Tới nội dung
#Dữ liệu / huấn luyện
13 tháng 11Thứ Sáu
  1. NVIDIA Newsroom22

    AI đang giúp các nhóm chăm sóc đưa bệnh nhân đến đúng dịch vụ chăm sóc, sớm hơn như thế nào

    Công cụ lập luận lâm sàng Synapsis AI của Dyania Health đọc mọi ghi chú, báo cáo và kết quả xét nghiệm trong hồ sơ bệnh nhân, kết nối các phát hiện cách nhau nhiều năm để đánh dấu những bệnh nhân cần được chú ý và lý do, với mỗi tín hiệu đều có thể truy nguyên về nguồn. Nó chạy trên nền tảng tính toán tăng tốc NVIDIA bên trong tường lửa của chính hệ thống y tế, nên dữ liệu bệnh nhân không bao giờ rời khỏi bệnh viện. Cleveland Clinic đã sử dụng nó để rà soát hồ sơ của hơn 7.800 bệnh nhân thay van động mạch chủ từ năm 2005 đến 2021 và xây dựng một mô hình dự báo về thoái hóa van và nguy cơ can thiệp lại ở các mốc ba, năm và mười năm.

  2. Hacker News · AI22

    TimeNet Challenge: Một cuộc thi hackathon trực tuyến cho AI chuỗi thời gian

    TimeNet Challenge là một cuộc thi hackathon trực tuyến yêu cầu các đội từ 2–4 người đưa một bộ dữ liệu chuỗi thời gian vào định dạng TimeNet và huấn luyện hoặc tinh chỉnh một Mô hình AI thời gian như OpenTSLM cho các tác vụ như dự báo, phân loại, phát hiện bất thường hoặc suy luận. Vòng 1 khởi động ngày 11 tháng 11 và kết thúc lúc 11:59 tối ngày 22 tháng 11 theo giờ PST, với nhiều vòng tiếp theo sẽ diễn ra. Nebius cung cấp voucher trị giá $100 hoặc $500 cho mỗi đội mỗi vòng, và các đội thắng cuộc nhận được tín dụng giải thưởng bắt đầu từ $25,000 từ AWS và Google Cloud.

  3. Hacker News · AI58

    Nghiên cứu phát hiện các ghim phiên bản lỗi thời kiểu AI trong 13,7% gói npm mới trong nửa đầu 2026

    Kobi Mozgori đã lấy mẫu 250.000 gói npm và phát hiện rằng các gói mới có phiên bản phụ thuộc được ghim chủ yếu là các số tròn x.0.0 đã bị thay thế đã tăng từ mức cơ sở 1–2,4% năm 2019 đến đầu 2024 lên 13,7% trong nửa đầu 2026, giảm xuống 7,6% trong nửa cuối 2026 tính đến đầu tháng 11. Phụ thuộc được ghim trung vị khoảng 155 ngày tuổi khi sinh ra trong giai đoạn 2021–2023 nhưng là 451 ngày trong quý 2 năm 2026, và tỷ lệ các gói sinh ra với về cơ bản tất cả các ghim đều ở bản phát hành mới nhất đã giảm từ khoảng 28% xuống khoảng 10%. Tác giả diễn giải mô hình này như một suy luận chứ không phải bằng chứng, vì siêu dữ liệu của registry không thể cho thấy ai hoặc cái gì đã viết một manifest, và lưu ý rằng sự sụt giảm từ giữa năm 2026 vẫn chưa được giải thích.

  4. Hacker News · AI18

    Show HN: Máy bán hàng tự động nhận chữ thay vì tiền

    Cultivated Corpora đã chế tạo một nguyên mẫu máy bán hàng tự động "Type to Pay" chấp nhận văn xuôi do con người viết mới thay vì tiền, nhả đồ ăn vặt để đổi lấy văn bản dùng làm dữ liệu huấn luyện AI. Thiết bị đầu cuối này đang được trình diễn tại Data Vandals Newsstand ở góc 51st và Lexington trong Downtown 6 từ ngày 12 tháng 11 đến ngày 17 tháng 11. Công ty cho biết họ đang lấp đầy khoảng trống cho các công ty AI cần nhiều dữ liệu huấn luyện hơn mức hiện có.

  5. Hacker News · AI58

    Uber mã nguồn mở nền tảng ML Michelangelo, cho biết đã được kiểm chứng qua hơn 400 dự án và 20.000 tác vụ huấn luyện mỗi tháng

    Uber đã mã nguồn mở Michelangelo, nền tảng ML của mình đã được chứng minh ở quy mô Uber với hơn 400 dự án ML đang hoạt động, hơn 20K tác vụ huấn luyện mô hình mỗi tháng, hơn 5K mô hình trong sản xuất và hơn 45M dự đoán thời gian thực mỗi giây ở mức cao điểm. Bản phát hành bao gồm quản lý đặc trưng, huấn luyện mô hình phân tán, triển khai và giám sát, với quản lý đặc trưng, đánh giá và giám sát được đánh dấu là sắp ra mắt. Một API Python xây dựng trên Uniflow cho phép người dùng định nghĩa các tác vụ huấn luyện phân tán và quy trình làm việc đầu cuối, chẳng hạn như pipeline huấn luyện XGBoost dựa trên Ray, chỉ với vài dòng mã.

