Biến động nhân sự
Chưa có biến động nhân sự.
Bài báo
Bài báo2026-10-30
Hierarchical World Models with Implicit Dynamics
- Nội dung
- Các nhà nghiên cứu đã phát triển ID-WM, một mô hình thế giới phân cấp có khả năng thực hiện các nhiệm vụ phức tạp và dài hạn bằng cách tách biệt khả năng tiếp cận trạng thái và điều khiển cục bộ.
- Kết quả chính
- Nó ghi nhận hiệu suất cải thiện 38.5 phần trăm so với phương pháp tiên tiến nhất trước đó, và cải thiện 135 phần trăm so với các mô hình thế giới đơn cấp.
- Ý nghĩa
- Nghiên cứu này thể hiện khả năng giúp robot lên kế hoạch dài hạn đồng thời giảm thiểu lỗi, ngay cả trong các môi trường phức tạp và mới lạ.Tóm tắt AI
Bài báo2026-10-29 · arXiv (Cornell University)
Proving and Improving the Platonic Representation Hypothesis with JEPAs
- Nội dung
- Các nhà nghiên cứu đã chứng minh giả thuyết rằng các mô hình trí tuệ nhân tạo được huấn luyện trên các dạng đầu vào khác nhau sẽ hội tụ về cùng một biểu diễn thế giới thành một định lý toán học và đề xuất phương pháp cải thiện điều đó.
- Kết quả chính
- Đã xác nhận rằng các mô hình sử dụng góc nhìn tốt có thể căn chỉnh các biểu diễn hiệu quả hơn nhiều với dữ liệu ít hơn đáng kể so với phương pháp dự đoán mã thông báo tiếp theo.
- Ý nghĩa
- Nghiên cứu này có thể góp phần cải thiện cách trí tuệ nhân tạo hiểu dữ liệu một cách hiệu quả và kết nối các dạng thông tin khác nhau.Tóm tắt AI
Bài báo2026-10-11 · arXiv (Cornell University)
LeHami: Symplectic Latent Dynamics for World Models
- Nội dung
- Các nhà nghiên cứu đã phát triển LeHami, một phương pháp huấn luyện mô hình thế giới mới kết hợp các tính chất hình học của hệ thống vật lý với trí tuệ nhân tạo.
- Kết quả chính
- Khác với các phương pháp thông thường, phương pháp này ngăn chặn hiện tượng thông tin bị nén và biến mất trong quá trình dự đoán dài hạn, đồng thời cải thiện đáng kể hiệu suất dự đoán vận tốc.
- Ý nghĩa
- Nghiên cứu này có thể đóng góp vào việc giúp trí tuệ nhân tạo hiểu và mô phỏng các không gian vật lý một cách chính xác hơn.Tóm tắt AI
Bài báo2026-10-05 · arXiv (Cornell University)
H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
- Nội dung
- Da phat trien H-JEPA, mot mo hinh the gioi phan cap hoc theo cac muc do truu tuong khac nhau tuy theo khung thoi gian.
- Kết quả chính
- Trong cac thi nghiem tren moi truong mo phong va video robot thuc te, ty le thanh cong cua ke hoach cao hon va hieu suat tinh toan duoc cai thien so voi mo hinh mot muc do thong thuong.
- Ý nghĩa
- Co the gop phan nang cao hieu suat trong dieu khien robot va cac tac vu truc quan doi hoi ke hoach dai han phuc tap.Tóm tắt AI
Bài báo2026-10-04 · arXiv (Cornell University)
SheetSage2: Coherent Lead-Sheet Transcription with Synthetic Supervision
- Nội dung
- Giới thiệu SheetSage2, một mô hình ký âm nhạc tích hợp giúp tự động chuyển đổi bản thu âm thanh thành bản nhạc (lead-sheet) mà con người có thể đọc được.
- Kết quả chính
- Mô hình đơn lẻ SheetSage2-AR đã vượt trội hơn các hệ thống hiện có được liệt kê ở 12 trong tổng số 15 cặp tiêu chuẩn và chỉ số đánh giá, cải thiện đáng kể so với phiên bản trước đó SheetSage1, và thậm chí vượt qua cả các mô hình chuyên biệt cho từng tác vụ ở một số tiêu chuẩn.
- Ý nghĩa
- Đây là nghiên cứu nâng cao độ chính xác của công nghệ ký âm, đồng thời trọng số mô hình và mã suy luận đã được công bố để phục vụ cho các nghiên cứu tiếp theo hoặc ứng dụng. Tuy nhiên, rất khó để đánh giá khả năng thương mại hóa hoặc quy mô thị trường chỉ dựa vào phần tóm tắt.Tóm tắt AI
Bài báo2026-09-28 · arXiv (Cornell University)
AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
- Nội dung
- Đánh giá các mô hình thế giới dựa trên dự đoán (dòng JEPA) được sử dụng trong xe tự lái và đề xuất kiến trúc cải tiến AD-E2E-JEPA, giúp giảm đáng kể khối lượng tính toán.
- Kết quả chính
- Kiến trúc được đề xuất đã giảm số lượng bản vá (patch) dùng cho việc lập kế hoạch xuống 16 lần và chiều nhúng (embedding) xuống 4 lần, giúp tăng tốc độ suy luận khoảng 100 lần trong khi vẫn duy trì hiệu suất lập kế hoạch.
- Ý nghĩa
- Nghiên cứu này cho thấy một hướng đi để giảm chi phí tính toán của AI xe tự lái, mặc dù hiệu quả ứng dụng trên xe thực tế và khả năng thương mại hóa rất khó đánh giá chỉ qua phần tóm tắt.Tóm tắt AI
Bài báo2026-08-17
Advancing Open and Reproducible Relational Learning: RelArena-$\alpha$, TabPFN-Rel and RPI
- Nội dung
- Các nhà nghiên cứu đã mã nguồn mở hóa một nền tảng so sánh tích hợp và hai phần mềm liên quan nhằm thúc đẩy nghiên cứu trong lĩnh vực học tập quan hệ.
- Kết quả chính
- Trong số các công cụ mới được công bố, TabPFN-Rel, một mô hình dành cho cơ sở dữ liệu quan hệ, đã đạt thứ hạng cao nhất trên nền tảng so sánh.
- Ý nghĩa
- Việc công bố này có thể làm nền tảng để thiết lập các tiêu chuẩn so sánh đáng tin cậy trong lĩnh vực học tập quan hệ và hỗ trợ ứng dụng trong môi trường nghiên cứu và công nghiệp.Tóm tắt AI
