AI FRONTIER
Signals worth understanding before they become obvious.
NVIDIA phát hành Nemotron-3.5-Transcribe-30B-A4B, mô hình giọng nói mở cho 40 ngôn ngữ
NVIDIA đã công bố Nemotron-3.5-Transcribe-30B-A4B trên Hugging Face, một mô hình giọng nói và âm thanh ngoại tuyến để phiên âm 40 ngôn ngữ, hỗ trợ bản ghi dài tới một giờ và ngữ cảnh 65.536 token. Kiến trúc hybrid mixture-of-experts của mô hình kích hoạt khoảng 4,3B tham số bao gồm bộ mã hóa âm thanh, và được phát hành...
- Tổng 34B tham số với 4,3B tham số hoạt động, bao gồm bộ mã hóa âm thanh, trên kiến trúc hybrid Mamba-2–Transformer mixture-of-experts.
- Độ dài ngữ cảnh 65.536 token, bản ghi dài tới 1 giờ và hỗ trợ 40 ngôn ngữ.
- Trọng số được phát hành ở BF16 cùng các biến thể lượng tử hóa FP8 và NVFP4 theo giấy phép OpenMDW-1.1.
- Thẻ mô hình báo cáo WER trung bình 4,71 trên 9 bộ công khai của Open ASR Leaderboard và 10,98 trên âm thanh dạng dài.
Với các nhóm xây dựng sản phẩm giọng nói, mô hình này kết hợp phiên âm 40 ngôn ngữ và âm thanh dạng dài một giờ với 4,3B tham số hoạt động, còn trọng số mở cùng nhiều độ chính xác lượng tử hóa giúp việc tinh chỉnh và tự lưu trữ trở nên khả ...
Từ đánh giá trên dữ liệu doanh nghiệp tổng hợp đến niềm tin thực sự vào Microsoft Copilot
Microsoft Research đã xây dựng Industry Evaluation Data Generation Platform, tạo ra các môi trường doanh nghiệp hoàn toàn tổng hợp dựa trên nguồn công khai như dữ liệu nghề nghiệp O*NET, tin tuyển dụng trực tuyến và hồ sơ SEC, để đánh giá Microsoft Copilot mà không dùng bất kỳ dữ liệu khách hàng nào.
- Các môi trường đánh giá dựa trên nguồn công khai, gồm dữ liệu nghề nghiệp O*NET, tin tuyển dụng trực tuyến và hồ sơ SEC.
- Ba môi trường ngành tổng hợp đã được tạo: dược phẩm, thị trường vốn và một công ty CNTT/phần mềm.
- Chỉ số tổng hợp về chất lượng dữ liệu tổng hợp tăng 39% so với cách tạo ban đầu, với một số môi trường ngành đạt điểm trên 0,9 trên thang 1,0.
- Tự động hóa đã rút ngắn việc tạo bộ dữ liệu đánh giá từ quy trình thủ công nhiều ngày thành các lần chạy tự động, với ước tính tiết kiệm khoảng 100.000 USD mỗi bộ dữ liệu và 300.000 USD cho toàn dự án.
Các nhóm đánh giá AI doanh nghiệp có thể tái sử dụng cách tiếp cận môi trường tổng hợp và tạo truy vấn tự động này để có baseline tái lập được mà không cần chạm vào dữ liệu khách hàng.
EMNLP'26｜GPT cũng không biết 'đọc không khí', benchmark Werewolf phát hiện điểm mù xã hội
Theo bản tin của Zhiyuan Community, một nghiên cứu được EMNLP'26 chấp nhận dùng Werewolf làm benchmark và nhận thấy GPT bộc lộ điểm mù trong suy luận xã hội cần thiết để 'đọc không khí'.
- Công trình này được EMNLP'26 chấp nhận.
- Benchmark dùng Werewolf làm kịch bản kiểm thử.
- Bản tin cho biết GPT đã bộc lộ điểm mù xã hội trên benchmark này.
Với người xây dựng hệ thống suy luận xã hội đa tác nhân, benchmark kiểu Werewolf mang lại một bề mặt kiểm thử chuyên biệt để dò khả năng suy luận xã hội của mô hình.
Cách chúng tôi phát hiện lệch hướng của mô hình tiên phong
OpenAI sử dụng giám sát theo lớp để phát hiện lệch hướng của mô hình tiên phong và hành vi tác nhân không được phép, để người ứng phó có thể can thiệp trước khi sự cố leo thang.
- OpenAI sử dụng giám sát theo lớp để phát hiện lệch hướng của mô hình tiên phong.
- Giám sát cũng bao gồm hành vi tác nhân không được phép.
- Mục tiêu là để người ứng phó can thiệp trước khi sự cố leo thang.
Các nhóm xây dựng tác nhân nên giả định cần giám sát theo lớp để bắt được hành vi lệch hướng trước khi leo thang.
Lần đầu tiên, một bệnh nhân được tiêm virus do AI thiết kế để chống lại nhiễm trùng nghiêm trọng
Theo Al-Sharq Al-Awsat, lần đầu tiên một bệnh nhân được tiêm virus do trí tuệ nhân tạo thiết kế để chống lại một nhiễm trùng nghiêm trọng.
- Al-Sharq Al-Awsat đưa tin đây là lần đầu tiên một virus do AI thiết kế được tiêm vào bệnh nhân.
- Báo cáo cho biết virus này được dùng để chống lại một nhiễm trùng nghiêm trọng.
Đối với các nhà phát triển AI, điều này đánh dấu việc các tác nhân sinh học do AI thiết kế chuyển từ thiết kế tính toán sang ứng dụng trên người.