Biến động nhân sự
Chưa có biến động nhân sự.
Bài báo
Bài báo2026-10-07 · arXiv (Cornell University)
Long-WAM: Scaling the Context of World-Action Models
- Nội dung
- Các nhà nghiên cứu đã phát triển Long-WAM, một mô hình tận dụng hiệu quả thông tin trực quan trong quá khứ của robot trong các ràng buộc thời gian thực.
- Kết quả chính
- Khi tiền huấn luyện mô hình nền tảng xử lý thông tin trực quan bằng phương pháp tự hồi quy (AR), việc tận dụng bộ nhớ quá khứ được tối đa hóa và tỷ lệ thành công trong tác vụ của robot được cải thiện.
- Ý nghĩa
- Nó chứng minh rằng có thể vận hành trong thời gian thực ở các môi trường phần cứng khác nhau, có thể đóng góp cho các tác vụ điều khiển robot dài hạn phức tạp trong tương lai.Tóm tắt AI
Bài báo2026-10-06 · arXiv (Cornell University)
Humanize: Judgement Engineering for Agentic Coding
- Nội dung
- Gioi thieu Humanize, mot quy trinh lam việc hop tac giua nhieu tri tue nhan tao ap dung cac quyet dinh ro rang, mang tinh co hoc giua cac giai doan lap ke hoach, trien khai va danh gia.
- Kết quả chính
- Tri tue nhan tao san xuat va tri tue nhan tao danh gia tu cac nha cung cap khac nhau da lam viec luon phiên, dat hieu suat cao trong viec giai quyet van de canh tranh va danh gia hieu suat.
- Ý nghĩa
- Chung minh rang cac danh gia doc lap giup phat hien loi trong qua trinh lap trinh duoc ho tro boi tri tue nhan tao.Tóm tắt AI
Bài báo2026-09-29 · arXiv (Cornell University)
SoL-Refiner: Speed-of-Light One-Step Refinement for High-Resolution Video
- Nội dung
- Nhóm nghiên cứu đã đề xuất SoL-Refiner, một mô hình tinh chỉnh giúp chuyển đổi video độ phân giải thấp thành video độ phân giải cao thông qua một bước khử nhiễu duy nhất.
- Kết quả chính
- Ở độ phân giải 2K, mô hình đạt điểm số trung bình trên VBench và UniPercept cao hơn các mô hình tinh chỉnh bên ngoài được so sánh, và ở độ phân giải 3840x2176, các chỉ số đều được cải thiện tốt hơn so với mô hình tinh chỉnh 3 bước LTX-2.3. Báo cáo cho biết trong cài đặt độ trễ 2K, độ trễ tinh chỉnh đã nhanh hơn 8.91 lần so với cùng một mô hình cơ sở.
- Ý nghĩa
- Việc tạo video độ phân giải cao làm tăng đáng kể khối lượng tính toán và gánh nặng chi phí, qua đó phương pháp nâng cao chất lượng trong một bước thay vì nhiều bước cho thấy hướng đi có thể giảm bớt gánh nặng này. Tuy nhiên, vì các kết quả trong bản tóm tắt được đo lường theo các điều kiện do tác giả thiết lập, nên khó có thể khẳng định đây là hiệu quả tổng thể cho mọi dịch vụ thực tế.Tóm tắt AI
Bài báo2026-09-29 · arXiv (Cornell University)
LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
- Nội dung
- Đề xuất LeapQuant, một phương pháp không cần huấn luyện (training-free) giúp nén 'trạng thái hồi tiếp' (recurrent state) với độ chính xác thấp, nơi các mô hình ngôn ngữ lớn liên tục đọc và ghi khi xử lý ngữ cảnh dài.
- Kết quả chính
- Theo tóm tắt, việc nén 8 bit vẫn duy trì độ chính xác tương đương với mô hình chuẩn FP32, đồng thời đạt mức tăng tốc trung bình từ 2.05 đến 3.70 lần ở cấp độ nhân GPU và 1.47 lần đối với toàn bộ quá trình suy luận.
- Ý nghĩa
- Nghiên cứu này có thể đóng góp vào việc cải thiện hiệu quả vận hành của các dịch vụ AI xử lý ngữ cảnh dài bằng cách giảm bớt gánh nặng bộ nhớ và tính toán trong quá trình suy luận. Tuy nhiên, vì bản tóm tắt chỉ trình bày kết quả trên các mô hình và GPU cụ thể, rất khó để kết luận rằng hiệu quả tương tự sẽ xuất hiện trên tất cả các dịch vụ thương mại thực tế.Tóm tắt AI
Bài báo2026-09-28 · arXiv (Cornell University)
Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
- Nội dung
- Đã tạo ra một đường ống thực thi hoàn chỉnh để chạy mô hình AI tạo video MiniMax-H3 với 33 tỷ tham số nhanh hơn và tốn ít bộ nhớ hơn trên cả máy chủ đám mây và các thiết bị nhỏ.
- Kết quả chính
- Theo bản tóm tắt, tốc độ end-to-end đã tăng lên đến 30 lần và giảm khoảng 20% bộ nhớ, tạo ra một video dài 5 giây độ phân giải 1344x768 có âm thanh nhanh hơn 3.5 lần thời gian thực trên 8 nút máy chủ GB200.
- Ý nghĩa
- Điều này có ý nghĩa vì nó cho thấy một hướng đi nhằm giảm độ trễ tạo và giới hạn bộ nhớ - những trở ngại lớn nhất khi áp dụng AI tạo video vào các dịch vụ thực tế, mặc dù hiệu quả thương mại hóa và quy mô giảm chi phí rất khó đánh giá chỉ qua bản tóm tắt.Tóm tắt AI
Bài báo2026-09-28 · arXiv (Cornell University)
d-OPD: Future-Aware On-Policy Distillation for Block Diffusion Language Models
- Nội dung
- Đề xuất d-OPD, một phương pháp huấn luyện chưng cất nhằm chuyển đổi các mô hình ngôn ngữ tự hồi quy thông thường (tạo ra từng token một) thành mô hình ngôn ngữ khuếch tán khối có khả năng tạo ra nhiều token song song.
- Kết quả chính
- Các thí nghiệm với các mô hình Qwen3 (0.6B đến 8B) cho thấy phương pháp này đã nâng điểm số trung bình trên sáu tiêu chuẩn đánh giá lên tới 4.0 điểm so với phương pháp OPDLM hiện tại, đồng thời giảm thời gian huấn luyện từ 1.35 đến 1.58 lần.
- Ý nghĩa
- Tóm tắt cho biết phương pháp tạo ra nhiều token đồng thời theo khối có tiềm năng tăng tốc độ sinh văn bản và nghiên cứu này chứng minh rằng có thể cải thiện hiệu quả của quá trình huấn luyện để tạo ra những mô hình như vậy.Tóm tắt AI