  6. Hacker News · AI21

    AI Math Kit: Tiện ích bật lên trên trình duyệt để khám phá các bài toán mở với AI

    AI Math Kit là một tiện ích mở rộng dạng cửa sổ bật lên trên trình duyệt, bao gồm 217 bài toán mở, 242 bản tóm tắt bằng ngôn ngữ đơn giản về các đột phá trong AI và toán học hình thức, cùng các mẫu câu lệnh (prompt template) để khám phá trung thực với AI. Ngân hàng bài toán bao quát lý thuyết số, giải tích và những bí ẩn liên ngành, trong khi trang về các đột phá có ghi chú phạm vi chính xác và chỉ dẫn tới bài báo. Gói miễn phí cho phép duyệt; gói Pro mở khóa toàn bộ lời giải thích và các câu lệnh chuyên dụng, với tùy chọn và trạng thái thanh toán được lưu cục bộ.

  7. Databricks Blog36

    Bright Machines dùng Debezium và Iceberg để cung cấp cho khách hàng bảng điều khiển trực tiếp từ các nhà máy cách ly mạng

    Bright Machines hiện cung cấp cho khách hàng bảng điều khiển dữ liệu nhà máy trực tiếp, có quản trị từ các nhà máy cách ly mạng mà không cần mở bất kỳ quyền truy cập vào nào. Công ty ghi lại các thay đổi PostgreSQL tại biên với Debezium, ghi chúng dưới dạng Apache Iceberg, đẩy ra ngoài qua một đường ra duy nhất có thể kiểm toán, và đọc tại chỗ trong Databricks thông qua liên kết Unity Catalog. Bảng điều khiển đầu tiên mà khách hàng nhìn thấy đã đi vào hoạt động khoảng hai tháng sau khi khởi động, với các hàng đã cam kết có thể truy vấn trong một đến hai phút và bảng điều khiển làm mới mỗi mười phút.

  8. Hacker News · AI58

    Dữ liệu H-1B Hoa Kỳ: hồ sơ đăng ký cho lập trình viên giảm 36% trong khi các vị trí có tiêu đề AI tăng

    Số hồ sơ H-1B của nhà tuyển dụng Hoa Kỳ cho lập trình viên giảm 36% từ năm tài chính 2022 đến năm tài chính 2026, so sánh giai đoạn tháng 10 đến tháng 6, trong khi hồ sơ có tiêu đề công việc AI tăng và chiếm 1,8% tổng số hồ sơ được chứng nhận trong năm tài chính 2026. Hồ sơ tuyển dụng mới cho lập trình viên giảm 46%, và mức giảm trong năm tài chính 2026 mạnh nhất từ tháng 10 đến tháng 12 năm 2025, giảm 26% so với cùng kỳ năm trước, sau khi Nhà Trắng công bố mức phí 100.000 USD đối với đơn xin H-1B mới. Các tiêu đề chứa "machine learning" hoặc "artificial intelligence" tăng 80%, và các tiêu đề ngắn hơn như "AI engineer" đóng góp 92% mức tăng của năm gần nhất; OpenAI và Anthropic chỉ đưa AI hoặc machine learning vào 11% trong số 402 hồ sơ được chứng nhận của họ.

  9. Hacker News · AI85

    Phân tích pháp y liên kết sáu mô hình tiên phong của Trung Quốc với GPU NVIDIA Blackwell bị kiểm soát xuất khẩu

    Phân tích pháp y của Unemployment Labs trên các trọng số mô hình đã công bố phát hiện rằng sáu mô hình từ DeepSeek, Moonshot AI, MiniMax và Ant Group được khởi tạo trên phần cứng NVIDIA Blackwell, trong khi các mô hình trước đó từ cùng các phòng thí nghiệm khớp với Hopper. Phương pháp này khôi phục hạt giống ngẫu nhiên và bố cục luồng của từng mô hình từ các trọng số được lưu giữ, và tác giả cho biết các kết quả khớp đã được tái tạo trên chip H100, B300 và GB200 vật lý. Báo cáo ước tính mỗi lần chạy huấn luyện cần khoảng 500 đến 3.000 GPU Blackwell trong hai đến ba tháng, và lưu ý rằng bằng chứng không xác định được vị trí của các chip hoặc liệu các biện pháp kiểm soát xuất khẩu có bị vi phạm hay không.

