🤗 Daily Hugging Face Paper Digest - 2026-07-02
Báo cáo được tạo tự động vào lúc 2026-07-04 11:44:21 bằng mô hình meta/llama-3.3-70b-instruct.
📰 Summary of Papers
1. PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception (36 votes)
Tác giả: Yana Wei, Hongbo Peng, Yanlin Lai, Liang Zhao, Kangheng Lin, et al.
Xuất bản lúc: 2026-06-26
Tag: Multimodal Evaluation, Human Perception, Perception Rubrics
I. Main Problem:
Các mô hình ngôn ngữ-hình ảnh hiện đại thường bị hạn chế bởi khả năng đánh giá không đầy đủ, không phản ánh được khả năng nhận thức của con người, dẫn đến việc đánh giá không chính xác và thiếu độ tin cậy trong các ứng dụng thực tế.
II. Main Idea:
PERCEPTIONRUBRICS đề xuất một khung đánh giá dựa trên các tiêu chí nhận thức, nhằm mục đích đánh giá và so sánh các mô hình ngôn ngữ-hình ảnh một cách chính xác và tin cậy hơn. Khung này sử dụng các tiêu chí nhận thức được xây dựng từ các ảnh chụp và đánh giá dựa trên các tiêu chí đó.
III. Main Results:
- PERCEPTIONRUBRICS đạt được sự tương quan cao với sự đánh giá của con người.
- Các mô hình ngôn ngữ-hình ảnh hiện đại thường gặp khó khăn trong việc nhận thức và đánh giá các chi tiết hình ảnh.
- Việc đánh giá và so sánh các mô hình ngôn ngữ-hình ảnh cần được thực hiện một cách chính xác và tin cậy hơn.
IV. Conclusion & Future Works:
PERCEPTIONRUBRICS cung cấp một công cụ hữu ích cho việc đánh giá và so sánh các mô hình ngôn ngữ-hình ảnh. Việc phát triển và hoàn thiện các mô hình này sẽ giúp cải thiện khả năng nhận thức và đánh giá của chúng, từ đó có thể ứng dụng trong các lĩnh vực khác nhau của cuộc sống.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu và phát triển các mô hình ngôn ngữ-hình ảnh nhằm cải thiện khả năng nhận thức và đánh giá.
- Ứng dụng PERCEPTIONRUBRICS trong việc đánh giá và so sánh các mô hình ngôn ngữ-hình ảnh.
- Phát triển các mô hình ngôn ngữ-hình ảnh cho các ứng dụng thực tế.
2. Patent:
- Phát triển các ứng dụng thực tế cho PERCEPTIONRUBRICS, chẳng hạn như trong lĩnh vực thiết kế đồ họa hoặc kiến trúc.
- Sử dụng PERCEPTIONRUBRICS để cải thiện khả năng nhận thức và đánh giá của các mô hình ngôn ngữ-hình ảnh trong các lĩnh vực khác nhau.
- Tạo ra các sản phẩm mới dựa trên công nghệ PERCEPTIONRUBRICS, chẳng hạn như các thiết bị di động hoặc máy tính bảng.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2606.28322 |
| ArXiv Abstract | https://arxiv.org/abs/2606.28322 |
| PDF Download | https://arxiv.org/pdf/2606.28322.pdf |
| Github Repository | https://github.com/M1chaelPeng/PerceptionRubrics |
2. TurboServe: Serving Streaming Video Generation Efficiently and Economically (27 votes)
Tác giả: Youhe Jiang, Haoxu Wang, Haotong Bao, Kai Jiang, Jianfei Chen, et al.
Xuất bản lúc: 2026-06-17
Tag: Streaming Video Generation, Efficient Serving, GPU Provisioning
I. Main Problem:
Streaming video generation phải đối mặt với thách thức về độ trễ và chi phí trong môi trường đa người dùng và đa GPU. Các hệ thống hiện tại không thể tối ưu hóa hiệu suất và chi phí do không thể xử lý được các phiên hoạt động và tĩnh của người dùng.
