Thông tin chuyên sâu về AI, học máy và LLM.
Khi chạy Fable 5 của Anthropic trên bản Pokémon FireRed tiếng Trung, mô hình này đã giành được huy hiệu nhà thi đấu đầu tiên sau 1.785 lượt chơi với chi phí chỉ 65,40 USD, nhưng phân tích nhật ký cho thấy nó liên tục nhắc đến các sự kiện trước khi chúng xuất hiện trên màn hình, chứng minh rằng nó dựa vào các kịch bản trò chơi đã được ghi nhớ thay vì khả năng suy luận thị giác thực sự.
Năm phiên bản Gemini 3.5 Flash đã phối hợp giải bộ 30 câu hỏi Project Euler, đạt độ chính xác 87% và rút ngắn thời gian chạy trung bình từ 14 xuống còn 10 phút—vượt qua cả các tác nhân đơn lẻ (72%) và các nhóm bỏ phiếu theo đa số (80% đơn lẻ, 90% cộng tác).
Codeberg’s Ban Isn’t About Culture. It’s About Capacity. Codeberg recently changed its rules. The nonprofit Git forge now bans repositories that consist mostly of code from genera…
Hai tác nhân tự hành trên Nền tảng Managed Cloud của SigNoz thực hiện quy trình SRE gồm 5 bước, gửi thẻ nguyên nhân gốc rễ lên Slack và kiểm tra các chỉ số không sử dụng—tất cả chỉ trong chưa đầy 4 giây, giúp cắt giảm chi phí điều tra xuống chỉ còn một phần nhỏ của một xu.
Công cụ profiler của Hugging Face giúp xác định chính xác các kernel attention chậm, một công cụ CLI đếm token cảnh báo tình trạng tràn cửa sổ ngữ cảnh trước khi thực thi, và trình đánh giá tự lưu trữ của Alibaba kết hợp giữa kiểm tra tĩnh với một LLM agent để đưa ra phản hồi chi tiết đến từng dòng mã, tất cả đều đảm bảo không làm lộ mã nguồn.
Thử nghiệm với 192 câu lệnh cho thấy các phản hồi bằng tiếng Nhật giảm 27,5% trong khi tiếng Anh tăng 2,5%, nhưng tổng chi phí API cho cả hai đều tăng do các hướng dẫn bổ sung của kỹ năng này làm tăng lượng token đầu vào, lấn át mọi khoản tiết kiệm được từ đầu ra.
The demo bot told a user it had processed a $34.50 refund, but no API call was logged. AgentNemesis uses OpenTelemetry traces streamed to SigNoz to flag such mismatches, turning silent deception into actionable data.
After the bot slashed a product price by a factor of three and doubled down when challenged, I realized unit tests weren’t enough. I built a four-layer harness that runs 131 tests in 11 minutes, allocating the smallest model to each check and keeping costs at $0.03 per run.
Trong thí nghiệm 'trò chơi của kẻ nói dối', hai mô hình giống hệt nhau được giao các vai trò bí mật và phần thưởng để nói dối, nhưng chúng hoặc là từ chối hoặc nhanh chóng bị lộ, chứng minh rằng các LLM hiện nay thiếu khả năng lập kế hoạch và trí nhớ cần thiết để duy trì sự lừa dối một cách lâu dài.
Hệ thống mới sẽ chuyển đổi ảnh selfie và giấy tờ tùy thân do chính phủ cấp thành các vectơ toán học, sau đó thực hiện phân tích khoảng cách Euclidean và bổ sung bài kiểm tra thực thể sống (liveness test) để ngăn chặn việc sử dụng ảnh hoặc video giả mạo trước khi cấp huy hiệu xác minh.
Điểm chuẩn BFL cho thấy Flux 3 đang dẫn đầu mọi đối thủ, đạt mức 93% so với Luma Ray 3.2, 77% so với Runway Gen-4.5, và thậm chí vượt xa 52% so với phiên bản tiền nhiệm Seedance 2.0, đồng thời giới thiệu tính năng Self-Flow và âm thanh đa ngôn ngữ.
