Tới nội dung
#Agent
10 tháng 11Thứ Ba
  1. Claude Blog34

    Curative đã xây dựng mạng lưới nhà cung cấp quốc gia với các agent trên Claude như thế nào

    Curative đã xây dựng một hệ thống phân cấp các agent trên Claude để ký hợp đồng với nhà cung cấp nhanh hơn khoảng 50 lần so với đội ngũ của công ty vào năm 2025, đạt 23.000 hợp đồng được ký với agent Gwen và 2.000 đến 2.400 hợp đồng mới mỗi tuần. Gwen xử lý một thỏa thuận nhà cung cấp mỗi lần chạy, chủ yếu trên Claude Opus, trong khi một trình đánh giá tỷ lệ Sonnet xử lý khoảng hai phần ba các yêu cầu tỷ lệ vượt mẫu và một giám định Haiku đọc mọi tin nhắn trước khi gửi. Mỗi hợp đồng tốn khoảng 20 triệu token, tức khoảng một phần mười chi phí ban đầu, và đội ngũ hợp đồng của Curative đã tăng từ 45 lên khoảng 55 người, mỗi người có năng suất khoảng 2,5 lần.

  2. Claude Blog78

    Claude mở các ứng dụng được kết nối bên cạnh cuộc trò chuyện và làm việc trong đó

    Anthropic đang triển khai một bản cập nhật cho phép các trình kết nối tương tác được hỗ trợ mở toàn bộ công cụ bên cạnh cuộc hội thoại hoặc ở chế độ toàn màn hình, đồng thời cho phép Claude thực hiện thay đổi đối với một trang, hàng hoặc tệp đang mở mà người dùng phê duyệt theo cùng cách như các hành động của trình kết nối. Đợt triển khai bao gồm web và ứng dụng Claude trên máy tính để bàn ở tất cả các gói, bắt đầu với các công cụ gồm Asana, Canva, Carta, Dropbox, monday.com, Smartsheet, Vercel và Webflow, cùng với Figma, Harvey và Shopify đang xây dựng tích hợp. Các trình kết nối chạy trên MCP Apps, và Claude hiện hỗ trợ nhiều phần mở rộng đó hơn, chẳng hạn như công cụ ứng dụng và trang nhúng, trong bản xem trước công khai dành cho nhà phát triển.

    Vì sao đáng chú ý: Các trình kết nối của Claude giờ đây mở toàn bộ công cụ bên cạnh cuộc trò chuyện và cho phép Claude chỉnh sửa trực tiếp các trang, hàng và tệp, với cùng quy trình phê duyệt như các hành động của trình kết nối.

  3. Mastra Blog25

    Mastra Platform ra mắt gói Starter 25 đô la với máy chủ chuyên dụng

    Mastra Platform giới thiệu gói Starter 25 đô la, nâng hạn mức hàng tháng cho tính toán, dữ liệu và sự kiện quan sát, đồng thời bao gồm một máy chủ chuyên dụng Small với chi phí tính toán được chi trả. Hạn mức hiện cao hơn ở mọi gói, và gói miễn phí được đổi tên thành Free, nơi một agent serverless vẫn chạy miễn phí. Các dự án chạy serverless hoặc trên máy chủ Small, Medium hoặc Large, và Mastra Connect bổ sung hạn mức kết nối cho mỗi gói.

  4. Artificial Analysis Articles58

    Google DeepMind và Artificial Analysis ra mắt benchmark MKA cho công việc tri thức dạng tác tử trên các tệp hình ảnh phức tạp

    Google DeepMind đã hợp tác với Artificial Analysis để ra mắt benchmark Multimodal Knowledge Agent (MKA), giao cho các tác tử nhiệm vụ xem xét các tệp dự án hình ảnh dày đặc như bản vẽ kiến trúc, sơ đồ kỹ thuật và hình ảnh quét lâm sàng để tạo ra slide, bảng tính, PDF, tài liệu Word và hình ảnh có chú thích.

