# Bài viết Liên quan Chuyển Đổi Mô Hình

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Chuyển Đổi Mô Hình", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Mô hình lớn quét sạch mọi kỳ thi, nhưng lại càng xa rời AGI hơn: Bài báo này đã vạch trần điều gì?

Nếu ai đó nói rằng AGI (Trí tuệ nhân tạo phổ quát) đã đạt được, làm sao để phân biệt thật hư? Ngành công nghiệp AI đang chạy đua hướng tới một mục tiêu không có đường kết thúc rõ ràng. Một bài báo gần đây của nhà nghiên cứu Michael Timothy Bennett đã đề xuất một thước đo mới cho AGI: không phải là khả năng bắt chước con người, mà là khả năng thích ứng và khám phá tri thức mới như một "nhà khoa học nhân tạo". Bài báo chỉ ra rằng các bài kiểm tra chuẩn cũ như bài kiểm tra Turing đã bị các mô hình lớn (large models) vượt qua, nhưng chúng ta lại càng xa rời trí thông minh phổ quát thực sự. Các mô hình hiện tại chủ yếu dựa vào "Scale-maxing" - tối đa hóa quy mô dữ liệu và tham số, lưu trữ các câu trả lời gần đúng trong trọng số mạng. Chúng thiếu khả năng chủ động thử nghiệm, hiểu biết nhân quả và cân bằng giữa khám phá (exploration) và khai thác (exploitation) trong điều kiện tài nguyên hạn chế (như năng lượng). Một AGI thực sự, theo định nghĩa mới này, cần có ba đặc điểm cốt lõi: (1) Chủ động thử nghiệm để thu thập thông tin, thay vì thụ động học từ dữ liệu có sẵn. (2) Hiểu được quan hệ nhân quả, không chỉ là tương quan. (3) Biết cách phân bổ tài nguyên tính toán một cách khôn ngoan để cân bằng giữa việc tìm kiếm thông tin mới và sử dụng kiến thức đã biết. Điều này đòi hỏi một sự chuyển dịch mô hình trong ngành AI. Tiêu chí đánh giá sẽ chuyển từ bảng xếp hạng điểm số sang các "điểm chuẩn thích ứng", nơi AI được đặt vào môi trường hoàn toàn mới để kiểm tra khả năng khám phá quy luật. Lộ trình kỹ thuật cũng cần kết hợp nhiều phương pháp (Scale-maxing, Simp-maxing, W-maxing) thay vì chỉ phụ thuộc vào một luật duy nhất. Tóm lại, bài báo nhấn mạnh rằng con đường đến AGI không phải là sự lặp lại tuyến tính của các mô hình lớn, mà là một sự thiết lập lại lộ trình, hướng tới việc xây dựng những hệ thống có tinh thần của một nhà khoa học: biết đặt câu hỏi "tại sao" và chủ động tìm kiếm câu trả lời.

marsbit3 giờ trước

Mô hình lớn quét sạch mọi kỳ thi, nhưng lại càng xa rời AGI hơn: Bài báo này đã vạch trần điều gì?

marsbit3 giờ trước

Kỹ sư hậu huấn luyện OpenAI Weng Jiayi đề xuất giả thuyết mới về Agentic AI

Thập kỷ qua, AI phát triển chủ yếu dựa vào mô hình lớn hơn với nhiều dữ liệu và năng lực tính toán hơn. Gần đây, kỹ sư OpenAI Weng Jiayi đã đề xuất một hướng đi mới có tên "Heuristic Learning" (HL) - Học theo phỏng đoán. Trong thí nghiệm, ông sử dụng Codex (dựa trên GPT-5.4) để duy trì một hệ thống tự động viết, chạy thử, phân tích nhật ký, xem video phát lại và sửa mã nguồn chiến lược cho trò chơi Atari Breakout. Qua nhiều vòng lặp, Codex đã tạo ra một chiến lược thuần Python đạt điểm tối đa lý thuyết 864. Kinh nghiệm được mã hóa thành phần mềm có thể đọc, sửa, kiểm tra và kiểm toán, thay vì chỉ nằm trong các tham số mạng nơ-ron khó giải thích. HL được định nghĩa là một hệ thống học trong đó đối tượng được cập nhật là cấu trúc phần mềm, không phải trọng số mạng nơ-ron, sử dụng phản hồi từ môi trường, kiểm thử, nhật ký và video. So với Deep RL, HL có ưu điểm về khả năng giải thích, hiệu quả mẫu theo đơn vị thay đổi mã, khả năng bảo toàn kiến thức cũ thông qua kiểm thử hồi quy và ít bị "lãng quên thảm khốc". Thử nghiệm mở rộng trên 57 trò chơi Atari cho thấy HL đạt hiệu suất ngang bằng các thuật toán RL cổ điển như PPO ở một số trò, nhưng bộc lộ hạn chế ở các nhiệm vụ đòi hỏi lập kế hoạch dài hạn như Montezuma's Revenge. Nếu được chứng minh, HL có thể có ý nghĩa lớn trong: 1) Điều khiển robot cho các nhiệm vụ cấu trúc ổn định, giảm phụ thuộc vào suy luận mạng nơ-ron thời gian thực; 2) Các kịch bản an toàn quan trọng, nơi tính kiểm tra được của mã nguồn là giá trị thương mại; 3) Học liên tục được kỹ thuật hóa thông qua các công cụ phần mềm truyền thống; 4) Giúp Agent tích lũy kinh nghiệm thành tài sản mã nguồn có thể tái sử dụng và chia sẻ. Tóm lại, Weng Jiayi đưa ra giả thuyết rằng trong kỷ nguyên AI có khả năng lập trình, kinh nghiệm có thể được chuyển đổi thành phần mềm có thể đọc và bảo trì, bổ sung cho mô hình học sâu truyền thống. Tuy nhiên, con đường này vẫn cần được thử nghiệm thêm ở các nhiệm vụ phức tạp hơn.