    Vì sao đáng chú ý: Báo cáo chỉ rút ra bằng chứng phần cứng từ các trọng số mô hình đã công bố, cung cấp một phương pháp có thể tái tạo để truy vết GPU nào đã khởi tạo một mô hình mà không dựa vào rò rỉ.

  10. 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.

  11. Hacker News · AI60

    Mirendil huy động 1 tỷ USD vòng Series A do Kleiner Perkins dẫn dắt nhằm dân chủ hóa R&D AI

    Mirendil công bố vòng Series A trị giá 1 tỷ USD do Kleiner Perkins và Clearlake Capital dẫn dắt, với sự tham gia của Battery Ventures, Google, M13, Pear VC và những nhà đầu tư khác, nhằm xây dựng các công cụ giúp các nhà khoa học và kỹ sư tiếp cận R&D AI tiên phong. Công ty cho biết một nhà nghiên cứu làm việc với các agent đã tiền huấn luyện Mirendil-Base, một mô hình lập trình có tính cạnh tranh, từ đầu trong 3,5 tháng với chi phí tính toán dưới 10 triệu USD, sau đó hậu huấn luyện nó thành Fern, mô hình nắm giữ ngữ cảnh lên tới 10 triệu token. Lor, hiện đang trong giai đoạn beta riêng tư, cho phép hàng trăm agent viết mã và chạy thử nghiệm trong nhiều ngày liên tục, và Mirendil nói rằng công ty vận hành trên Lor mỗi ngày.

  12. Microsoft Research22

    Microsoft Research Focus Edition #98: Dịch thuật AI, chứng minh giả thuyết KLS và tác nhân lập trình nhanh hơn

    Microsoft Research Focus Edition #98 nêu bật những tiến bộ AI đưa dịch thuật phổ quát đến gần thực tế hơn và một chứng minh mới giải quyết giả thuyết KLS đã tồn tại 31 năm trong hình học chiều cao. Ấn bản cũng đề cập CompactionBench và APEC, giúp giảm chi phí nén ngữ cảnh của tác nhân lập trình tới 25,4% và thời gian thực thi 9,6%, cùng với Latent Core Tokenizer, cải thiện token hóa trên 104 ngôn ngữ.

  13. Databricks Blog30

    Databricks bác bỏ bốn lầm tưởng về LTAP trong kiến trúc Lakebase

    Databricks phản hồi bốn cách hiểu sai phổ biến về LTAP, kiến trúc Lakebase giữ một bản dữ liệu vận hành duy nhất được quản trị, phục vụ cả Postgres lẫn phân tích mà không cần CDC. Bài viết lập luận LTAP không phải sao chép: các lớp phía trước hồ dữ liệu là bộ nhớ đệm, không phải cơ sở dữ liệu thứ hai có catalog riêng. Bài viết cũng nói rằng heap page và Parquet là hai cách mã hóa không mất mát của cùng các hàng, nên tra cứu điểm và quét mỗi bên đọc bố cục nhanh cho mình.

  14. 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.

  15. AWS Machine Learning Blog38

    Tokenomics ở quy mô lớn: Theo dõi và giới hạn chi tiêu Amazon Bedrock theo từng IAM Principal với CUR 2.0 và AWS Budgets

    AWS hướng dẫn cách theo dõi và giới hạn chi tiêu cho AI tạo sinh Amazon Bedrock theo từng IAM principal chỉ bằng các tính năng gốc: Bedrock tự động ghi lại IAM user hoặc role trên mỗi yêu cầu suy luận, và các thẻ đó trở thành thẻ phân bổ chi phí có thể đọc được trong Cost Explorer hoặc các bản xuất CUR 2.0. Một AWS Budget giới hạn phạm vi cho Bedrock và lọc theo một danh tính hoặc giá trị thẻ có thể gắn một hành động ngân sách áp dụng chính sách Deny IAM khi vượt ngưỡng, không cần mã ứng dụng cho trường hợp thông thường.

  16. Hugging Face Blog69

    IBM phát hành các mô hình xem trước LLMON được xây dựng trên Granite 4.1 3B và 8B

    IBM đã phát hành hai mô hình xem trước thử nghiệm, granite-4.1-3b-LLMON-preview và granite-4.1-8b-LLMON-preview, được phát triển từ các checkpoint cơ sở Granite 4.1 và được huấn luyện để tiếp nhận và tạo ra LLMON, một ngôn ngữ đánh dấu bản địa của LLM đánh dấu chỉ dẫn, dữ liệu và yêu cầu bằng các dấu phân cách token đặc biệt dành riêng. Trên bộ đánh giá OPI, các mô hình tránh được nhiều hơn 47% các cuộc tấn công chèn prompt gián tiếp so với mô hình tiên tiến nhất được thử nghiệm và nhiều hơn 95% so với mô hình mã nguồn mở tốt nhất, đồng thời hoạt động ngang bằng với Granite 4.1 Instruct trên các bộ đánh giá tiêu chuẩn. Bản phát hành bao gồm một bộ công cụ GitHub với các bộ chuyển đổi JSON sang LLMON không mất dữ liệu, và các tác giả lưu ý rằng bản xem trước dành cho mục đích khám phá, không phải để sử dụng trong môi trường sản xuất.