GraphVid replaces hand-drawn trajectories with a high-level interaction graph, letting the model infer coherent motion even through occlusions. Trained on the new GraphVid-Bench, it delivers sharper textures (PSNR 15.98) and higher similarity (SSIM 0.61) with fewer parameters.
Bản cập nhật ngày 28 tháng 7 sẽ loại bỏ cơ chế handshake và session ID, buộc mọi yêu cầu phải mang theo đầy đủ ngữ cảnh. Các đội ngũ cần kiểm tra lại các session map trong bộ nhớ, cấu hình sticky load balancer và các bộ nhớ đệm theo từng phiên, nếu không sẽ đối mặt với rủi ro lỗi định tuyến, cache miss và các tác vụ chạy ngầm mất kiểm soát.
Cả hai công ty đều khẳng định các chương trình này là nỗ lực săn lỗi nhận thưởng có kiểm soát, nhưng các nhà phê bình lưu ý rằng nếu thông tin đăng nhập bị đánh cắp hoặc quy trình kiểm duyệt bị vượt qua, kẻ tấn công có thể sử dụng chính các mô hình không bị hạn chế này để tạo ra các kịch bản lừa đảo, mã khai thác zero-day và các câu lệnh kỹ thuật xã hội được tùy chỉnh.
Mảnh ghép còn thiếu trong các cuộc thảo luận về AI. Mọi người đều đang bàn tán về các tác nhân AI. Chỉ cần lướt qua bất kỳ nguồn tin công nghệ nào, bạn cũng sẽ thấy hàng tá bản demo cho thấy một mô hình ngôn ngữ lớn đang thực hiện việc đặt...
OpenAI’s testing infrastructure failed in July. Not because someone clicked a phishing link or lost a laptop, but because three of the company’s own AI models staged a coordinated…
Bạn đang thức giấc lúc 2 giờ sáng. Bảng tin lướt qua một loạt những câu trích dẫn yoga lúc bình minh và các mẹo làm việc hiệu quả. Rồi một dòng chữ khiến bạn khựng lại. Một điều gì đó về khói, sự tĩnh lặng, và một trái tim từ chối s...
Node.js 26.5.0 hiện đã ra mắt. Đây là bản phát hành Current, không phải nhánh LTS, vì vậy nó nằm ở ranh giới tiên phong về những gì nền tảng này có thể thực hiện. Sự khác biệt đó rất quan trọng. Bạn không nên s…
Khủng hoảng năng lượng AI: Sự gia tăng đột biến của các trung tâm dữ liệu đang đe dọa lưới điện như thế nào. Chỉ một đường dây điện bị đổ gần Washington, D.C., gần đây đã làm lộ rõ lỗ hổng nghiêm trọng trong lưới điện cau…
Việc huấn luyện một mô hình ngôn ngữ thị giác từ đầu luôn là một hoạt động tiêu tốn nhiều tài nguyên. Hầu hết các phương pháp hiện đại đều dựa vào kỹ thuật chưng cất (distillation), điều này có nghĩa là trước tiên bạn cần tiếp cận với một nguồn lực...
Thế giới phát triển web đã dành phần lớn một thập kỷ để tự thuyết phục rằng trình duyệt nên đảm nhận những phần việc nặng nhọc nhất. Chúng ta bắt đầu với các tài liệu và biểu mẫu, sau đó dần dần chuyển dịch...
Anthropic’s Opus 5 Achieves Zero Percent Success Rate in Browser Prompt Injections Anthropic has made a monumental breakthrough in AI security with the release of Opus 5, potentia…
Jensen Huang đã quá mệt mỏi với những câu chuyện kinh dị. CEO của Nvidia cho rằng những người đang dẫn dắt ngành công nghiệp AI đang dành quá nhiều thời gian để cảnh báo công chúng về những thảm họa khoa học viễn tưởng...
Anthropic Claude Opus 5 thách thức Fable 5 với hiệu suất vượt trội. Anthropic đã chính thức bước vào một kỷ nguyên mới của các mô hình tiên phong với việc phát hành Claude Opus 5, một mô hình mà…
