# Bài viết Liên quan Nghiên cứu

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Nghiên cứu", 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.

Ba năm trì hoãn, bài viết mới nhất của cựu sinh viên Bắc Đại Weng Lilian gây bão mạng

Sau ba năm trì hoãn, Lilian Weng, cựu Phó chủ tịch OpenAI và là cựu sinh viên Đại học Bắc Kinh, đã đăng một bài blog dài về Scaling Laws (Định luật Mở rộng Quy mô) - quy tắc toán học định hình sự phát triển của AI hiện đại. Bài viết chỉ ra rằng, mặc dù các định luật này cung cấp nền tảng để dự đoán hiệu suất mô hình khi mở rộng quy mô tính toán, dữ liệu và tham số, nhưng chúng lại rất mong manh và chứa đầy các vấn đề tinh vi. Một điểm quan trọng là sự mâu thuẫn trong các khuyến nghị từ OpenAI (2020) và DeepMind (2022) về cách phân bổ ngân sách tính toán tối ưu giữa quy mô mô hình và dữ liệu. Sự khác biệt này, hóa ra, bắt nguồn từ cách đếm tham số (có bao gồm embedding layer hay không) và quy mô thí nghiệm hạn chế. Hơn nữa, ngay cả công thức nổi tiếng của DeepMind (Chinchilla) - từng được coi là chuẩn mực trong ngành - cũng được phát hiện có lỗi phương pháp luận vào năm 2024, như việc sử dụng hàm mất mát trung bình khiến bộ tối ưu hóa dừng sớm. Bài viết cảnh báo việc ngoại suy các định luật được khớp từ mô hình nhỏ lên mô hình nghìn tỷ tham số là rất rủi ro. Thách thức cơ bản hơn là nguồn dữ liệu văn bản chất lượng cao đang cạn kiệt, làm suy yếu giả định dữ liệu vô hạn của các định luật cổ điển. Các nghiên cứu mới đang cố gắng tích hợp yếu tố lặp lại dữ liệu vào công thức, cho thấy hiệu suất giảm dần và mô hình lớn nhạy cảm hơn với việc huấn luyện lặp. Điều này giải thích tại sao ngành công nghiệp đang chuyển hướng sang các hướng tiếp cận như học tăng cường, tính toán tại thời điểm suy luận và dữ liệu tổng hợp để vượt qua "bức tường dữ liệu". Tóm lại, bài viết nhấn mạnh rằng con đường phát triển AI trong tương lai sẽ không chỉ đơn thuần là "mở rộng quy mô" mà còn đòi hỏi sự hiểu biết tinh tế và xử lý cẩn thận các chi tiết của những định luật cơ bản này.

marsbit06/26 04:55

Ba năm trì hoãn, bài viết mới nhất của cựu sinh viên Bắc Đại Weng Lilian gây bão mạng

marsbit06/26 04:55

Tiến sĩ 9X lao vào mô hình thế giới, FaceMind huy động hàng chục triệu NDT

Công ty trí tuệ nhân tạo (AI) Trung Quốc FaceMind, do tiến sĩ sinh năm 1995 Lục Hoằng Viễn sáng lập, vừa hoàn thành vòng gọi vốn Pre-A trị giá hàng chục triệu nhân dân tệ. Vòng này có sự tham gia của nhà đầu tư mới là Tinh Liên Capital và sự gia tăng đầu tư từ cổ đông hiện tại 360. FaceMind ban đầu tập trung vào mô hình đa phương thức chạy trên thiết bị, nhưng đã chuyển trọng tâm sang phát triển "mô hình thế giới" (world model) - loại mô hình có khả năng dự đoán sự thay đổi của môi trường, ứng dụng cho AI giao diện người dùng đồ họa (GUI Agent) và trí tuệ thể hiện (embodied AI). Sản phẩm thử nghiệm ban đầu của họ, Diệp Diệp Xã, sử dụng AI tạo bình luận tương tác theo nội dung web, đóng vai trò như một bài kiểm tra cho khả năng hiểu và tương tác với giao diện màn hình. Nhóm nghiên cứu của Lục Hoằng Viễn được đánh giá cao nhờ những đóng góp học thuật sâu về cơ chế nền tảng của mô hình lớn, như nghiên cứu về ảnh hưởng của từ vựng tần suất thấp. Công trình "Adam's Law" của họ thậm chí được Anthropic, công ty AI hàng đầu, tham khảo. Các nhà đầu tư đánh giá cao khả năng nghiên cứu lý thuyết vững chắc kết hợp với tốc độ triển khai kỹ thuật nhanh chóng của đội ngũ. FaceMind tập trung vào kiến trúc mô hình lặp tuần hoàn và hiệu quả tham số, nhằm nâng cao khả năng dự đoán chuỗi dài với quy mô tham số tối ưu. Mô hình 1B tham số của họ được cho là đã đạt hiệu suất ngang bằng với các mô hình mạnh quốc tế cùng loại. Năng lực mô hình thế giới của công ty đang được xác thực trong nhiều môi trường mô phỏng, giao diện và robot thực tế. Công ty kỳ vọng cơ hội sẽ mở rộng cùng với sự phát triển của GUI Agent và trí tuệ thể hiện, nơi khả năng hiểu nhiệm vụ, dự đoán thay đổi và hành động ổn định là then chốt. Khoản đầu tư mới sẽ được dùng để tiếp tục đẩy mạnh nghiên cứu mô hình thế giới và xác thực đa tình huống.