  5. Every65

    Đánh giá: Khả năng lập trình của Gemini 4 Carbon vượt trội so với khả năng phán đoán của nó

    Bài đánh giá thực tế của Every cho thấy Gemini 4 Carbon, được Google DeepMind phát hành hôm nay, là một lập trình viên mạnh hơn nhiều so với Gemini 4 Argon và có thể tạo ra các đối tượng 3D tốt hơn và làm việc hàng giờ với ít sự giám sát. Các nhà thử nghiệm không đồng ý về mức độ giám sát mà nó cần, và bài đánh giá nói rằng Fable 5.2 của Anthropic, được phát hành một ngày trước đó, đã nâng cao kỳ vọng rằng một tác nhân hàng đầu cũng phải chọn đúng công việc, tôn trọng giới hạn và biết khi nào nó hoàn thành. Google đã cấp cho Every quyền truy cập sớm và không có ý kiến đóng góp nào cho bài đánh giá.

9 tháng 11Thứ Hai
  1. NVIDIA Blog70

    NVIDIA ra mắt mô hình hành động thế giới GR00T 2 và Isaac Lab 3.0 tại CoRL

    NVIDIA giới thiệu GR00T 2, một mô hình hành động thế giới mở được xây dựng trên Cosmos và huấn luyện trên 100.000 giờ dữ liệu góc nhìn thứ nhất của con người, cùng với Isaac Lab 3.0 và các bộ đánh giá robot mới tại CoRL. GR00T 2 hoàn thành 40 trong số 50 nhiệm vụ được đánh giá ít nhất một lần mà không cần minh họa dành riêng cho nhiệm vụ và đạt tỷ lệ thành công trung bình 71% trên 50 nhiệm vụ với một minh họa mỗi nhiệm vụ, tăng lên 95% với năm minh họa. Isaac Lab 3.0 bổ sung tích hợp vật lý Newton cho các vật thể biến dạng và báo cáo thông lượng huấn luyện cao gấp 2,5 lần so với Isaac Lab 2.3 với PhysX trong một bộ đánh giá thao tác khéo léo dựa trên thị giác.

    Vì sao đáng chú ý: Bản phát hành CoRL của NVIDIA cho thấy cách mô phỏng kết hợp với các mô hình hành động thế giới hiện đang nhắm đến công việc lắp ráp tinh xảo, với các chi tiết của GR00T 2 và Isaac Lab 3.0 đáng để so sánh với các ngăn xếp robot trước đây.

  2. Anthropic · Claude.dev80

    Anthropic: 1.000 tác nhân Claude Fable 5.2 tái tạo bản hình thức hóa Định lý cuối cùng của Fermat trong 28,7 giờ

    7 giờ không có nền tảng Prove2Me hay sự điều hướng của nhà nghiên cứu như trong lần chạy tháng 9 của Anthropic, viết một chứng minh ngắn bằng một phần bảy và sử dụng một phần ba số token đầu ra. Mỗi tác nhân làm việc trong một sandbox cách ly mạng với bộ phân loại kiểm tra mọi lệnh shell và chỉnh sửa tệp cùng một giám sát viên ngoại tuyến, và qua hơn một triệu lệnh gọi công cụ, không có lệnh nào đạt ngưỡng bị chặn.

    Vì sao đáng chú ý: Lần chạy 1.000 tác nhân của Anthropic đã tái tạo bản hình thức hóa Định lý cuối cùng của Fermat mà không cần Prove2Me hay nhà nghiên cứu, cho thấy cách sandbox và giám sát ràng buộc một nhóm tác nhân tự tổ chức.