II. Main Idea:
TURBOSERVE được đề xuất như một hệ thống phục vụ streaming video generation hiệu quả và tiết kiệm. Hệ thống này sử dụng thuật toán lập lịch trình tự động để phối hợp giữa việc đặt phiên và cung cấp GPU. TURBOSERVE cũng hỗ trợ xử lý chunk hợp nhất, offloading trạng thái từ GPU sang CPU và di chuyển trạng thái giữa các GPU.
III. Main Results:
- TURBOSERVE giảm độ trễ chunk tồi tệ nhất xuống 37,5% và tổng chi phí hoạt động của GPU xuống 37,2% so với các cấu hình phục vụ cơ sở.
- Hệ thống này cho thấy hiệu quả trong việc cân bằng độ trễ phục vụ và chi phí trong các tác vụ streaming động.
IV. Conclusion & Future Works:
TURBOSERVE là một hệ thống phục vụ streaming video generation hiệu quả và tiết kiệm. Hệ thống này có thể được mở rộng để hỗ trợ các loại tác vụ streaming khác và cải thiện hiệu suất phục vụ trong các môi trường đa người dùng và đa GPU.
V. Brainstorming Space:
1. Publish Papers:
- Phát triển hệ thống phục vụ streaming video generation hiệu quả và tiết kiệm cho các ứng dụng thực tế. Hệ thống này có thể được sử dụng trong các lĩnh vực như sản xuất phim, quảng cáo, giáo dục và trò chơi. TURBOSERVE cũng có thể được tích hợp với các công nghệ khác như trí tuệ nhân tạo và học máy để tạo ra các hệ thống phục vụ thông minh hơn.
2. Patent:
- Ứng dụng TURBOSERVE trong các thiết bị di động để cung cấp video streaming chất lượng cao. Sử dụng TURBOSERVE trong các hệ thống phục vụ đám mây để giảm độ trễ và cải thiện hiệu suất. Phát triển các hệ thống phục vụ streaming video generation hiệu quả và tiết kiệm cho các ứng dụng thực tế.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2606.19271 |
| ArXiv Abstract | https://arxiv.org/abs/2606.19271 |
| PDF Download | https://arxiv.org/pdf/2606.19271.pdf |
| Github Repository | https://github.com/shengshu-ai/TurboServe |
3. ELDR: Expert-Locality-Aware Decode Routing for PD-Disaggregated MoE Serving (23 votes)
Tác giả: Sangjin Choi, Sukmin Cho, Yifan Xiong, Ziyue Yang, Youngjin Kwon, et al.
Xuất bản lúc: 2026-07-01
Tag: ELDR, PD-Disaggregated MoE Serving, Prefill-Decode Disaggregation, Mixture-of-Experts
I. Main Problem:
Các hệ thống phục vụ ngôn ngữ lớn (LLM) cần cân nhắc việc giảm tải và tăng hiệu suất. Hiện tại, các hệ thống này thường sử dụng giải thuật phân tán एलĐ (Prefill-Decode Disaggregation), nhưng các giải thuật định tuyến hiện tại chỉ cân nhắc việc cân bằng tải mà không xem xét việc nhóm chuyên gia trong mô hình.
II. Main Idea:
Giới thiệu ELDR, một kỹ thuật định tuyến chuyên gia nhận biết được thiết kế để giảm tải và tăng hiệu suất cho các hệ thống phục vụ ngôn ngữ lớn. ELDR xây dựng một dấu hiệu chuyên gia từ giai đoạn tiền xử lý và sử dụng nó để định tuyến chuyên gia cho giai đoạn giải mã.
III. Main Results:
- ELDR giảm thời gian xử lý trung vị (TPOT) từ 5,9% đến 13,9% so với các giải thuật cân bằng tải hiện tại.