marsbit06/26 01:51

Tiến sĩ 9X lao vào mô hình thế giới, FaceMind huy động hàng chục triệu NDT

marsbit06/26 01:51

CoinGecko: Hầu Hết Memecoin Trên Pump.fun Chết Trong Vòng 24 Giờ

Nghiên cứu từ CoinGecko chỉ ra rằng phần lớn các memecoin được phát hành qua nền tảng Pump.fun trên Solana đều thất bại chỉ trong vòng 24 giờ đầu tiên, với tỷ lệ thất bại lên tới khoảng 70%. Điều này phản ánh mức độ rủi ro cực cao trong văn hóa launch memecoin hiện nay. Pump.fun trở nên phổ biến nhờ tính đơn giản, cho phép tạo token dễ dàng, nhưng cũng dẫn đến sự bùng nổ của các đồng coin chất lượng thấp, sao chép và các chiến dịch ngắn hạn. Môi trường này giống như một sòng bạc, nơi một số ít thu về lợi nhuận khổng lồ còn hầu hết biến mất rất nhanh. Báo cáo không nhằm phủ nhận toàn bộ thị trường memecoin, vì một số token vẫn sống sót và xây dựng được cộng đồng. Tuy nhiên, nó là lời cảnh báo rằng hoạt động sôi nổi trên các launchpad không đồng nghĩa với nhu cầu thực sự hay tính bền vững. Đối với thị trường crypto rộng hơn, đây là một dữ liệu quan trọng cho thấy các nền tảng này có thể tạo ra khối lượng giao dịch và sự chú ý, nhưng đồng thời cũng tạo ra một môi trường có tỷ lệ thất bại rất cao. Các nhà giao dịch cần hiểu rõ thực tế này khi tham gia.

bitcoinist06/25 22:04

CoinGecko: Hầu Hết Memecoin Trên Pump.fun Chết Trong Vòng 24 Giờ

bitcoinist06/25 22:04

Grayscale: 15 giao thức kiếm tiền trong crypto này đang bị định giá thấp một cách nghiêm trọng