  3. Anthropic · Claude.dev60

    Hướng dẫn của Anthropic về cách chọn giữa Claude Fable 5.2, Opus 5.5, Sonnet 5.5 và Haiku 5.5

    Anthropic đã công bố một hướng dẫn khuyến nghị các nhà phát triển bắt đầu hầu hết công việc lập trình và tri thức trên Claude Opus 5.5 ở mức nỗ lực trung bình mặc định, vì chi phí trên mỗi token chỉ bằng một nửa so với Fable 5.2. Hướng dẫn ánh xạ Sonnet 5.5 cho công việc hàng ngày có phạm vi rõ ràng, Haiku 5.5 cho các tác vụ phân loại, định tuyến và tác nhân con với khối lượng lớn, và Fable 5.2 cho các dự án lập trình, tài chính và khoa học khó nhất hoặc các phiên chạy dài không có giám sát. Hướng dẫn cũng khuyên điều chỉnh mức nỗ lực trước khi chuyển đổi mô hình, và lưu ý rằng trên SWE-bench Pro, Opus 5.5 ở mức thấp với các lần thất bại được chạy lại ở mức cao đã vượt qua khoảng 97% tác vụ với chi phí khoảng 0,17 USD mỗi tác vụ, so với 95,3% với 0,29 USD khi mọi tác vụ đều ở mức cao.

    Vì sao đáng chú ý: Hướng dẫn của chính Anthropic ánh xạ từng mô hình Claude và mức nỗ lực tới các loại tác vụ cụ thể, kèm so sánh chi phí trên mỗi tác vụ và điểm chuẩn để lựa chọn giữa chúng.

  4. Berkeley AI Research22

    BAIR tại CoRL 2026: Các bài báo, phiên báo cáo miệng và bài phát biểu chính về Học máy Robot của Berkeley

    BAIR của UC Berkeley đang trình bày 33 bài báo hội nghị chính, 4 poster late-breaking, 3 bài báo cáo miệng và 7 spotlight tại CoRL 2026, diễn ra từ ngày 9–12 tháng 11 tại Austin, Texas. Giáo sư Negar Mehr sẽ có bài phát biểu chính Early Career Keynote về cách robot học tương tác và phối hợp với các đối tượng khác. Các công trình trải rộng từ bộ nhớ embodied cho mô hình vision-language-action, mở rộng quy mô thao tác khéo léo với dữ liệu người góc nhìn thứ nhất, đến tự cải thiện của robot dạng tác tử.

  5. NVIDIA Blog36

    Hệ sinh thái AI của Hàn Quốc tiến bộ và bảo mật Agentic AI với NVIDIA

    Tập đoàn Hyundai Motor đang nghiên cứu các blueprint NemoClaw của NVIDIA và runtime OpenShell của NVIDIA, trong khi AIM Intelligence đang tích hợp nền tảng Starfort của mình với OpenShell để hỗ trợ các AI agent bảo mật cho năng suất nhân viên và quy trình làm việc doanh nghiệp. OpenShell, một thành phần quan trọng của Nền tảng An toàn Agent Mở NVIDIA, cung cấp thực thi trong sandbox và kiểm soát dựa trên chính sách để quản lý các hành động của agent tự trị. LG AI Research cũng đang mở quyền truy cập API cho K-EXAONE-2.5, được phát triển bằng cách sử dụng các bộ dữ liệu NVIDIA Nemotron bao gồm Nemotron-Personas-Korea, một bộ dữ liệu mở gồm 7 triệu persona Hàn Quốc tổng hợp.

  6. Figma Blog38

    Sáu cách sử dụng tác nhân Figma trên canvas

    Figma đã nêu ra sáu cách sử dụng tác nhân thiết kế của mình trực tiếp trên canvas, từ việc chú thích thiết kế bằng biên bản cuộc họp được kéo vào qua các connector như Granola, Notion hoặc Google Drive, đến việc tóm tắt phản hồi bình luận và áp dụng các thay đổi đã thống nhất. Tác nhân cũng có thể tạo shader tùy chỉnh, tạo nhiều biến thể bố cục trong một lần nhắc bằng thư viện của nhóm, biến thiết kế tĩnh thành các lớp mã tương tác và thêm hiệu ứng chuyển động.