    Vì sao đáng chú ý: IBM đã huấn luyện một mô hình xem trước trên Granite 4.1 có thể đọc và ghi các thẻ LLMON, sử dụng việc tách biệt rõ ràng giữa chỉ dẫn và dữ liệu để giảm tỷ lệ thành công của các cuộc tấn công chèn prompt gián tiếp trên bộ đánh giá OPI xuống gần bằng không trong khi vẫn duy trì các khả năng chung.

  17. The Verge · AI58

    Các nhà khảo cổ học nói rằng các tác nhân AI của một nhà nghiên cứu Google không phát hiện ra một địa điểm Maya chưa được biết đến

    Nhóm 48 tác nhân AI của một nhà nghiên cứu Google đã đánh dấu một địa điểm Maya ở Mexico là có khả năng chưa được đăng ký, nhưng các nhà khảo cổ học lưu ý rằng địa điểm này đã được ghi nhận trong một tạp chí học thuật hơn một năm trước đó. Pietro Miotti, người mô tả công việc này là một dự án phụ cá nhân không dùng tài nguyên hay máy tính của Google, cho biết ông đã kiểm tra với INAH của Mexico và sau đó cập nhật bài đăng của mình để ghi công nghiên cứu trước đó sau những chỉ trích trên mạng xã hội. Các nhà khảo cổ học bao gồm Sarah Parcak và Ivan Šprajc nói rằng phát hiện ra một địa điểm không giống với việc khám phá ra nó và nhấn mạnh rằng việc bình duyệt và nghiên cứu hiện có vẫn là thiết yếu.

  18. Newcomer42

    The AI 100: 100 công ty tư nhân định hình kỷ nguyên AI

    Newcomer và Bessemer Venture Partners đã công bố bảng xếp hạng AI 100 đầu tiên về các công ty AI tư nhân triển vọng nhất, với Anthropic ở vị trí số 1 trước thềm IPO dự kiến vào tuần tới và OpenAI ở vị trí số 2. 100 công ty này có tổng định giá khoảng 3,5 nghìn tỷ USD, và các công ty mô hình tập trung vào nghiên cứu chỉ chiếm 9% danh sách nhưng chiếm 55% định giá đó. Các đơn vị chuyên về inference như Fireworks (#9), Baseten (#12), Fal (#16) và Modal (#20) cũng xếp hạng cao, cùng với những tên tuổi lâu năm đã chuyển hướng như Stripe (#4) và Anduril (#7).

  19. Databricks Blog22

    Constellation xây dựng nền tảng dữ liệu có quản trị trên Databricks như thế nào

    Constellation, đơn vị vận hành đội hạt nhân lớn nhất Hoa Kỳ, đang xây dựng Nền tảng Dữ liệu Doanh nghiệp có quản trị trên Databricks để mang lại cho doanh nghiệp một ý nghĩa chung cho dữ liệu của mình. Nền tảng này sử dụng Unity Catalog cho phả hệ, quyền truy cập chi tiết và một mô hình phân quyền duy nhất, cùng với mô hình hóa Data Vault cho các thực thể quan trọng có thể tái sử dụng. Các trường hợp sử dụng ban đầu bao gồm một trợ lý kỹ thuật hạt nhân được xây dựng với Databricks Genie và lập kế hoạch ngừng hoạt động.

  20. Databricks Blog25

    Eclipse Aerospace sử dụng nguồn dữ liệu tùy chỉnh Databricks PySpark để nhập dữ liệu chuyến bay

    Eclipse Aerospace đang sử dụng nguồn dữ liệu tùy chỉnh Databricks PySpark để nhập gần 20 năm dữ liệu chuyến bay độc quyền, hơn 3TB trải rộng trên hơn một triệu giờ bay, mà không cần tính toán chuyên dụng luôn bật. Gói Python được hỗ trợ bởi Rust đã mang lại hiệu suất gấp đôi so với chuẩn đánh giá của một nguồn dữ liệu Python thuần dựa trên PyArrow tương tự và gần 20 lần so với triển khai Python gốc không có Arrow. API, được giới thiệu trong Apache Spark 4.0 và có sẵn trong Databricks Runtime 15.4 LTS, thay thế quy trình Lambda-to-Avro trước đó.