Tác giả: Zach Pandl (Trưởng bộ phận Nghiên cứu Grayscale) Biên dịch: Deep Tide TechFlow Báo cáo mới nhất từ Grayscale Research liệt kê 15 giao thức có doanh thu on-chain hàng đầu và so sánh hệ số định giá của chúng. Phát hiện chính: Nhiều giao thức có doanh thu hàng năm hàng trăm triệu USD đang được giao dịch ở mức hệ số doanh thu rất thấp, chỉ từ 1 đến dưới 10 lần. Đáng chú ý, Pump.fun, PancakeSwap và Meteora có vốn hóa thị trường gần bằng doanh thu một năm của họ. Grayscale cho rằng Đạo luật CLARITY (có khả năng được thông qua trong tháng tới) có thể là chất xúc tác quan trọng, mở đường cho dòng vốn tổ chức đổ vào các giao thức DeFi này bằng cách đưa ra khuôn khổ pháp lý rõ ràng. 12 trong số 15 giao thức được đề cập thuộc lĩnh vực tài chính hoặc cơ sở hạ tầng liên quan, và sẽ hưởng lợi từ hoạt động giao dịch on-chain dự kiến tăng sau đó. Báo cáo cũng đề cập đến phân tích định giá DCF của Grayscale cho Aave, với mức giá mục tiêu khoảng 175 USD trong kịch bản cơ sở, phản ánh tiềm năng tăng trưởng. Cần lưu ý: Grayscale là một công ty quản lý tài sản tiền mã hóa, có lợi ích thương mại gắn với việc thu hút đầu tư vào các tài sản này. Nhà đầu tư nên đánh giá độc lập luận điểm "định giá thấp" cùng với rủi ro (bao gồm sự không chắc chắn về pháp lý và tính biến động của doanh thu phụ thuộc vào xu hướng thị trường).

marsbit06/25 10:04

Grayscale: 15 giao thức kiếm tiền trong crypto này đang bị định giá thấp một cách nghiêm trọng

marsbit06/25 10:04

Báo cáo nghiên cứu giải mã: Độ trễ của Kyber 'xé toạc' chuỗi cung ứng NVIDIA, trên chuỗi PCB chỉ có vài người chiến thắng

**Jefferies: Kyber Trì Hoãn Làm Thay Đổi Chuỗi Cung Ứng NVIDIA, PCB Chỉ Còn Vài Người Thắng** Ngày 22/6, Jefferies công bố báo cáo về NVIDIA, giữ xếp hạng Mua, nâng giá mục tiêu lên 300 USD (+42%). Điểm cốt lõi là sự chậm trễ rất có thể xảy ra của bo mạch in (PCB) mặt sau dạng Kyber, dự kiến hoãn đến 2028 hoặc hủy bỏ. Điều này khiến thị trường PCB AI toàn cầu năm 2027 và 2028 được điều chỉnh giảm lần lượt 5% và 11%. Sự chậm trễ này định hình lại danh sách người chiến thắng trong chuỗi cung ứng máy chủ AI. Nhà sản xuất PCB trung bình chịu áp lực lớn nhất, bị kẹt giữa yêu cầu kỹ thuật cao và cạnh tranh giá cả. Thay vào đó, các nhà cung cấp vật liệu thượng nguồn như vải sợi thủy tinh và vật liệu nền đồng (CCL) được hưởng lợi từ tình trạng nguồn cung căng thẳng và khả năng chuyển giá chi phí mạnh. Các nhà sản xuất cáp đồng cũng có thêm thời gian khi kiến trúc Oberon hiện tại được kéo dài vòng đời. Jefferies nhấn mạnh việc tập trung vào nâng cấp quy cách thay vì chỉ nhìn vào quy mô thị trường (TAM). Đơn hàng Kyber không biến mất mà chỉ dịch chuyển thời gian, và giá trị đơn vị PCB tiếp tục tăng nhờ chuyển sang vật liệu cao cấp hơn (M9/M10, PTFE) và công nghệ CoWoP. Họ vẫn lạc quan về NVIDIA do lõi GPU không bị ảnh hưởng và nhu cầu AI vẫn tăng trưởng vững chắc. Kết luận: Lợi nhuận sẽ tập trung vào các công ty ở vị trí thượng nguồn (vật liệu) và có giá trị gia tăng cao (GPU), trong khi áp lực gia tăng đối với khâu sản xuất PCB trung bình. Sự chậm trễ Kyber là một cuộc sắp xếp lại thứ tự ưu tiên trong ngành.