  7. Meta AI Research Blog78

    Meta phát hành Muse Ember, mô hình nhỏ nhất và hiệu quả nhất cho các tác vụ agent

    Meta đã phát hành Muse Ember, mô hình nhỏ nhất và hiệu quả nhất của họ, nhắm đến những công việc lặp đi lặp lại mà agent làm cả ngày như gọi công cụ, tác vụ con lập trình, định tuyến, trích xuất và phân tích tài liệu dài. Meta cho biết mô hình này đạt điểm cao nhất của Claude Haiku 5.5 với chi phí khoảng một phần ba và vượt mọi cấu hình GPT-6 Luna, ở mức 0,10 USD mỗi triệu token đầu vào và 0,50 USD mỗi triệu token đầu ra. Mô hình đi kèm cửa sổ ngữ cảnh 1M token, tối đa 512K token đầu ra, hỗ trợ đầu vào văn bản, hình ảnh, âm thanh và video gốc, và có sẵn ngay hôm nay trên Muse Code và Meta Model API với tên muse-ember-1.0.

    Vì sao đáng chú ý: Mô hình nhỏ nhất của Meta nhắm đến các bước agent có khối lượng lớn, và so sánh chi phí mỗi tác vụ với Claude Haiku 5.5 và GPT-6 Luna cho thấy tuyên bố về hiệu quả đến từ đâu.

  8. Google Developers Blog58

    Google AI Studio thêm tính năng xây dựng ứng dụng Google Maps Platform từ một câu lệnh

    Google AI Studio hiện cho phép người dùng xây dựng ứng dụng được hỗ trợ bởi Google Maps Platform trực tiếp từ một câu lệnh, với AI Studio xử lý cấu hình và quản lý khóa API và không cần thẻ tín dụng. Tích hợp này bao gồm các API Maps, Places, Routes và Environment, và sandbox cho phép 100 lệnh gọi mỗi ngày cho mỗi API với hạn mức được đặt lại sau mỗi 24 giờ. Liên kết tài khoản thanh toán Google Cloud sẽ mở khóa hạn mức cấp sản xuất theo giá tiêu chuẩn của Google Maps Platform.

  9. Anthropic Research71

    Anthropic thử nghiệm Claude Fable 5.2 trên thiết kế điện tử thực tế

    Anthropic báo cáo rằng Claude Fable 5.2 đã thiết kế ba thiết bị điện tử, gồm một loa hội nghị, một trung tâm trợ lý giọng nói và một thú ảo cầm tay, từ những yêu cầu tối thiểu, và Diode Computers đã chế tạo nguyên mẫu hoạt động được từ các tệp thiết kế của nó mà không cần sửa mạch. Trên bộ đánh giá PCB Gym nội bộ của Diode, Fable 5.2 đạt 69% so với 25% của Fable 5, và đạt 83,5% trên BenchCAD 2.1 công khai, gần gấp đôi Claude Fable 5.1. Các thiết bị vẫn là nguyên mẫu chưa qua kiểm định điện, tinh chỉnh ăng-ten, kiểm tra nhiệt hay chứng nhận, và Claude không được kết nối với thiết bị kiểm thử hay máy móc sản xuất.

    Vì sao đáng chú ý: Báo cáo của chính Anthropic về việc Claude Fable 5.2 thiết kế ba thiết bị điện tử hoạt động được cho thấy các mô hình đã tiến xa đến mức nào, từ việc chỉ bố trí một phần PCB đến tạo nguyên mẫu phần cứng đầu-cuối.

