AI FRONTIER
Signals worth understanding before they become obvious.
Xác minh hình thức ứng dụng web full-stack do tác nhân viết bằng PDD Kit
Microsoft Research giới thiệu Proof-Driven Development (PDD) và PDD Kit, công cụ chuyển ý định của nhà phát triển thành đặc tả hình thức Verus, chứng minh mã do tác nhân viết thỏa mãn đặc tả đó với mọi đầu vào, và dùng kiểm thử ở nơi chứng minh không vươn tới.
- PDD Kit chạy bên trong Chopin của GitHub Next và được dùng để xác minh hình thức logic đăng nhập của Pet Store, một cửa hàng viết bằng Rust.
- Backend của Pet Store dùng Axum và SQLite, storefront là ứng dụng Leptos biên dịch sang WebAssembly, tổng cộng khoảng 5.000 dòng Rust.
- Việc xác minh hình thức do Verus thực hiện, một ngôn ngữ chứng minh cho Rust được Microsoft Research, Carnegie Mellon University, VMware Research, ETH Zurich và các tổ chức khác đồng phát triển.
- PDD Kit gắn nhãn mỗi kết quả là xác minh hình thức (chứng minh toán học) hoặc xác minh thực nghiệm (kiểm thử), và nêu rõ ranh giới Trusted Computing Base.
Với các nhóm phát hành mã do tác nhân tạo ra, PDD Kit cho thấy một con đường cụ thể để ràng buộc tác nhân bằng đặc tả hình thức và thay thế việc con người đọc từng dòng bằng chứng minh kèm kiểm thử.
Không có AI agent nào đạt trên 12 phần trăm trên benchmark công việc thực tế mới của SemiAnalysis
SemiAnalysis giới thiệu một benchmark công việc thực tế mới để đo hiệu suất mô hình trên các tác vụ cụ thể, và tóm tắt bài báo báo cáo rằng không có AI agent nào đạt trên 12 phần trăm trên benchmark này.
- Tóm tắt bài báo báo cáo rằng không có AI agent nào đạt trên 12 phần trăm trên benchmark công việc thực tế mới của SemiAnalysis.
- Benchmark được mô tả là đo hiệu suất mô hình trên các tác vụ cụ thể.
Đối với nhà phát triển AI, mức trần 12 phần trăm cho agent trên các tác vụ công việc thực tế cho thấy còn nhiều dư địa cải thiện trong lĩnh vực này.
VAR-Q: Lượng tử hóa bộ nhớ đệm KV không cần tinh chỉnh cho sinh ảnh và video tự hồi quy thị giác
Bài báo đề xuất VAR-Q, một khung lượng tử hóa bộ nhớ đệm KV không cần tinh chỉnh, nhóm theo hai trục đặc trưng và khối, sử dụng ranh giới khối được vòng lặp sinh cung cấp miễn phí và loại bỏ nhu cầu phát hiện ngoại lệ hoặc hiệu chuẩn. Bài báo báo cáo lượng tử hóa bit thấp trên chín mô hình thuộc cả hai mô hình, cắt giả...
- Bài báo báo cáo lượng tử hóa bit thấp trên chín mô hình thuộc cả hai mô hình, cắt giảm bộ nhớ KV tới 78,5% với suy giảm chất lượng không đáng kể.
- Bài báo báo cáo cho phép lô suy luận lớn hơn 6 lần.
- Phân tích phát hiện rằng loại bỏ một tập nhỏ các kênh có giá trị lớn khiến sinh bị sụp đổ, trong khi loại bỏ một tập kênh không ngoại lệ tương ứng vẫn giữ nguyên chất lượng.
- Các ngoại lệ tổ chức theo hai trục, đặc trưng và khối, và cấu trúc này phát sinh từ hai cơ chế độc lập: độ lệch chiếu và tán xạ do RoPE gây ra.
Đối với các nhà phát triển triển khai sinh ảnh và video tự hồi quy thị giác, VAR-Q cho thấy lượng tử hóa nhóm theo ranh giới khối không cần hiệu chuẩn có thể cắt giảm mạnh bộ nhớ KV và mở rộng lô suy luận trong khi vẫn giữ chất lượng.
Nhìn kỹ hơn về Phonon TTS: Ra mắt giọng nói trên thiết bị chất lượng cao đứng đầu các benchmark
Phonon là mô hình chuyển văn bản thành giọng nói trên thiết bị của Gradium, phát hành với hai kích thước khoảng 65 MB và 75 MB, nói tiếng Anh, Pháp, Đức, Tây Ban Nha và Bồ Đào Nha mà không cần máy chủ hay mạng.