marsbit06/23 09:54

Báo cáo nghiên cứu giải mã: Độ trễ của Kyber 'xé toạc' chuỗi cung ứng NVIDIA, trên chuỗi PCB chỉ có vài người chiến thắng

marsbit06/23 09:54

Quỹ Ethereum đã tách ra?! Tìm hiểu về 'Tương lai Tươi sáng' của Ethlabs

Bài viết từ The Defiant Team thảo luận về việc thành lập Ethlabs, một phòng thí nghiệm nghiên cứu và phát triển phi lợi nhuận độc lập, bởi năm cựu thành viên của Ethereum Foundation. Động thái này diễn ra trong bối cảnh có những chỉ trích về quản trị hệ sinh thái Ethereum, tiêu biểu là việc David Hoffman của Bankless công khai bán ETH. Ethlabs được thành lập với sứ mệnh biến Ethereum thành lớp giải quyết cơ sở cho nền kinh tế toàn cầu, dựa trên ba lợi thế chính: tính trung lập đáng tin cậy, ETH như một tài sản chuẩn, và một hệ sinh thái nhà phát triển cùng tài nguyên DeFi phong phú. Tổ chức này định vị mình là cầu nối giữa các nhà phát triển tiên phong và giao thức cơ bản, chuyển hóa nhu cầu thực tế từ người dùng và các ứng dụng thành các bản cập nhật giao thức, tiêu chuẩn và cơ sở hạ tầng. Đội ngũ sáng lập bao gồm các nhà nghiên cứu có uy tín như Ansgar Dietrichs (nghiên cứu PBS) và Barnabé Monnot (nghiên cứu MEV). Ethlabs nhận được hỗ trợ tài chính từ các tổ chức như Bitmine, Sharplink, và cá nhân như Joe Lubin (đồng sáng lập Ethereum), cùng nhiều nhà đầu tư và cá nhân ủng hộ khác trong cộng đồng. Việc thành lập Ethlabs được xem như một bước tiến trong sự phát triển của hệ sinh thái Ethereum, chuyển từ mô hình điều phối lõi đơn nhất sang mô hình hợp tác đa tổ chức R&D. Mặc dù có sự giao thoa về hướng nghiên cứu trọng tâm (như MEV) với Ethereum Foundation, Ethlabs nhấn mạnh tính độc lập và vai trò của mình như một nút trong mạng lưới quản trị rộng lớn hơn. Bài viết kết luận rằng sự thành công nằm ở khả năng các tổ chức này hợp tác hiệu quả để cùng thúc đẩy Ethereum trở thành một cơ sở hạ tầng giải quyết toàn cầu cạnh tranh.

Odaily星球日报06/23 09:18

Quỹ Ethereum đã tách ra?! Tìm hiểu về 'Tương lai Tươi sáng' của Ethlabs

Odaily星球日报06/23 09:18

Ethlabs Ra Đời, Các Công Ty Kho Bạc Chi Tiền Cho Ethereum Sau EF

Vào ngày 22 tháng 6, năm cựu nhà nghiên cứu cốt lõi của Ethereum Foundation (EF) đã thành lập Ethlabs, một phòng thí nghiệm R&D phi lợi nhuận độc lập tập trung vào nghiên cứu giao thức lõi và cơ sở hạ tầng cấp tổ chức cho Ethereum. Sứ mệnh của Ethlabs là biến Ethereum thành "lớp thanh toán cho nền kinh tế toàn cầu". Tổ chức nhận được sự hỗ trợ từ các công ty kho bạc ETH như BitMine và Sharplink, cùng hơn 50 cá nhân trong cộng đồng. Sự ra đời của Ethlabs diễn ra trong bối cảnh EF đang đối mặt với áp lực kép về nhân sự và tài chính, với làn sóng nhân sự chủ chốt rời đi và khoản tài trợ 30 triệu USD hàng năm cho các nhóm phát triển client lõi sắp hết hạn mà chưa có kế hoạch gia hạn. Song song đó, giá trị của ETH đang chuyển dịch. Thành công của chiến lược mở rộng L2, đặc biệt sau bản nâng cấp Dencun (EIP-4844), đã làm giảm phí L1 và phá vỡ tạm thời câu chuyện "siêu âm tiền tệ", làm dấy lên tranh luận về việc nắm bắt giá trị. Ethlabs đặt "khuôn khổ kinh tế tiền tệ ETH" là ưu tiên nghiên cứu ban đầu. Các công ty kho bạc như BitMine và Sharplink, nắm giữ lượng ETH lớn, coi việc hỗ trợ Ethlabs là sự đầu tư chiến lược gắn liền với giá trị tài sản của họ, với niềm tin rằng Ethereum sẽ trở thành lớp cơ sở trung lập cho tài chính toàn cầu. Cấu trúc quản trị của Ethereum đang chuyển từ một tổ chức tập trung (EF) sang mạng lưới phân tán gồm nhiều "nút quản lý" chuyên biệt như Ethlabs. Mặc dù điều này có thể nâng cao hiệu quả và giảm thiểu rủi ro hệ thống, nhưng nó cũng đặt ra thách thức mới về chi phí phối hợp và cơ chế đạt được sự đồng thuận giữa các thực thể độc lập.