  10. Every78

    Đánh giá của Every: Fable 5.2 có thể xây dựng một sản phẩm hoàn chỉnh với rất ít sự điều hướng

    Every đưa tin rằng Fable 5.2, mô hình mới nhất của Anthropic, đã giúp Kieran Klaassen xây dựng một trình biên tập video kết hợp các tính năng kiểu Adobe Premiere, After Effects và Ableton, với một tác nhân AI vận hành nó, và Everycut đã ra mắt ba ngày sau khi anh bắt đầu. Bài đánh giá cho biết Fable 5.2 có thể đảm nhận toàn bộ một sản phẩm và tiếp tục xây dựng, kiểm thử và tinh chỉnh cho đến khi nó dùng được hàng ngày, khác với Opus 5.5, vốn khiến người dùng phải liên tục kiểm tra công việc của nó, và Fable 5 cùng 5.1, vốn chạy các tác vụ lớn trong nhiều giờ hoặc nhiều ngày. Every gọi đây là mô hình đầu tiên mà họ kiểm thử cho phép các chuyên gia xây dựng công cụ cấp sản xuất mà không cần đọc mã nguồn bên dưới.

    Vì sao đáng chú ý: Bài tường thuật trải nghiệm thực tế của Every về Fable 5.2 cho thấy một mô hình duy nhất có thể đảm nhận việc xây dựng sản phẩm đến đâu với rất ít sự điều hướng, đồng thời đưa ra so sánh cụ thể với Opus 5.5 và Fable 5/5.1.

8 tháng 11Chủ Nhật
  1. Recode China AI22

    Apple thử nghiệm Qwen trong Apple Intelligence tại Trung Quốc khi Tencent bổ sung khả năng thị giác cho Hy4

    Apple đã bắt đầu thử nghiệm dành cho nhà phát triển đối với Qwen bên trong Apple Intelligence tại Trung Quốc trong tuần này, trước kế hoạch triển khai vào tháng 12 cùng iOS 27.3, đưa Qwen vào Siri, Writing Tools và Visual Intelligence theo hình thức người dùng tự chọn tham gia. Bản phát hành Hy4 ngày 4 tháng 11 của Tencent bổ sung suy luận thị giác và sử dụng máy tính, trong khi Baidu, Moonshot, Ant và Meituan cũng đã công bố hoặc ra mắt các mô hình mới.

  2. ChinaTalk58

    Vì sao đại họa mạng thời AI có thể giáng vào Trung Quốc nặng hơn

    Chang Che lập luận rằng AI đã chuyển an ninh mạng từ thời kỳ khan hiếm zero-day sang thời kỳ dư thừa zero-day, và hệ thống tập trung từ trên xuống của Trung Quốc không phù hợp với việc vá lỗi nhanh, phi tập trung mà điều này đòi hỏi. Một tuần sau khi lỗ hổng zero-day của PHP được công bố, Mỹ đã vá hơn một phần tư trong số 14 triệu dịch vụ bị phơi nhiễm trong khi Trung Quốc mới vá được 4%, theo dữ liệu của Censys. Che lần theo nguyên nhân đến luật năm 2021 của Trung Quốc cấm các nhà nghiên cứu công bố hoặc bán zero-day ra nước ngoài, điều đã cắt giảm động lực đằng sau các hệ sinh thái săn lỗi thưởng của phương Tây, và đến quan điểm của Nicole Perlroth rằng các mô hình AI khiến những lỗ hổng bị tích trữ trở nên lỗi thời, báo hiệu cái chết của NOBUS.

  3. Artificial Analysis Articles38

    Artificial Analysis Decision Index v2 ra mắt với Decision Score mới và các bài kiểm tra riêng tư

    Artificial Analysis đã phát hành Decision Index v2, với 45% của Index hiện được xây dựng trên các bộ dữ liệu riêng tư, tăng từ 25% ở v1. Drex Max v1.1 của Nace AI dẫn đầu sát sao các mô hình ra quyết định với 73 điểm, trong khoảng 1 điểm so với GLiDE v1.2 và Mammoth 27B. Decision Score mới thưởng cho cả tính chính xác và độ tin cậy được hiệu chỉnh, trong khi AA-Paperclip và AA-Symmetry bổ sung các bài kiểm tra tài liệu riêng tư và tính nhất quán.