  21. The Verge · AI38

    Khảo sát GDC: 40% nhà phát triển game hiện sử dụng AI tạo sinh trong công việc

    Bốn mươi phần trăm nhà phát triển game cho biết họ sử dụng AI tạo sinh như một phần công việc của mình, tăng từ 36 phần trăm vào năm 2025, theo khảo sát ngành hàng năm mới nhất của GDC Festival of Gaming. Tỷ lệ sử dụng cao nhất ở các nhà phát triển game miễn phí (58 phần trăm) và các studio chỉ làm game di động (70 phần trăm), với nghiên cứu và động não (73 phần trăm) là trường hợp sử dụng hàng đầu. Khảo sát cũng phát hiện 34 phần trăm người trả lời đã bị sa thải vào một thời điểm nào đó trong hai năm qua.

  22. Databricks Blog22

    H6.ai xây dựng tự động hóa tài chính bằng AI với Lakebase Postgres như thế nào

    H6.ai tự động hóa các khoản phải trả trên nền ERP hiện có của khách hàng, sử dụng một cơ sở dữ liệu Lakebase Postgres riêng cho từng khách hàng làm hệ thống lưu trữ gốc. Vì dữ liệu hóa đơn liên tục thay đổi, nhóm sử dụng các nhánh copy-on-write của Lakebase để đóng băng ảnh chụp nhanh cơ sở dữ liệu khách hàng và chạy từng bài kiểm tra hồi quy trên nhánh ngắn hạn riêng của nó, nhờ đó cơ sở dữ liệu trực tiếp không bao giờ bị ghi vào. Mỗi lần chạy được đánh giá bằng các khẳng định tất định cùng một hội đồng giám khảo AI đến từ các nhà cung cấp mô hình khác nhau.

  23. Databricks Blog58

    Databricks ra mắt Lakehouse//RT để phục vụ phân tích thời gian thực mà không tăng chi phí tương ứng

    Databricks giới thiệu Lakehouse//RT, một engine phân tích thời gian thực chạy các khối lượng công việc có độ đồng thời cao trực tiếp trên dữ liệu lakehouse và hiện đang ở giai đoạn beta. Công ty cho biết nó đạt độ trễ dưới 100 mili giây với 12.000 truy vấn mỗi giây, bổ sung dung lượng từng node một và tránh cần một lớp phục vụ riêng; các khách hàng Aurasell, VisionHeight và nOps báo cáo chi phí hạ tầng thấp hơn 6 đến 10 lần sau khi chuyển từ các thiết lập đa cụm, Apache Pinot và Apache Druid.

  24. Epoch AI · Gradient Updates60

    Trung tâm dữ liệu Horinger của Huawei tiết lộ gì về khoảng cách năng lực tính toán của Trung Quốc

    Epoch AI ước tính trung tâm dữ liệu Horinger của Huawei ở Nội Mông có khoảng 105.000 chip Ascend 910C và 8.000 chip Ascend 910B đang vận hành, tương đương khoảng 81.000 H100 (CI 90%: 36.000 đến 141.000). Ước tính này đến từ hình ảnh vệ tinh thương mại và một mô hình thiết bị làm mát cho thấy bốn tòa nhà dành cho AI có công suất IT lên tới 286 MW. Điều đó khiến Horinger chỉ đạt khoảng 7% năng lực tính toán AI của Colossus 2 thuộc SpaceX ở Tennessee, và một tòa nhà đang được quy hoạch có thể nâng công suất của nó thêm hơn 70% vào đầu năm 2028, vẫn còn kém xa mức 1,8 triệu H100e dự kiến của Colossus 2.

12 tháng 11Thứ Năm
  1. The Decoder72

    Điều tra của ChinaTalk: Các nhà môi giới dữ liệu Mỹ bán khoảng 500 triệu USD môi trường huấn luyện RL cho các phòng thí nghiệm AI Trung Quốc

    Theo một cuộc điều tra của ChinaTalk, các nhà môi giới dữ liệu Mỹ bao gồm Mercor, Surge AI, AfterQuery và Turing đang bán khoảng 500 triệu USD dữ liệu huấn luyện, trong đó có một phần là môi trường RL, cho các phòng thí nghiệm AI Trung Quốc. Báo cáo xác định ít nhất chín công ty Mỹ tham gia và cho biết các phòng thí nghiệm Trung Quốc cố ý mua các sản phẩm đã được bán cho Anthropic hoặc OpenAI để bỏ qua việc phát triển nội bộ tốn kém, khoản tiết kiệm này có ý nghĩa quan trọng do tình trạng tắc nghẽn bộ nhớ chip của Trung Quốc. ChinaTalk lưu ý rằng môi trường RL phần lớn không bị kiểm soát bởi các biện pháp kiểm soát xuất khẩu và lập luận rằng Cục Công nghiệp và An ninh nên áp dụng các biện pháp kiểm soát hiện hành đối với môi trường lập trình và sinh học lưỡng dụng, đồng thời nhấn mạnh rằng các phòng thí nghiệm Trung Quốc vẫn đi sau các đối thủ Mỹ ít nhất vài tháng.