Foresight News06/23 06:52

Ethlabs Ra Đời, Các Công Ty Kho Bạc Chi Tiền Cho Ethereum Sau EF

Foresight News06/23 06:52

Sau khi bỏ lỡ cơ hội 20 lần, tôi đã tìm ra cách đầu tư AI "ngu ngốc"

Bài viết chia sẻ quan điểm đầu tư vào lĩnh vực AI thông qua việc xây dựng "kho kiến thức" toàn diện về chuỗi cung ứng, thay vì vội vàng đầu tư ngay lập tức. Tác giả so sánh làn sóng AI với giai đoạn đầu của internet và cho rằng cơ hội lớn nhất có thể xuất hiện sau khi bong bóng vỡ. Trọng tâm là phân tích cấu trúc 4 tầng của ngành AI: (1) Cơ sở hạ tầng tính toán (chip, sản xuất, đóng gói, bộ nhớ, làm mát, nguồn điện); (2) Lớp mô hình & công cụ; (3) Middleware & nền tảng; (4) Ứng dụng theo chiều dọc, cùng với yếu tố ràng buộc tối thượng là Năng lượng. Bài viết nhấn mạnh sự dịch chuyển từ nhu cầu tính toán cho "huấn luyện" sang "suy luận", và việc lợi nhuận có thể được phân phối lại giữa các tầng. Bốn câu hỏi then chốt được đặt ra: tác động của chuyển dịch sang suy luận, lợi tức từ các khoản đầu tư khổng lồ, cơ hội ở các vòng đầu tư thứ hai & thứ ba, và ảnh hưởng của địa chính trị. Thông điệp chính: Sự chuẩn bị kỹ lưỡng thông qua nghiên cứu sâu về toàn bộ ngành công nghiệp là chìa khóa để nhận diện và nắm bắt cơ hội khi thị trường biến động.

marsbit06/23 03:54

Sau khi bỏ lỡ cơ hội 20 lần, tôi đã tìm ra cách đầu tư AI "ngu ngốc"

marsbit06/23 03:54

Diễn giải báo cáo: Citi tham dự hội nghị AWS, lạc quan về việc tăng tốc kinh doanh đám mây nhưng quản trị dữ liệu vẫn là biến số then chốt

Phân tích từ Citigroup: AWS chuyển trọng tâm từ thử nghiệm sang triển khai AI quy mô lớn, nhưng quản trị dữ liệu vẫn là yếu tố then chốt. Sau khi tham dự AWS Summit New York và trao đổi với hơn 10 khách hàng, đối tác, nhóm phân tích Tyler Radke của Citigroup cho rằng hội nghị năm nay đánh dấu bước tiến của AWS trong việc đưa AI Agent (trí tuệ nhân tạo tác tử) vào "triển khai có thể mở rộng". Báo cáo nhấn mạnh ba điểm chính: 1. **Chuyển dịch chiến lược:** AWS đã chuyển từ giai đoạn chứng minh khái niệm sang tập trung vào triển khai quy mô doanh nghiệp. Các sản phẩm mới như AWS Context (xây dựng đồ thị tri thức tự động), Amazon Quick (trợ lý AI xuyên ứng dụng) và Continuum (an ninh) nhắm vào các điểm khó trong triển khai thực tế. 2. **Lợi ích cho hạ tầng dữ liệu:** Các công ty cung cấp hạ tầng dữ liệu như Snowflake, Elastic, Oracle và ClickHouse được hưởng lợi trực tiếp từ xu hướng mở rộng quy mô AI, khi nhu cầu lưu trữ, xử lý và phân tích dữ liệu phức tạp tăng lên. 3. **Quản trị dữ liệu là chìa khóa:** Khi số lượng AI Agent tăng từ hàng trăm lên hàng nghìn, việc đảm bảo mỗi Agent truy cập đúng dữ liệu với đúng quyền hạn trở thành vấn đề sống còn để AI có thể xử lý nghiệp vụ cốt lõi. AWS Context được xem là bước đi chiến lược của AWS trong việc cung cấp lớp cơ sở hạ tầng cho quản trị dữ liệu, một yếu tố quyết định việc chuyển đổi AI từ dự án thí điểm thành phần then chốt trong quy trình doanh nghiệp. Citigroup duy trì đánh giá "Mua" đối với Amazon, dự báo tốc độ tăng trưởng doanh thu AWS sẽ tăng tốc lên 37% vào năm tài chính 2027 (so với 30% của FY26). Các tín hiệu cần theo dõi bao gồm tốc độ tăng trưởng doanh thu AWS, tốc độ tăng trưởng khối lượng công việc trên AWS Bedrock AgentCore và tác động của biến động giá cả từ các nhà cung cấp hạ tầng dữ liệu đến nhu cầu thực tế.