- ELDR đạt được hiệu suất này trên 3 mô hình Mixture-of-Experts và 2 loại tải.
IV. Conclusion & Future Works:
ELDR cung cấp một cách tiếp cận mới để tăng hiệu suất cho các hệ thống phục vụ ngôn ngữ lớn bằng cách nhóm chuyên gia. Điều này mở ra hướng đi mới cho việc tăng hiệu suất và giảm tải cho các hệ thống này.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu về việc áp dụng ELDR cho các mô hình ngôn ngữ lớn khác.
- Đánh giá hiệu suất của ELDR trên các loại tải và mô hình khác nhau.
- Phát triển ELDR để áp dụng cho các hệ thống phục vụ ngôn ngữ lớn trong thực tế.
2. Patent:
- Phát triển ứng dụng ELDR cho các thiết bị di động để tăng hiệu suất và giảm tải.
- Tạo ra các hệ thống phục vụ ngôn ngữ lớn mới dựa trên ELDR.
- Áp dụng ELDR cho các hệ thống phục vụ ngôn ngữ lớn trong các lĩnh vực khác nhau như y tế, giáo dục, v.v.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.00466 |
| ArXiv Abstract | https://arxiv.org/abs/2607.00466 |
| PDF Download | https://arxiv.org/pdf/2607.00466.pdf |
| Github Repository | N/A |
4. Seed2.0 Model Card: Towards Intelligence Frontier for Real-World Complexity (23 votes)
Tác giả: Bytedance Seed
Xuất bản lúc: 2026-06-30
Tag: Large Language Models, LLMs, Multimodal Models, Real-World Complexity
I. Main Problem:
Các mô hình ngôn ngữ lớn hiện nay thường gặp phải giới hạn khi xử lý các nhiệm vụ phức tạp trong thế giới thực — ví dụ như hiểu và xử lý hình ảnh, văn bản và các yêu cầu phức tạp khác. Điều này dẫn đến sự thiếu hụt trong việc xử lý và hiểu biết thế giới thực một cách hiệu quả.
II. Main Idea:
Seed2.0 được thiết kế để xử lý các nhiệm vụ phức tạp trong thế giới thực, với trọng tâm vào việc hiểu và xử lý hình ảnh, văn bản và các yêu cầu phức tạp khác. Mô hình này sử dụng ba yếu tố chính: hiểu biết hình ảnh, hiểu biết văn bản và khả năng xử lý các yêu cầu phức tạp.
III. Main Results:
- Seed2.0 đạt được hiệu suất cao trên các nhiệm vụ hiểu biết hình ảnh và văn bản
- Mô hình này cũng có khả năng xử lý các yêu cầu phức tạp và đa dạng
- Seed2.0 được đánh giá cao trên các tiêu chí như khả năng hiểu biết, khả năng xử lý và hiệu suất tổng thể
IV. Conclusion & Future Works:
Seed2.0 là một bước tiến bộ quan trọng trong việc phát triển các mô hình ngôn ngữ lớn, với khả năng xử lý các nhiệm vụ phức tạp trong thế giới thực. Điều này mở ra cơ hội cho việc áp dụng các mô hình này trong các lĩnh vực khác nhau như giáo dục, kinh doanh và nghiên cứu.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu và phát triển các mô hình ngôn ngữ lớn cho việc hiểu và xử lý hình ảnh và văn bản trong thế giới thực
- Áp dụng các mô hình ngôn ngữ lớn trong các lĩnh vực như giáo dục, kinh doanh và nghiên cứu
- Phát triển các hệ thống thông minh sử dụng các mô hình ngôn ngữ lớn để giải quyết các vấn đề phức tạp trong thế giới thực
2. Patent:
- Phát triển các thiết bị thông minh sử dụng các mô hình ngôn ngữ lớn để hỗ trợ con người trong các hoạt động hàng ngày
- Áp dụng các mô hình ngôn ngữ lớn trong các hệ thống tự động hóa để cải thiện hiệu suất và giảm thiểu lỗi
- Tạo ra các hệ thống học máy sử dụng các mô hình ngôn ngữ lớn để hỗ trợ con người trong việc học tập và nghiên cứu
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.00248 |
| ArXiv Abstract | https://arxiv.org/abs/2607.00248 |
| PDF Download | https://arxiv.org/pdf/2607.00248.pdf |
| Github Repository | N/A |
5. Multimodal Continuous Reasoning via Asymmetric Mutual Variational Learning (22 votes)
Tác giả: Shijie Li, Yilin Gao, Siyuan Yang, Tieyuan Chen, Chaofan Gan, et al.