  2. TechCrunch · AI38

    Plurai huy động 13 triệu USD vòng hạt giống để làm cho các tác nhân AI đáng tin cậy hơn thông qua mô phỏng

    Plurai đã huy động được 13 triệu USD trong vòng gọi vốn hạt giống do Team8 dẫn dắt nhằm làm cho các tác nhân AI đáng tin cậy hơn bằng các kỹ thuật mô phỏng vay mượn từ xe tự lái. Startup này xây dựng một bản sao số cho các hệ thống của công ty, lập bản đồ các luồng tác nhân khả thi, và sử dụng dữ liệu tổng hợp để chuẩn bị cho các mô hình trước các trường hợp biên, sau đó huấn luyện hậu kỳ các mô hình mở trọng số nhỏ phù hợp với từng khách hàng. Các thử nghiệm với Nvidia và Nebius cho thấy các mô hình của công ty vượt trội so với các mô hình tiên phong tầm trung với chi phí thấp hơn.

  3. The Decoder71

    Google DeepMind phát hành AlphaGenome 2, chuyển dịch AI genomics từ mô hàng loạt sang độ phân giải từng loại tế bào

    Google DeepMind đã phát hành AlphaGenome 2, một mô hình genomics dự đoán cách các biến thể DNA ảnh hưởng đến từng loại tế bào người cụ thể và tìm ra số thay đổi gen liên quan gần gấp đôi so với phiên bản tiền nhiệm. Được huấn luyện trên hơn 107 triệu hồ sơ tế bào riêng lẻ từ 68 mô ở người và chuột, mô hình lấy trạng thái sinh học của tế bào làm đầu vào bổ sung thay vì dự đoán rộng khắp nhiều mô cùng lúc.

  4. Meta Newsroom · AI18

    Meta ký các thỏa thuận mua dài hạn đối với xi măng, thép, vận tải đường bộ và nhựa tái chế phát thải carbon thấp

    Meta đã ký một loạt cam kết mua dài hạn bao gồm xi măng, thép, vận tải đường bộ và nhựa tái chế nhằm đưa sản xuất sạch lên quy mô thương mại trong chuỗi cung ứng trung tâm dữ liệu của mình. Các thỏa thuận bao gồm ít nhất 180.000 tấn xi măng phát thải carbon thấp từ Sublime Systems, thép gần như không phát thải từ Stegra có trụ sở tại Thụy Điển, tuyến vận tải hàng hóa không phát thải mở rộng với Nevoya dọc theo I-10 ở California và Arizona, và 5.000 tấn PET tái chế mỗi năm với MacroCycle Technologies.

  5. MIT News34

    Các nhà nghiên cứu MIT phát triển kỹ thuật huấn luyện giúp mô phỏng khí hậu nhanh hơn và đáng tin cậy hơn

    Các nhà nghiên cứu MIT đã phát triển một kỹ thuật huấn luyện giúp tăng hiệu suất và khả năng thích ứng của các mô phỏng khí hậu AI trong khi chỉ sử dụng một phần nhỏ dữ liệu thường được yêu cầu. Phương pháp này tạo ra các kịch bản huấn luyện tổng hợp được tối ưu hóa với các biến động phát thải nhanh, cho phép một mô phỏng được huấn luyện với ít dữ liệu hơn nhiều dự đoán chính xác các kịch bản chưa từng thấy mà các mô phỏng truyền thống đã thất bại. Công trình được công bố trên Proceedings of the National Academy of Sciences.

  6. Hugging Face Blog36

    Hugging Face phát hành hướng dẫn và script fine-tune cho TRELLIS.2 tạo sinh 3D

    Hugging Face đã công bố các script và container fine-tune cho TRELLIS.2, một mô hình tạo sinh 3D, có thể chạy cục bộ hoặc trên Hugging Face Jobs. Hướng dẫn sử dụng LoRA adapter thông qua thư viện PEFT chỉ trên sparse-structure flow DiT và shape flow DiT, giữ nguyên giai đoạn material. Trên tập con 188 đối tượng giày dép của bộ dữ liệu GSO, mô hình tiền huấn luyện thường render sai đế giày, và đây là mục tiêu mà fine-tune LoRA nhắm tới.

  7. AWS Machine Learning Blog46

    Phát hiện và khắc phục lỗi hỏng dữ liệu âm thầm trên Amazon SageMaker HyperPod

    Một vòng lặp huấn luyện PyTorch DDP trên Amazon SageMaker HyperPod được bổ sung ba bước kiểm tra nhằm phát hiện lỗi hỏng dữ liệu âm thầm: kiểm tra gradient không hữu hạn, kiểm toán phát lại vòng so sánh bit loss và dấu vân tay gradient giữa các node, và so sánh dấu vân tay trọng số sau bước tối ưu hóa. Được thử nghiệm với lỗi tiêm phần mềm trên 4 instance ml.p5.48xlarge (32 GPU NVIDIA H100), các bước kiểm tra chỉ ra rank nghi ngờ, ánh xạ rank đó tới một node, và cho phép HyperPod thay thế node và tiếp tục từ checkpoint.