marsbit06/22 14:14

Diễn giải báo cáo: Citi tham dự hội nghị AWS, lạc quan về việc tăng tốc kinh doanh đám mây nhưng quản trị dữ liệu vẫn là biến số then chốt

marsbit06/22 14:14

Phía sau bảng điểm AI, ẩn giấu một 'người ra đề' gốc Hoa

Mỗi khi một mô hình AI tiên tiến ra mắt, giới công nghệ lại dõi theo những “bảng điểm” quen thuộc như MMLU-Pro, MMMU hay MMMU-Pro. Đây là các tiêu chuẩn đánh giá quan trọng giúp so sánh năng lực của các mô hình lớn như GPT, Claude hay Gemini. Tuy nhiên, ít người biết rằng đằng sau những bộ đề thi này là một nhà nghiên cứu người Hoa: Chen Wenhu (Trần Văn Hổ), trợ lý giáo sư tại Đại học Waterloo, Canada. Ông cùng phòng thí nghiệm TIGERLab (còn gọi là Hổ Đầu Bang) đã tạo ra MMLU-Pro vào năm 2024 để giải quyết vấn đề “mất chuẩn” của bộ đánh giá MMLU cũ, khi nhiều mô hình tiên tiến đạt điểm gần tuyệt đối, khó phân biệt được sự khác biệt thực sự. MMLU-Pro với hơn 12.000 câu hỏi, mở rộng lựa chọn và tăng cường các câu đòi hỏi suy luận, đã giúp kéo giãn khoảng cách điểm số và đánh giá ổn định hơn. Trước đó, nhóm của Chen Wenhu cũng phát triển MMMU - bộ đánh giá đa phương thức (multimodal) yêu cầu mô hình kết hợp hiểu biết hình ảnh, biểu đồ với kiến thức chuyên môn để trả lời câu hỏi. Ngay cả các mô hình mạnh nhất thời điểm đó như GPT-4V cũng chỉ đạt độ chính xác khoảng 56%. Phiên bản MMMU-Pro sau này được thiết kế để đảm bảo mô hình không thể “bỏ qua” thông tin hình ảnh mà chỉ dựa vào văn bản để đoán đáp án. Nghiên cứu của Chen Wenhu tập trung vào việc hiểu thông tin phức tạp, hỏi đáp tri thức và suy luận. Ông từng làm việc tại Google Research và DeepMind, tham gia vào dự án Gemini, trước khi gia nhập Đại học Waterloo và thành lập TIGERLab. Phòng thí nghiệm không chỉ tạo ra các bộ đánh giá mà còn nghiên cứu phát triển mô hình, chẳng hạn trong lĩnh vực xử lý video. Hiện tại, Chen Wenhu làm việc tại Phòng thí nghiệm Siêu trí tuệ (Super Intelligent Lab) của Meta, tiếp tục tập trung vào dữ liệu huấn luyện và đánh giá đa phương thức. Công việc của ông và nhiều nhà nghiên cứu người Hoa khác đang đóng góp quan trọng vào sự phát triển chung của ngành AI, dù có thể không nằm dưới ánh đèn sân khấu.

marsbit06/20 03:53

Phía sau bảng điểm AI, ẩn giấu một 'người ra đề' gốc Hoa

marsbit06/20 03:53

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow

Khácright-arrow