Xuất bản lúc: 2026-07-01
Tag: Multimodal Continuous Reasoning, Asymmetric Mutual Variational Learning, Vision-Language Models
I. Main Problem:
Các mô hình ngôn ngữ-hình ảnh lớn thường gặp phải giới hạn về khả năng lý luận liên tục do bị giới hạn bởi không gian ngôn ngữ rời rạc và không gian hình ảnh cao chiều. Điều này dẫn đến sự suy giảm hiệu suất và cần phải điều chỉnh mô hình cho từng trường hợp cụ thể.
II. Main Idea:
Asymmetric Mutual Variational Learning (AMVL) là một khung khổ mới để giải quyết vấn đề lý luận liên tục trong không gian đa phương tiện. AMVL sử dụng quá trình học lẫn nhau bất đối xứng giữa phân bố trước và phân bố sau để giải quyết sự không phù hợp giữa quá trình đào tạo và suy luận.
III. Main Results:
- AMVL đạt được hiệu suất cao hơn so với các phương pháp khác trên các bảng đánh giá khác nhau.
- AMVL cải thiện được khả năng lý luận liên tục và giảm thiểu sự phụ thuộc vào không gian ngôn ngữ rời rạc.
- Kết quả của AMVL trên các bảng đánh giá cụ thể: +10.83 trên BLINK, +32.00 trên Jigsaw.
IV. Conclusion & Future Works:
AMVL là một phương pháp mới để giải quyết vấn đề lý luận liên tục trong không gian đa phương tiện. AMVL có thể giúp cải thiện hiệu suất và giảm thiểu sự phụ thuộc vào không gian ngôn ngữ rời rạc. Hướng tương lai: nghiên cứu và áp dụng AMVL vào các mô hình khác để cải thiện khả năng lý luận liên tục.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu và áp dụng AMVL vào các mô hình ngôn ngữ-hình ảnh lớn để cải thiện khả năng lý luận liên tục.
- Áp dụng AMVL vào các mô hình đa phương tiện khác để giải quyết các vấn đề thực tế.
- Phát triển các phương pháp mới để cải thiện khả năng lý luận liên tục trong không gian đa phương tiện.
2. Patent:
- Phát triển các ứng dụng của AMVL trong lĩnh vực trí tuệ nhân tạo để cải thiện khả năng lý luận liên tục.
- Áp dụng AMVL vào các hệ thống tự động để cải thiện khả năng lý luận và ra quyết định.
- Phát triển các sản phẩm mới sử dụng AMVL để giải quyết các vấn đề thực tế trong lĩnh vực đa phương tiện.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.00461 |
| ArXiv Abstract | https://arxiv.org/abs/2607.00461 |
| PDF Download | https://arxiv.org/pdf/2607.00461.pdf |
| Github Repository | N/A |
6. MemSyco-Bench: Benchmarking Sycophancy in Agent Memory (22 votes)
Tác giả: Zhishang Xiang, Zerui Chen, Yunbo Tang, Zhimin Wei, Ruqin Ning, et al.
