AI LEADERS · MOVES & PAPERS

Lãnh đạo AI: Biến động nhân sự & Bài báo — thay đổi công việc và nghiên cứu mới nhất

Nơi các nhân vật chủ chốt của phòng lab AI, Big Tech và giới học thuật chuyển đến và những gì họ công bố là tín hiệu sớm về hướng đi của công nghệ và lợi thế cạnh tranh. Biến động nhân sự và bài báo được thu thập tự động mỗi ngày, được biên tập viên kiểm tra và tóm tắt dễ hiểu kèm liên kết gốc.

Tin nổi bật

Bài báo2026-10-30

Phát triển mô hình phân cấp vượt qua các giới hạn trong điều khiển robot phức tạp

Yann LeCun

Bài báo2026-10-29

Công nghệ huấn luyện chung dữ liệu robot sử dụng nhiều bộ điều khiển khác nhau

Chelsea Finn

Bài báo2026-10-29

Chứng minh rằng các mô hình trí tuệ nhân tạo học cùng một thế giới ngay cả qua các dạng thông tin khác nhau

Yann LeCun

Bài báo2026-10-29

Nâng cao hiệu suất AI tiếp nhận tâm thần thông qua đào tạo trong môi trường mô phỏng

Mark Chen

Nhân vật Tất cả Phòng lab tiên phong Phòng lab mới Học thuật Phần cứng AI Hàn Quốc Trung Quốc Lãnh đạo

Lĩnh vực Tất cả HBM & bộ nhớ GPU & bộ tăng tốc AI Hiệu quả suy luận Huấn luyện & mở rộng Agent & lập trình Robot & AI vật lý Mô hình thế giới & đa phương thức Trung tâm dữ liệu & điện AI cho khoa học An toàn & quy định

Biến động nhân sự · Mô hình thế giới & đa phương thức

Chưa có biến động nhân sự phù hợp.

Bài báo · Mô hình thế giới & đa phương thức

Bài báo2026-10-30

Phát triển mô hình phân cấp vượt qua các giới hạn trong điều khiển robot phức tạp

Hierarchical World Models with Implicit Dynamics

Yann LeCun và 6 người khác

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

Agent & lập trình Mô hình thế giới & đa phương thức

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-10-11 · arXiv (Cornell University)

Giảm lỗi dự đoán của mô hình thế giới AI bằng cách áp dụng các định luật vật lý

LeHami: Symplectic Latent Dynamics for World Models

Yann LeCun và 2 người khác

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

Hiệu quả suy luận Mô hình thế giới & đa phương thức

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-10-07 · arXiv (Cornell University)

Phát triển mô hình thế giới tích hợp các hành vi của nhiều loại robot thành một thể thống nhất

Cross-Embodiment Robot Foundation World Models with Latent Actions

Fei-Fei Li và 11 người khác

Nội dung: Đã phát triển một mô hình thế giới robot tận dụng không gian hành động ẩn tích hợp có thể được chia sẻ bởi nhiều loại robot khác nhau.
Kết quả chính: Khi áp dụng cho các robot mới, mô hình cho thấy hiệu suất cải thiện tới 46.7% trong các tác vụ thao tác tinh vi và cải thiện 11.7% trong đánh giá hiệu năng LIBERO so với các phương pháp thông thường.
Ý nghĩa: Cho phép học tập hiệu quả giữa các robot khác nhau, góp phần giải quyết các thách thức lớn trong lĩnh vực robot.Tóm tắt AI

Robot & AI vật lý Mô hình thế giới & đa phương thức

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-10-06 · arXiv (Cornell University)

Ra mắt khung mở kết hợp điều khiển robot và dự đoán tương lai

OpenWAM: An Open Framework for Composable World-Action Models

Fei-Fei Li và 9 người khác

Nội dung: Phát triển OpenWAM, một khung mã nguồn mở để so sánh và nghiên cứu các mô hình thế giới-hành động xử lý đồng thời việc điều khiển robot và dự đoán video tương lai.
Kết quả chính: Phương pháp được đề xuất đã nâng cao đáng kể tỷ lệ thành công trong các tác vụ thao tác của robot và cải thiện hiệu suất của mô hình động lực học thông qua việc học dữ liệu phản thực tế.
Ý nghĩa: Cung cấp một nền tảng chung để so sánh các phương pháp điều khiển robot và dự đoán video khác nhau, từ đó nâng cao hiệu quả nghiên cứu công nghệ liên quan.Tóm tắt AI

Robot & AI vật lý Mô hình thế giới & đa phương thức

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-10-05 · arXiv (Cornell University)

