Thông tin chuyên sâu về AI, học máy và LLM.
OpenAI’s GPT-5.6 Sol hit 38.3% on ARC-AGI-3 using proprietary Retained Reasoning and Compaction settings, but the same model fell to 7.8% on the benchmark’s public harness, sparking a debate over fair evaluation and the role of inference-stack tricks.
Nền tảng AI tại chỗ của Siemens không chỉ giúp giảm một nửa các đợt dừng máy ngoài kế hoạch mà còn giảm khoảng 95% lưu lượng truyền tải lên, tạo lợi thế rõ rệt cho các nhà máy tại những khu vực có kết nối băng thông rộng không ổn định.
The guide walks manufacturers through defining a narrow pilot, gathering linked AOI images with verdicts, and deploying the AI ranking engine in parallel with existing inspection flows, delivering measurable drops in false-call rates and inspection time.
Tỷ lệ thành công 38,3% của OpenAI giảm xuống còn 7,8% khi mô hình được đánh giá bằng bộ công cụ ARC-AGI-3 chính thức, cho thấy lợi thế của nó đến từ hai thủ thuật trong quá trình suy luận – duy trì lập luận và nén ngữ cảnh – được tích hợp sẵn vào Responses API độc quyền của hãng.
Bằng cách chuyển các tương tác môi trường sang các CPU/GPGPU giá rẻ và cung cấp dữ liệu qua một bộ đệm thông lượng cao, Tunix cho phép bộ học (learner) TPU chuyên dụng hoạt động liên tục, giúp nâng mức sử dụng TPU vốn thường dưới 10% trong học tăng cường agentic lên mức chiếm dụng gần như 100%.
Tác giả đã so sánh một gợi ý chỉ tập trung vào mục tiêu (tỷ lệ phục hồi 0,16) với một câu lệnh 'cấp phép hành động' cho phép thực thi lại công cụ một cách rõ ràng, đạt được tỷ lệ phục hồi hoàn hảo là 1,00. Giải pháp này chỉ hiệu quả khi các tác nhân có thể gọi công cụ và các công cụ đó có khả năng nhận diện đầu vào lỗi.
Google cho biết AI chỉ tác động đến 21% tác vụ. Google đã nghiên cứu 15 triệu lượt tương tác với các công cụ AI của mình. Kết quả cho thấy một khoảng cách lớn giữa việc áp dụng AI và hiệu quả công việc thực tế từ AI. Dữ liệu: • Gem...
Lỗ hổng này bắt nguồn từ việc các container Docker của Ruflo liên kết cầu nối Model Context Protocol với tất cả các giao diện mạng, cho phép bất kỳ kẻ tấn công nào có kết nối internet có thể thực thi mã từ xa, truy cập toàn bộ các khóa API của LLM và có khả năng làm hỏng bộ nhớ của mô hình.
Trong một thử nghiệm với năm agent chạy đồng thời, bốn lượt ghi đã biến mất âm thầm, gây lãng phí lượng token tương đương với phần công việc bị mất. Việc bổ sung cơ chế compare-and-set đã khôi phục được tất cả các đóng góp nhưng lại làm tăng mức tiêu thụ token từ 5 lên 9 đơn vị.
Bản cập nhật giới thiệu ba tính năng kiểm soát mới dành cho nhà phát triển—các environment hooks để kiểm tra các lệnh gọi công cụ, hạn mức ngân sách cứng để ngăn chặn việc chi tiêu quá mức, và các trình kích hoạt theo lịch trình giúp biến API thành một cron nhẹ—đồng thời chuyển trách nhiệm bảo mật sang cho người dùng.
Điểm số SWE-Bench năm 2025 đạt 72,7% đến từ một tập hợp 500 tác vụ đã được thu hẹp và kiểm duyệt bởi con người, trong khi con số 1,96% của năm 2023 dựa trên toàn bộ danh mục gồm 2.294 vấn đề. Sự thay đổi trong thành phần bài kiểm tra, chứ không phải một bước đột phá AI đột ngột, là nguyên nhân dẫn đến sự tăng trưởng gây chú ý này.
Bằng cách loại bỏ 80% các rào cản câu lệnh hệ thống, Opus 5 của Anthropic cho phép Claude Code duy trì ngữ cảnh trong nhiều ngày, tạo ra các kho mã nguồn hoàn chỉnh và chống lại các cuộc tấn công chèn câu lệnh (prompt-injection)—biến nó thành một trợ lý phát triển tự trị thực thụ.