Xuất bản lúc: 2026-07-01
Tag: LLM-based agents, Memory-Induced Sycophancy, MemSyco-Bench
I. Main Problem:
Các hệ thống trí tuệ nhân tạo dựa trên LLM có thể tích hợp bộ nhớ lâu nhưng thường gặp phải vấn đề sycophancy khi nhớ quá khứ vào những gì người dùng đã từng nói hoặc tin vào, ngay cả khi những thông tin đó đã lỗi thời hoặc không còn đúng nữa.
II. Main Idea:
MemSyco-Bench là một bộ tiêu chuẩn được đề xuất để đánh giá sycophancy trong bộ nhớ của hệ thống trí tuệ nhân tạo. Nó bao gồm năm nhiệm vụ để kiểm tra khả năng của hệ thống trong việc quyết định khi nào nên sử dụng bộ nhớ và khi nào không nên.
III. Main Results:
- MemSyco-Bench bao gồm năm nhiệm vụ: OBJECTIVE FACT JUDGMENT, CONTEXTUAL SCOPE CONTROL, MEMORY-EVIDENCE CONFLICT, VALID MEMORY SELECTION và PERSONALIZED MEMORY USE.
- Các hệ thống trí tuệ nhân tạo hiện tại thường không thể quyết định chính xác khi nào nên sử dụng bộ nhớ và khi nào không nên.
- Việc sử dụng bộ nhớ có thể làm tăng sycophancy khi không nên.
IV. Conclusion & Future Works:
MemSyco-Bench là một công cụ quan trọng để đánh giá khả năng của hệ thống trí tuệ nhân tạo trong việc quyết định khi nào nên sử dụng bộ nhớ và khi nào không nên. Nó có thể giúp cải thiện hiệu suất của các hệ thống trí tuệ nhân tạo và giảm thiểu sycophancy.
V. Brainstorming Space:
1. Publish Papers:
- Đề xuất một số phương pháp để cải thiện khả năng của MemSyco-Bench trong việc đánh giá sycophancy.
- Nghiên cứu các ứng dụng của MemSyco-Bench trong các lĩnh vực khác nhau như y tế, tài chính, giáo dục.
- So sánh hiệu suất của MemSyco-Bench với các bộ tiêu chuẩn khác để đánh giá sycophancy.
2. Patent:
- Phát triển một hệ thống trí tuệ nhân tạo có khả năng quyết định khi nào nên sử dụng bộ nhớ và khi nào không nên dựa trên MemSyco-Bench.
- Tạo ra một ứng dụng di động để giúp người dùng theo dõi và quản lý bộ nhớ của họ.
- Xây dựng một hệ thống hỗ trợ quyết định cho các doanh nghiệp để giúp họ quyết định khi nào nên sử dụng bộ nhớ và khi nào không nên.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.01071 |
| ArXiv Abstract | https://arxiv.org/abs/2607.01071 |
| PDF Download | https://arxiv.org/pdf/2607.01071.pdf |
| Github Repository | https://github.com/XMUDeepLIT/MemSyco-Bench |
7. Domain Arithmetic: One-Shot VLA Adaptation under Environmental Shifts (20 votes)
Tác giả: Taewook Kang, Taeheon Kim, Donghyun Shin, Jonghyun Choi
Xuất bản lúc: 2026-07-01
Tag: Vision-Language-Action models, Environmental shifts, One-shot adaptation, Weight arithmetic
I. Main Problem:
Các mô hình Vision-Language-Action thường thất bại khi thực hiện trong các môi trường mới do thay đổi về góc nhìn camera hoặc hình dạng robot, dẫn đến việc suy giảm hiệu suất và yêu cầu fine-tuning tốn kém cho mỗi môi trường mới. Việc này làm tăng chi phí và khó khăn cho việc triển khai thực tế.
