản hồi có thể bị chặn giữa lượt. OpenAI báo cáo khả năng chuyển giao probe xuất sắc qua nhiều giai đoạn hậu huấn luyện nhưng chuyển giao hạn chế hơn qua các checkpoint tiền huấn luyện, và cho biết các probe nhìn chung chống jailbreak tốt hơn các bộ phân loại dựa trên nội dung trong đợt red-teaming của mình.

    Vì sao đáng chú ý: OpenAI trình bày chi tiết cách các probe kích hoạt trên kích hoạt nội bộ của mô hình đóng vai trò lớp an toàn truyền phát, bao gồm các giới hạn về chuyển giao qua các checkpoint và nhu cầu huấn luyện lại.

  6. Sierra Blog42

    Sierra thiết kế lại Agent Studio xoay quanh Ghostwriter

    Sierra đã thiết kế lại Agent Studio xoay quanh Ghostwriter, agent luôn hoạt động của hãng để xây dựng agent, nhờ đó việc điều tra sự cố, chỉnh sửa một journey và kiểm thử bản sửa giờ diễn ra trong một cuộc hội thoại. Ghostwriter theo bạn qua các journey, simulation và dashboard, và mỗi phiên giữ các thay đổi cùng kết quả kiểm thử với nhau cho đến khi đồng đội xem xét và merge chúng. Agent Studio cũng nhóm các agent liên quan vào một project duy nhất và bổ sung diff từng dòng, Preview Chat, Simulations, cùng quản trị phát hành với phê duyệt bắt buộc và triển khai có kiểm soát.