  8. AWS Machine Learning Blog12

    AWS re:Invent 2026 AI/ML Track: Hướng dẫn cho người tham dự

    AWS sẽ tổ chức hội nghị re:Invent thường niên từ ngày 30 tháng 11 đến ngày 4 tháng 12, với track AI/ML cung cấp hơn 140 phiên độc đáo trong tổng số hơn 2.000 phiên học tập. Hướng dẫn này ánh xạ các phiên vào ngăn xếp AI của AWS, bao gồm chip AI (AWS Trainium và NVIDIA GPUs), mô hình và suy luận trên Amazon Bedrock và SageMaker AI, và phát triển tác nhân với Amazon Bedrock AgentCore. Các phiên được tổ chức từ nội dung cho người mới đến các buổi đào sâu kỹ thuật, và nhiều phiên có thể xem theo yêu cầu.

  9. MarkTechPost58

    Google DeepMind phát hành AlphaGenome 2 cho dự đoán hiệu ứng biến thể theo loại tế bào

    Google DeepMind đã phát hành AlphaGenome 2, một mô hình DNA từ chuỗi sang chức năng có điều kiện, đọc cửa sổ DNA 1 Mb cùng trạng thái tế bào đích và dự đoán hiệu ứng biến thể cho một loại tế bào mỗi lần gọi. Trên TenK10K single-cell eQTLs thuộc 28 loại tế bào miễn dịch, độ thu hồi biến thể nhân quả ở độ chính xác 90% tăng từ 16% với AlphaGenome 1 được tinh chỉnh lên 30%, và độ thu hồi chiều tác động tăng từ 23% lên 43%. Mô hình có sẵn qua AlphaGenome API cho nghiên cứu phi thương mại, với trọng số được hứa cung cấp khi công bố cuối cùng và sử dụng thương mại trong bản xem trước riêng tư.

  10. Google Research58

    Google Research sử dụng thiết bị đeo để xây dựng hồ sơ rủi ro CKM và huấn luyện cá nhân hóa

    Google Research đã giới thiệu một khung nghiên cứu chuyển dữ liệu từ thiết bị đeo tiêu dùng thành tuổi sức khỏe có thể huấn luyện và mô phỏng các quỹ đạo sức khỏe giả định cá nhân hóa trong 12 tuần. Mô hình thế giới SensorWM được tiền huấn luyện trên 2,28 triệu tuần-người dữ liệu Fitbit đã khử nhận dạng từ khoảng 100.000 người dùng và dự báo 20 chỉ dấu sinh lý dưới các chế độ đi bộ, ngủ và tim mạch khác nhau. Trong một nghiên cứu mù, các huấn luyện viên lối sống chọn kế hoạch dựa trên phản thực tế là tốt nhất tổng thể trong 71,4% đánh giá, và các bác sĩ đánh giá 99,2% kế hoạch nằm trong giới hạn cường độ tập luyện an toàn; các tác giả lưu ý các mô hình là nguyên mẫu nghiên cứu, không phải công cụ chẩn đoán lâm sàng.

  11. Meta Engineering Blog40

    Meta Intelligent Delivery: Hệ thống ML phân bổ năng lực tính toán cho xếp hạng quảng cáo

    Meta đã trình bày chi tiết về Intelligent Delivery, một hệ thống do ML dẫn dắt, phân bổ năng lực tính toán trên toàn bộ ngăn xếp phục vụ quảng cáo của mình hướng tới mức tối ưu toàn hệ thống, đóng góp khoảng 10% hiệu suất xếp hạng gia tăng trên nền các tiến bộ về mô hình và hệ thống từ năm 2017 đến nửa đầu năm 2026. Resource Core Model của hệ thống sử dụng 6B tham số thưa và 20M tham số dày để dự đoán tiện ích biên của từng yêu cầu, và Meta cho biết hệ thống đã cải thiện khả năng nhận diện các yêu cầu quảng cáo có tác động cao thêm khoảng 20% trong các đánh giá ngoại tuyến. Hệ thống cũng dựa vào các cơ chế phân bổ đa tầng và AI ngày càng mang tính tác tử để thích ứng khi mô hình và phần cứng thay đổi.