Phat trien mo hinh AI H-JEPA hoc cau truc phan cap cho ke hoach truc quan phuc tap

H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning

Yann LeCun và 4 người khác

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

Robot & AI vật lý Mô hình thế giới & đa phương thức

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-09-28 · The International Journal of Robotics Research

Tổng quan toàn diện tổng hợp nghiên cứu về 'mô hình thế giới' cho học tập của robot

World model for robot learning: A comprehensive survey

Pieter Abbeel và 17 người khác

Nội dung: Đây là một bài báo tổng quan (khảo sát) tổ chức một cách có hệ thống 'mô hình thế giới' - những mô hình dự đoán môi trường sẽ thay đổi như thế nào theo hành động - từ góc độ học tập của robot.
Kết quả chính: Theo phần tóm tắt, bài báo phác thảo cách các mô hình thế giới được sử dụng trong chính sách của robot, trình mô phỏng, đánh giá và tạo dữ liệu, đồng thời tóm tắt xu hướng phát triển của các mô hình thế giới dựa trên video của robot, cùng với các tập dữ liệu, điểm chuẩn và phương pháp đánh giá tiêu biểu.
Ý nghĩa: Đây là tài liệu giúp gắn kết các phương pháp nghiên cứu học tập robot đang bị phân tán vào một khung chung, giúp nắm bắt xu hướng nghiên cứu liên quan. Tuy nhiên, phần tóm tắt không chứng minh hiệu năng hay thành tựu thương mại của từng công nghệ riêng lẻ.Tóm tắt AI

Robot & AI vật lý Mô hình thế giới & đa phương thức

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Bài báo2026-09-28 · arXiv (Cornell University)

Nghiên cứu JEPA giúp mô hình thế giới xe tự lái nhanh gấp 100 lần

AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving

Yann LeCun và 3 người khác

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

Hiệu quả suy luận Robot & AI vật lý Mô hình thế giới & đa phương thức

Tóm tắt chi tiết Đọc bài gốc ↗ PDF ↗

Nhân vật

Phòng lab tiên phong

Phòng lab mới

Mira MuratiCEO Thinking Machines Lab Andrej KarpathyNha sang lap Eureka Labs Yann LeCunNha sang lap AMI LabsHoạt động gần nhất 2026-10-30 Ilya SutskeverCEO SSI Llion JonesSakana AIHoạt động gần nhất 2026-10-06 Lilian WengDong sang lap Thinking Machines Lab Barret ZophChuyen doi thuong xuyen (bao cao tro lai OpenAI nam 2026 roi chuyen tiep)Sergey LevinePhysical Intelligence va UC BerkeleyHoạt động gần nhất 2026-10-06 Aravind SrinivasCEO Perplexity Arthur MenschCEO Mistral AI Ashish VaswaniEssential AIHoạt động gần nhất 2026-10-28 Aidan GomezCEO CohereHoạt động gần nhất 2026-09-12 John SchulmanNha khoa hoc cap cao tai Thinking Machines Lab Chelsea FinnPhysical Intelligence va Dai hoc StanfordHoạt động gần nhất 2026-10-29 Fei-Fei LiCEO World Labs va Dai hoc StanfordHoạt động gần nhất 2026-10-07

Học thuật

Richard SuttonĐại học Alberta Stuart RussellUC Berkeley Andrew NgDeepLearning.AI và AI Fund Yoshua BengioĐại học Montreal và LawZeroHoạt động gần nhất 2026-10-12 Geoffrey HintonGiáo sư danh dự, Đại học TorontoHoạt động gần nhất 2026-09-28 Christopher ManningĐại học StanfordHoạt động gần nhất 2026-07-20 Percy LiangĐại học Stanford và Together AIHoạt động gần nhất 2026-10-22 Pieter AbbeelUC BerkeleyHoạt động gần nhất 2026-10-06 Kaiming HeMITHoạt động gần nhất 2026-10-01

Phần cứng AI

Bill DallyTrưởng nhà khoa học NVIDIA Tri DaoTogether AI và PrincetonHoạt động gần nhất 2026-08-12 Song HanMIT và NVIDIAHoạt động gần nhất 2026-10-07 Andrew FeldmanCEO Cerebras Jonathan RossGroq Jim KellerCEO Tenstorrent Jim FanRobotics NVIDIA