7 tháng 11Thứ Bảy
  1. GitHub Blog · AI & ML38

    Ngoài việc tạo mã nguồn: Hướng dẫn của nhà phát triển về kỹ thuật tác tử

    GitHub đã công bố hướng dẫn dành cho nhà phát triển về kỹ thuật tác tử, trình bày cách Copilot hỗ trợ các giai đoạn Lập kế hoạch, Xây dựng, Xác minh và Quan sát trong công việc phần mềm. Hướng dẫn trích dẫn con số 1,2 tỷ commit của GitHub trong một tuần vào tháng 10 năm nay, cao hơn 400% so với một năm trước đó, và một nghiên cứu của Faros AI phát hiện rằng các pull request mất thời gian xem xét lâu hơn 441% khi các nhóm chuyển từ mức độ áp dụng AI thấp lên cao. Hướng dẫn trình bày chi tiết các tính năng bao gồm Copilot trong Slack hoặc Teams, Plan Mode, GitHub Agentic Workflows, cloud sandboxes, session continuity, shared memory, Copilot Dreaming và Copilot Fusion.

  2. Meta Newsroom · AI58

    Meta ra mắt không gian trong ứng dụng Muse để người dùng tự xây dựng trải nghiệm cá nhân hóa

    Meta đã giới thiệu không gian trong ứng dụng Muse, một cách tương tác để người dùng xây dựng một Muse cá nhân hóa hơn bằng cách mô tả một ý tưởng như công cụ theo dõi quà tặng, trò chơi chữ hàng ngày hoặc bảng lập kế hoạch DIY. Người dùng có thể điều chỉnh từng không gian với Muse, đặt nó vào thanh bên hoặc các tab chính, ẩn hoặc lên lịch, và kết nối ứng dụng để các chi tiết như ngày diễn hòa nhạc và thay đổi giá được cập nhật trong nền. Không gian có sẵn ở mọi nơi Muse có mặt bắt đầu từ hôm nay, và Meta cho biết họ đang khám phá các tùy chọn chia sẻ và triển khai các phiên bản mô hình chuyên biệt được huấn luyện với những hiểu biết từ Muse Wonder.

  3. a16z News58

    Phòng thủ nhiều lớp, tái thiết cho tốc độ máy: Vì sao vá lỗi không theo kịp

    Asaf Ezra lập luận rằng AI đã khiến việc khai thác lỗ hổng trở nên rẻ và nhanh trong khi việc vá lỗi vẫn mất từ vài tuần đến vài năm, nên khoảng cách giữa khai thác và vá lỗi sẽ không thu hẹp bằng cách vá mạnh hơn. Ông dẫn chứng các lỗi PHP tháng 10 bị khai thác bốn ngày trước khi công bố và một báo cáo của Anthropic về một mô hình chưa phát hành tạo ra khai thác nhân Linux trong chưa đầy một giờ, sau đó xếp hạng bốn biện pháp phòng thủ ngoài thiết bị theo phạm vi: loại bỏ phơi nhiễm khỏi internet mở, phân đoạn, vá ảo ở cấp mạng và loại bỏ các lớp lỗi. Ông cũng lập luận rằng sao lưu giờ là mục tiêu chính, dẫn dữ liệu Sophos cho thấy 94% nạn nhân ransomware nói kẻ tấn công đã cố xâm phạm bản sao lưu của họ và 57% trong số các nỗ lực đó thành công.