- Phonon 31m dùng giấy phép Apache 2.0, có thể dùng miễn phí kể cả trong sản phẩm thương mại; các mô hình khác dùng CC BY-NC, miễn phí cho dự án phi thương mại.
- Phonon 31m có 30.788.354 tham số, và bộ token hóa âm thanh của nó có 10.305.313 tham số.
- Trên Hugging Face Open TTS Leaderboard, Phonon đứng đầu về độ rõ ràng ở tiếng Đức và tiếng Tây Ban Nha, và nằm trong top ba ở mọi ngôn ngữ được đánh giá.
- Mô hình đứng đầu benchmark streaming trên CPU về thời gian đến âm thanh đầu tiên và hỗ trợ hơn 10 backend, gồm CPU, GPU và NPU.
Với nhà phát triển giọng nói trên thiết bị, Phonon mang lại mô hình nhỏ dùng được cho thương mại ở bản 31m theo Apache 2.0, trong khi phạm vi đa ngôn ngữ vẫn thuộc giấy phép phi thương mại.
Bớt đi một nghìn con đường tới root
OpenAI đã xây dựng một pipeline tự hành tìm ra, xác thực và tạo bản vá cho 948 lỗ hổng leo thang đặc quyền cục bộ trong nhân Linux.
- Pipeline đã tìm ra 948 lỗ hổng leo thang đặc quyền cục bộ trong nhân Linux.
- Pipeline đã xác thực các lỗ hổng tìm được.
- Pipeline đã tạo bản vá cho những lỗ hổng đó.
Tự động hóa từ khâu phát hiện đến tạo bản vá có thể rút ngắn đáng kể chu kỳ sửa lỗi bảo mật của nhân.
AGIBOT ra mắt GO-3 Preview và đứng đầu ba benchmark AI hiện thân
AGIBOT đã ra mắt GO-3 Preview và đứng đầu ba benchmark AI hiện thân.
- AGIBOT đã ra mắt GO-3 Preview.
- GO-3 Preview đứng đầu ba benchmark AI hiện thân.
Với các nhà phát triển AI hiện thân, vị trí dẫn đầu của GO-3 Preview trên ba benchmark đáng chú ý, nhưng cần chi tiết đánh giá cụ thể để đánh giá năng lực thực sự.
Tencent ra mắt Hy4, gia nhập hàng ngũ các mô hình AI mã nguồn mở hàng đầu thế giới
Tencent đã ra mắt Hy4, được tiêu đề mô tả là gia nhập hàng ngũ các mô hình AI mã nguồn mở hàng đầu thế giới.
- Nguồn là Tencent, và tiêu đề nêu rằng Tencent đã ra mắt Hy4.
- Tiêu đề nêu rằng Hy4 gia nhập hàng ngũ các mô hình AI mã nguồn mở hàng đầu thế giới.
Đối với nhà phát triển AI, Hy4 là mô hình mã nguồn mở mới của Tencent đáng theo dõi, nhưng thông tin được cung cấp không có kích thước tham số, benchmark hay chi tiết giấy phép.
Omni-Encoder: Mở rộng SigLIP2 dùng chung cho biểu diễn hình ảnh, video, âm thanh và nghe-nhìn
Bài báo giới thiệu Omni-Encoder, một SigLIP-2 Vision Transformer duy nhất với tham số dùng chung hoàn toàn, tối ưu đồng thời end-to-end các đầu vào hình ảnh, video, âm thanh và nghe-nhìn, thay vì gắn các encoder theo phương thức vào không gian neo đóng băng sau đó.
- Bài báo báo cáo kết quả cạnh tranh trên 16 benchmark thuộc cả bốn phương thức với một bộ tham số dùng chung.
- Bài báo báo cáo rằng huấn luyện đồng thời cải thiện từng phương thức so với phiên bản được huấn luyện riêng.
- Giai đoạn đầu vào bao gồm tokenizer âm thanh tích chập 1D chuyển mel-spectrogram thành token căn chỉnh với các patch thị giác.
- Embedding vị trí quay đa phương thức được tham số hóa bằng timestamp tuyệt đối đặt khung hình thị giác và đoạn âm thanh vào một hệ tọa độ không-thời gian thống nhất.
Với các nhóm xây dựng hệ thống đa phương thức, điều này gợi ý rằng backbone dùng chung cùng tích lũy gradient xen kẽ phương thức có thể tốt hơn huấn luyện riêng từng phương thức rồi gắn kết, nhưng cần kiểm chứng độ ổn định trên dữ liệu của ...