Hàn Quốc

Ha Jung-wooPhó Chủ tịch Ủy ban Chiến lược AI Quốc gia (Từ chức Thư ký Phụ trách AI của Văn phòng Tổng thống năm 2026)Hoạt động gần nhất 2026-04-22 Kim Sung HunCEO của Upstage Bae KyunghoonBộ trưởng Bộ Khoa học và CNTT-TT (Cựu Giám đốc Viện Nghiên cứu LG AI)Oh Alice HaeyunKAIST Lee Hae-minThư ký Phụ trách Hoạch định Tương lai AI của Văn phòng Tổng thống (Bổ nhiệm năm 2026)Cho KyunghyunNYU và GenentechHoạt động gần nhất 2026-10-04

Trung Quốc

Liang WenfengNgười sáng lập DeepSeekHoạt động gần nhất 2026-10-12 Yang ZhilinNgười sáng lập Moonshot AIHoạt động gần nhất 2026-07-27 Lý Khai PhụcKai-Fu Lee01.AI

Lãnh đạo

Kwak Noh-jungCEO SK hynix Mark ZuckerbergCEO Meta Sam AltmanCEO OpenAI Jun Young-hyunTrưởng bộ phận DS Samsung Electronics Jensen HuangCEO NVIDIA C.C. WeiChủ tịch kiêm CEO TSMC Greg BrockmanChủ tịch OpenAI Lisa SuCEO AMD Lip-Bu TanCEO Intel Satya NadellaCEO Microsoft Sanjay MehrotraCEO Micron Masayoshi SonChủ tịch SoftBank Sundar PichaiCEO Alphabet Andy JassyCEO Amazon Elon MuskCEO của xAI và Tesla Kevin ScottCTO Microsoft Hock TanCEO Broadcom

Vì sao nên theo dõi biến động và bài báo của lãnh đạo AI?

Trong ngành AI, con người chính là công nghệ. Việc một nhà nghiên cứu chủ chốt gia nhập công ty nào hay thành lập phòng lab nào thường dẫn đến sản phẩm, vòng gọi vốn và thương vụ M&A vài tháng sau. Trang này theo dõi biến động nhân sự tại các phòng lab tiên phong, phòng lab mới, giới học thuật, chip AI và các nhân vật ở Hàn Quốc, Trung Quốc.

Bài báo cho thấy một người đang tập trung vào điều gì. Chúng tôi phân loại bài báo vào 10 lĩnh vực gắn với đầu tư như HBM & bộ nhớ, GPU & bộ tăng tốc, hiệu quả suy luận, agent và robot, kèm tóm tắt ba dòng — nội dung, kết quả chính, ý nghĩa — dựa trên phần tóm tắt, cùng liên kết bản gốc và PDF. Đây là thông tin để tìm ý tưởng, không phải khuyến nghị mua bán chứng khoán.

Câu hỏi thường gặp

H. Theo dõi những ai?

Các nhà nghiên cứu và lãnh đạo chủ chốt tại phòng lab tiên phong (OpenAI, Google DeepMind, Anthropic, Meta…), phòng lab mới, giới học thuật, công ty chip AI, cùng nhân vật ở Hàn Quốc và Trung Quốc. Lãnh đạo ít công bố bài báo chỉ được theo dõi biến động nhân sự.

H. Dữ liệu lấy từ đâu và cập nhật bao lâu một lần?

Bài báo lấy từ Semantic Scholar và arXiv, lý lịch từ Wikidata (CC0) cùng thông báo chính thức và báo chí, được thu thập tự động mỗi ngày. Chỉ những mục đã được biên tập viên kiểm tra và duyệt mới được công bố.

H. Ai viết bản tóm tắt bài báo?

AI (Google Gemini) viết bản nháp dựa trên phần tóm tắt của bài báo, biên tập viên kiểm tra trước khi đăng. Các ngôn ngữ khác là bản AI dịch từ bản tóm tắt tiếng Hàn đã kiểm tra. Hãy luôn xác nhận số liệu và bối cảnh trong bản gốc.

Trang này tổng hợp các bài báo đã công bố, thông báo chính thức và tin báo chí chỉ nhằm mục đích cung cấp thông tin. Tóm tắt do AI viết dựa trên phần tóm tắt của bài báo và được biên tập viên kiểm tra; có thể khác bản gốc, vì vậy hãy kiểm tra bản gốc cho các nội dung quan trọng. Đây không phải khuyến nghị mua bán chứng khoán hay tư vấn đầu tư. Biến động nhân sự ghi nguồn từ thông báo chính thức hoặc báo chí lớn; một phần lý lịch tham khảo Wikidata (CC0). Các bản tóm tắt trên trang này được AI dịch từ bản tiếng Hàn đã được biên tập viên kiểm tra.