6 tháng 11Thứ Sáu
  1. Exponential View20

    Bill Gross về việc xây dựng doanh nghiệp trong kỷ nguyên AI cùng Idealab.ai

    Nhà sáng lập kiêm chủ tịch Idealab Bill Gross đã tham gia Exponential View để thảo luận về việc xây dựng doanh nghiệp trong kỷ nguyên AI và Idealab.ai mới thành lập của ông, nền tảng sử dụng AI để khám phá các ý tưởng kinh doanh tiềm năng, đánh giá chúng dựa trên các vấn đề thực tế và giúp các nhà sáng lập kiểm tra áp lực và tinh chỉnh chúng. Gross nhấn mạnh việc lặp đi lặp lại và tốc độ, đùa rằng lẽ ra ông nên đặt tên công ty là "Iterate Lab."

  2. Zyphra Research58

    Zyphra ra mắt bản beta MAIA, một AI agent đa người dùng với bộ nhớ chia sẻ trên Slack và desktop

    Zyphra đã phát hành MAIA dưới dạng bản beta, một AI agent đa người dùng chủ động, ghi nhớ ngữ cảnh nhóm được chia sẻ, thực hiện hành động trên các công cụ được kết nối, và chạy dưới dạng ứng dụng desktop Mac độc lập và trong Slack, miễn phí trong giai đoạn beta. MAIA lưu giữ bộ nhớ liên tục về con người, các quyết định và sở thích kèm theo nguồn, thực thi các tác vụ nhiều bước bằng ngôn ngữ tự nhiên, và có thể lên lịch công việc định kỳ. Nó tuân theo quyền của công cụ hiện có, xác nhận trước các hành động không thể đảo ngược, và cho phép người dùng xem và xóa bộ nhớ, với các cuộc trò chuyện riêng tư được giữ kín trừ khi được chia sẻ.

  3. Ai2 · Allen Institute for AI58

    Ai2 phát hành ToyBlocks, một thế giới mô phỏng có kiểm soát cho việc học và đánh giá robot

    Ai2 đã phát hành ToyBlocks, một khung mô phỏng mở được xây dựng xoay quanh một cánh tay robot và các khối trên mặt bàn, là sản phẩm đầu tiên trong FoundationWorlds của họ dành cho nghiên cứu học robot có kiểm soát. ToyBlocks tự động tạo nhiệm vụ và bản trình diễn thông qua RL và lập kế hoạch chuyển động trong Isaac Lab, đạt tốc độ tạo dữ liệu lên tới 24 lần thời gian thực trên một GPU duy nhất, và đi kèm với 85.336 bản trình diễn tầm xa bao phủ gần 1.600 giờ và 144 triệu khung hình. Trong các thử nghiệm thực tế trên Franka FR3, tỷ lệ thành công của kỹ năng nguyên tử của ManiFlow là 80,0% trong mô phỏng và 81,1% trên phần cứng, trong khi hệ thống Molmo 2 kết hợp ManiFlow thành công trong 55,5% số tập mô phỏng và 50,0% số tập thực tế.

  4. Sierra Blog18

    Sierra được vinh danh vào JPMorganChase Hall of Innovation

    Sierra, nền tảng AI trải nghiệm khách hàng, đã được vinh danh vào Hall of Innovation của JPMorganChase, với giải thưởng được trao cho CEO Bret Taylor tại Hội nghị chuyên đề Đổi mới Công nghệ thường niên lần thứ 18 của J.P. Morgan ở Palo Alto vào ngày 29 tháng 10. Hall of Innovation, được thành lập năm 2011, công nhận các công ty công nghệ tư nhân đã tạo ra tác động đáng kể tại JPMorganChase thông qua đổi mới và hợp tác chặt chẽ. CIO của Chase, Gill Haus, đánh giá Sierra là một đối tác mạnh mẽ trong việc khám phá AI tác tử cho ngân hàng, trong khi Taylor cho biết các tác tử được xây dựng trên Sierra có thể được triển khai trên web, di động, trò chuyện, email và thoại để giải quyết các tác vụ phức tạp.