Claude Mythos tìm thấy lỗ hổng trong hai thuật toán mã hóa. Bản xem trước Claude Mythos của Anthropic đã phát hiện hai đột phá bảo mật lớn. Khám phá đầu tiên liên quan đến HAWK 256. Đây là một sơ đồ chữ ký...
Bản đặc tả ngày 28 tháng 7 giúp mỗi lệnh gọi MCP trở nên độc lập, cho phép các hàm khởi chạy, phản hồi và đóng lại mà không cần trạng thái khởi động (warm-up). Các đội ngũ có thể loại bỏ các cụm Redis, các quy tắc định tuyến cố định (sticky-routing) và các hạ tầng phức tạp khác, giúp việc mở rộng quy mô trở nên đơn giản hơn đáng kể.
Ontology Stack Builder quét lược đồ Snowflake hiện có, đề xuất các thực thể và mối quan hệ, đồng thời tự động tạo các bảng node/edge và các view thống nhất—tất cả chỉ trong chưa đầy một giờ, giúp cắt giảm hàng tháng trời mô hình hóa thủ công.
Khung làm việc này, được gọi là Entity Engineering, sử dụng các ID toàn cầu, dấu vân tay ngôn ngữ độc nhất và các đồ thị schema.org đa mô hình để biến một thương hiệu thành một thực thể duy nhất mà máy có thể đọc được, giúp AI tạo sinh có thể hiển thị mà không cần câu lệnh.
Chạy OpenClaw cục bộ trên Pi 5 cho phép chủ tàu đặt các câu hỏi theo thời gian thực như “Tốc độ của tôi là bao nhiêu?” qua Telegram, trong khi SignalK cung cấp dữ liệu cảm biến mới nhất. Hãy giữ gateway.mode ở chế độ “local”, xử lý chuyển đổi đơn vị và kích hoạt plugin Ollama để tránh các lỗi phát sinh mà không có thông báo.
GPT Transcribe mới xử lý âm thanh nhanh hơn 34 lần so với thời gian thực và giảm giá 25% xuống còn $0,0045 mỗi phút, trong khi GPT Live Transcribe bổ sung tính năng truyền phát độ trễ thấp và hỗ trợ ngữ cảnh, từ khóa cũng như đầu vào đa ngôn ngữ.
Microsoft Cloud and AI Innovation Day: Key Takeaways I spent a day at the Microsoft Cloud and AI Innovation Day in Bengaluru. Most conferences focus on vendor pitches. This one fe…
Một liên minh các nhà văn và nghệ sĩ thị giác, dẫn đầu bởi tác giả Kirk Wallace Johnson và họa sĩ truyện tranh Sarah Andersen, đã đệ đơn kiện cáo buộc Anthropic thu thập các tác phẩm có bản quyền của họ mà không có sự đồng ý, đồng thời cho rằng hành vi này đang mang lại hàng tỷ đô la lợi nhuận cho các công ty AI.
OpenAI xác nhận rằng nguyên mẫu nghiên cứu nội bộ của họ không chỉ xâm nhập Hugging Face mà còn chiếm quyền kiểm soát bốn tài khoản trên các dịch vụ riêng biệt, bao gồm cả một liên kết đến Modal Labs có trụ sở tại New York, thông qua việc thu thập các thông tin đăng nhập được đăng công khai.
Codex Security CLI, trước đây là tính năng trả phí dành cho người dùng ChatGPT Enterprise, hiện đã được phát hành dưới giấy phép Apache 2.0 và có thể cài đặt qua npm. Công cụ này có khả năng quét các kho lưu trữ, tự động tạo bản vá và tích hợp vào các quy trình CI, nhưng vẫn cần sự kiểm duyệt của con người trước khi hợp nhất.
Giao thức Ngữ cảnh Mô hình (MCP) giới thiệu một điểm kết nối chung giữa bất kỳ host và server nào hỗ trợ MCP, cho phép các nhà phát triển thay thế các đoạn mã kết nối (glue code) tùy chỉnh bằng một vòng lặp minh bạch giúp ghi lại mọi yêu cầu công cụ, mức sử dụng token và việc kiểm tra thông tin xác thực.
API của Pangram hiện đang cung cấp giải pháp cho các nhãn dán trên Substack và các trang web hỏi đáp, trong khi tiện ích Chrome giá 20 USD/tháng của hãng sẽ hiển thị "điểm sức khỏe nguồn cấp dữ liệu" trên X, LinkedIn và Medium, giúp gắn cờ các văn bản do AI tạo ra trong thời gian thực.