11 tháng 11Thứ Tư
  1. Google DeepMind72

    DeepMind phát hành AlphaGenome 2, mô hình DNA dự đoán tác động của biến thể trong từng loại tế bào cụ thể

    Google DeepMind công bố AlphaGenome 2, mô hình chuỗi DNA thế hệ mới dự đoán cách các chuỗi DNA và biến thể của chúng ảnh hưởng đến các loại tế bào người cụ thể. Được huấn luyện trên hơn 107 triệu hồ sơ tế bào riêng lẻ thuộc 68 mô, mô hình có điều kiện này xác định được gần gấp đôi số biến thể làm thay đổi biểu hiện so với mô hình trước đó, và trên bộ dữ liệu tế bào miễn dịch TenK10K, nó thu hồi được 30% biến thể nhân quả so với 16% của AlphaGenome gốc được tinh chỉnh trên dữ liệu đơn bào. Mô hình có sẵn cho nghiên cứu phi thương mại qua AlphaGenome API và ở chế độ xem trước riêng tư cho nghiên cứu thương mại.

    Vì sao đáng chú ý: AlphaGenome 2 chuyển từ giá trị trung bình trên toàn mô sang điều kiện hóa theo từng tế bào, gần như tăng gấp đôi khả năng thu hồi biến thể nhân quả trên dữ liệu tế bào miễn dịch, điều này quan trọng để liên kết tín hiệu GWAS với các loại tế bào cụ thể.

  2. The Verge · AI71

    Google DeepMind ra mắt AlphaGenome 2, mô hình AI di truyền dự đoán tác động của biến thể theo loại tế bào

    Google DeepMind đã công bố AlphaGenome 2, phiên bản kế nhiệm của AlphaGenome năm ngoái, dự đoán cách các biến thể di truyền ảnh hưởng đến từng loại và trạng thái tế bào thay vì tính trung bình trên toàn mô. Được huấn luyện trên hơn 100 triệu hồ sơ tế bào riêng lẻ thuộc 68 mô, mô hình này xác định được gần gấp đôi số biến thể có thể thay đổi biểu hiện gen so với mô hình tiên tiến nhất trước đó, và có thể đưa ra dự đoán về các loại tế bào và trạng thái sinh học mới mà không cần huấn luyện lại. Google cung cấp mô hình này cho nghiên cứu phi thương mại qua AlphaGenome API từ hôm nay, với bản xem trước riêng giới hạn cho mục đích thương mại; Žiga Avsec của DeepMind cho biết các dự đoán chi tiết hơn của mô hình tốn nhiều tài nguyên tính toán hơn, nên nó sẽ không sớm thay thế AlphaGenome.

  3. ChinaTalk58

    Báo cáo phát hiện chín nhà cung cấp dữ liệu Mỹ đang bán môi trường RL cho các phòng thí nghiệm AI Trung Quốc

    Các nhà cung cấp dữ liệu Mỹ gồm Mercor, Surge AI, Turing, AfterQuery và Pareto đang bán môi trường học tăng cường (reinforcement learning) cho các phòng thí nghiệm AI Trung Quốc, và báo cáo xác định chín nhà cung cấp có hoạt động kinh doanh tại Trung Quốc. Báo cáo lập luận rằng những thương vụ này giúp các phòng thí nghiệm Trung Quốc bỏ qua giai đoạn thử nghiệm triển khai tốn kém và tiết kiệm tính toán bị hạn chế bởi bộ nhớ, đồng thời lưu ý các giao dịch phần lớn nằm ngoài phạm vi kiểm soát xuất khẩu và việc tụt hậu so với các phòng thí nghiệm Mỹ hạn chế mức độ thiệt hại.

  4. Latent Space62

    Mercor huy động 750 triệu USD vòng Series D với định giá 20 tỷ USD nhờ doanh thu thường niên 3 tỷ USD

    Mercor đã huy động 750 triệu USD trong vòng Series D với định giá 20 tỷ USD sau khi đạt doanh thu thường niên 3 tỷ USD, tăng từ 1 tỷ USD vào tháng 2 và 2 tỷ USD vào tháng 6. Công ty báo cáo có 5 triệu chuyên gia và xác định thị trường của mình là hơn 800 nghề nghiệp tại Mỹ mà các mô hình chưa được đánh giá dựa trên quy trình làm việc của họ. Mercor cũng cho biết họ đã chi cho inference gấp 3 lần so với lương nhân viên, và lập luận rằng nếu tỷ lệ này giữ nguyên trên toàn nền kinh tế thì nó chỉ ra mức tăng trưởng GDP hai chữ số trong năm năm tới.

  5. Hugging Face Blog41

    Huấn luyện nhận biết pooling cho mô hình embedding đa vector với Sentence Transformers

    Hugging Face trình bày cách huấn luyện nhận biết pooling nâng cao chất lượng truy xuất cho các mô hình embedding đa vector với ngân sách lưu trữ cố định. Với pool_factor=4, một mô hình được huấn luyện thông thường giữ được 94,6% nDCG@10 trên NanoBEIR khi chưa pooling, trong khi giảm số vector tài liệu xuống 4 lần, và huấn luyện nhận biết pooling nâng tỷ lệ giữ lại đó lên 97,8%. Bài viết đi qua HierarchicalTokenPooling, hiệu chỉnh ngân sách và một ví dụ Sentence Transformers có thể tái lập.