  5. Sierra Blog38

    Sierra Accelerators lo những điều cơ bản cho AI Agent

    Sierra đã phát hành Accelerators, các gói dựng sẵn cho những quy trình có khối lượng lớn như theo dõi đơn hàng, đặt lịch hẹn, tiếp nhận yêu cầu bồi thường và xác minh danh tính, hiện đã có trong Agent Studio. Mỗi Accelerator đi kèm các tích hợp và guardrail cơ bản, và Ghostwriter điều chỉnh nó theo chính sách riêng của công ty; các bản cập nhật từ Sierra được giữ nguyên trong khi các thay đổi của khách hàng được theo dõi riêng. Các nhóm sẽ sớm có thể tự xây dựng và chia sẻ Accelerator của riêng mình trong nội bộ.

  6. Newcomer22

    Newcomer và Felicis ra mắt Emergent: Danh sách 29 startup AI giai đoạn hạt giống do các nhà sáng lập đề cử

    Newcomer và Felicis công bố Emergent, danh sách 29 startup ở giai đoạn hạt giống hoặc sớm hơn được các diễn giả là nhà sáng lập hiện tại và cựu nhà sáng lập từ Cerebral Valley AI Summits đề cử là có tiềm năng thế hệ. Mỗi công ty giới hạn ở vòng hạt giống và đi kèm một đoạn giới thiệu từ người đề cử. Nhóm lớn nhất xây dựng công cụ để vận hành và kiểm soát agent, cùng với phần cứng, mã nguồn mở và dịch vụ AI-native cũng nổi bật.

  7. 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.

  8. 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%.

  9. 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.

  10. 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.

  11. 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.

  12. Artificial Analysis Articles40

    VIALS-AA: Những con đường khác nhau để suy luận hình ảnh khoa học

    VIALS-AA phân tích cách 19 mô hình suy luận trên hình ảnh khoa học, phân loại 9.177 lần chạy thử của các lệnh gọi công cụ. Xem hình ảnh chiếm 38,3% số lệnh gọi và chuẩn bị hoặc đo lường hình ảnh chiếm 47,3%, trong khi đo lường hình ảnh chỉ chiếm 5–6% số lệnh gọi đối với GPT-6 Astra (max) và GPT-6.1 Sol (max), so với 25–27% đối với Claude Opus 5.5 (max) và Claude Sonnet 5.5 (max). Gemini 3.8 Flash (high) tạo ra 86,7% số lệnh gọi bình luận/không thao tác của nhóm, và chi phí cho mỗi tác vụ thay đổi gần 100 lần giữa các mô hình.

  13. 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.

  14. 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.

  15. Every22

    Vì sao một số quy trình AI trụ lại được—còn số khác thì không

    Katie Parrott đưa ra bốn câu hỏi để quyết định quy trình AI nào nên giữ, thiết kế lại, xem lại hay loại bỏ, lập luận rằng một công cụ thất bại hôm nay có thể phù hợp về sau khi các lựa chọn mới giúp giảm bớt độ khó kỹ thuật. Bài viết, được đăng lại từ tháng Bảy, lấy hệ thống Tend gốc Codex của CEO Every Dan Shipper làm ví dụ.

  16. 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.

  17. 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.

  18. 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. Every12

    Hội nghị đầu tiên của Every với chủ đề Thesis: 2027 về làm việc với AI

    Every đang tổ chức hội nghị đầu tiên của mình, Thesis: 2027, vào ngày 5 tháng 11 năm 2026, với sự tham gia của các nhà sáng lập, nhà xây dựng và nhà nghiên cứu chia sẻ những gì họ đang học được về làm việc với AI. Buổi livestream miễn phí diễn ra từ 9 giờ sáng đến 5 giờ chiều theo giờ ET, và những người đăng ký tham dự livestream có thể giành được 20.000 đô la tín dụng và quyền lợi từ Notion, Anthropic và OpenAI.