marsbit05/11 00:22

Kỹ sư hậu huấn luyện OpenAI Weng Jiayi đề xuất giả thuyết mới về Agentic AI

marsbit05/11 00:22

Cursor 3 ra mắt: IDE không còn quan trọng, bảng điều khiển trí tuệ nhân tạo lên ngôi, hệ thống VS Code bắt đầu mất hiệu lực

Cursor 3 đã ra mắt với tên mã "Glass", đánh dấu sự chuyển đổi lớn từ trình soạn thảo code truyền thống sang bảng điều khiển quản lý agent thông minh. Giao diện mới được xây dựng từ đầu, ưu tiên quản lý agent, trong khi IDE trở thành tùy chọn phụ. Tính năng nổi bật là Cloud Handoff, cho phép chuyển phiên làm việc giữa local và cloud liền mạch. Động lực thay đổi đến từ áp lực cạnh tranh, đặc biệt từ Claude Code của Anthropic. Cursor đã phản ứng nhanh với ba bước: ra mắt hệ thống Automations, model tự phát triển Composer 2, và agent cloud tự lưu trữ. Sự chuyển dịch này phản ánh một xu hướng rộng lớn: agent trở thành trung tâm, làm mờ đi vị trí của IDE truyền thống như VS Code. Mô hình này thay đổi công việc của developer, chuyển từ viết code sang giám sát agent, review kết quả và quản lý quy trình, gần giống với vai trò vận hành hệ thống. Tương lai của công cụ phát triển phần mềm đang được định hình lại, nơi lớp điều phối agent có thể trở thành giao diện chính, thay thế trình soạn thảo code đã thống trị 40 năm qua.

marsbit04/08 10:20

Cursor 3 ra mắt: IDE không còn quan trọng, bảng điều khiển trí tuệ nhân tạo lên ngôi, hệ thống VS Code bắt đầu mất hiệu lực

marsbit04/08 10:20

Wintermute Trader: BTC Mắc Kẹt Ở Mức $64-67k, Thị Trường Đã Bước Vào Giai Đoạn Chuyển Đổi Mô Hình Vĩ Mô

Bài viết của một nhà giao dịch từ Wintermute, một trong những nhà tạo lập thị trường tiền mã hóa lớn nhất toàn cầu, phân tích tình hình thị trường hiện tại. Bitcoin đang bị mắc kẹt trong khoảng 64.000-67.000 USD, hoạt động như một tài sản có beta cao và có biến động giá ngày càng giống với các altcoin blue-chip. Bài viết nhấn mạnh rằng thị trường đang trải qua một sự thay đổi mô hình (paradigm shift) vĩ mô, được thúc đẩy bởi ba yếu tố chính: định giá lại AI, phi toàn cầu hóa và sự bất lực của Cục Dự trữ Liên bang Mỹ (Fed). Các động lực này đang công kích vào định phí bảo hiểm định giá của các tài sản tăng trưởng. Các tài sản tiền mã hóa hiện đang bị bán tháo như là các tài sản tăng trưởng có beta cao nhất, cùng chịu chung số phận với cổ phiếu công nghệ. Dòng tiền ra ròng từ các ETF Bitcoin xác nhận xu hướng này trong ngắn hạn. Câu hỏi quan trọng nhất cho năm 2026 là liệu sự thay đổi hướng sang các tài sản cứng, hàng hóa và đầu tư theo giá trị này có phải là tạm thời hay là một sự thay đổi mô hình thực sự và lâu dài. Tác giả thừa nhận rằng vẫn còn quá sớm để kết luận và chưa có câu trả lời rõ ràng.

marsbit02/25 04:38

Wintermute Trader: BTC Mắc Kẹt Ở Mức $64-67k, Thị Trường Đã Bước Vào Giai Đoạn Chuyển Đổi Mô Hình Vĩ Mô

marsbit02/25 04:38

活动图片