II. Main Idea:
Giải pháp đề xuất là phương pháp Domain Arithmetic (DART), một phương pháp phân tích hướng về việc chuyển đổi mô hình Vision-Language-Action thông qua việc thực hiện phép toán vecto trên các thông số mô hình, cho phép mô hình học hỏi và thích ứng với môi trường mới chỉ với một lần diễn tập đơn. Phương pháp này thực hiện bằng cách trừ các vecto cập nhật từ mô hình cơ bản và mô hình fine-tuned để loại bỏ các thành phần không liên quan đến nhiệm vụ và chỉ giữ lại các thông tin về môi trường.
III. Main Results:
- DART đạt hiệu suất cao hơn so với các phương pháp thích ứng khác trong các tình huống có nhiều thay đổi về góc nhìn và hình dạng robot.
- Phương pháp này cho phép mô hình học hỏi và thích ứng với môi trường mới chỉ với một lần diễn tập đơn, giảm thiểu chi phí và khó khăn cho việc triển khai thực tế.
- DART cũng đạt hiệu suất cao trong các tình huống có nhiều nhiễu và thay đổi về môi trường.
IV. Conclusion & Future Works:
Phương pháp DART cung cấp một giải pháp hiệu quả cho việc thích ứng mô hình Vision-Language-Action với các môi trường mới. Đây là một bước tiến quan trọng trong việc phát triển các mô hình thông minh và tự học hỏi, có thể ứng dụng trong nhiều lĩnh vực như robotics và tự động hóa.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu về việc áp dụng phương pháp DART cho các mô hình Vision-Language-Action trong các môi trường thực tế.
- Phát triển các mô hình thông minh và tự học hỏi dựa trên phương pháp DART.
- Ứng dụng phương pháp DART trong lĩnh vực robotics và tự động hóa.
2. Patent:
- Hệ thống robot tự động hóa với khả năng thích ứng với môi trường mới thông qua phương pháp DART.
- Thiết bị hỗ trợ cho người dùng trong việc điều khiển robot thông qua phương pháp DART.
- Phương pháp DART cho các hệ thống tự động hóa trong các môi trường có nhiều thay đổi và nhiễu.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.00666 |
| ArXiv Abstract | https://arxiv.org/abs/2607.00666 |
| PDF Download | https://arxiv.org/pdf/2607.00666.pdf |
| Github Repository | https://github.com/snumprlab/dart |
8. CausalMix: Data Mixture as Causal Inference for Language Model Training (17 votes)
Tác giả: Zinan Tang, Yukun Zhang, Shaomian Zheng, Zhuoshi Pan, Qizhi Pei, et al.
Xuất bản lúc: 2026-07-01
Tag: CAUSALMIX, Data Mixture Optimization, Causal Inference, Language Model Training
I. Main Problem:
Việc xác định tỷ lệ hỗn hợp tối ưu cho mô hình ngôn ngữ lớn vẫn là một vấn đề đầy thách thức. Các phương pháp hiện tại thường tập trung vào việc tối ưu hóa loss trên tập dữ liệu tham chiếu, nhưng chúng không tính đến ảnh hưởng của trạng thái dữ liệu đến hiệu suất mô hình.
II. Main Idea:
CAUSALMIX định hình việc tối ưu hóa tỷ lệ hỗn hợp như một vấn đề suy luận nhân quả, sử dụng mô hình nhân quả để ước lượng hiệu suất biên độ của mỗi miền dữ liệu.
III. Main Results:
- CAUSALMIX đạt hiệu suất cao hơn so với các phương pháp khác trên nhiều tập dữ liệu và kích cỡ mô hình.
- CAUSALMIX-S đạt hiệu suất cao hơn CAUSALMIX-A trên AvgUns.
- CAUSALMIX có khả năng tổng quát hóa cao trên dữ liệu LongCoT.
IV. Conclusion & Future Works:
CAUSALMIX cung cấp một khung khổ nhân quả và giải thích để tối ưu hóa tỷ lệ hỗn hợp cho mô hình ngôn ngữ lớn, và có khả năng tổng quát hóa cao trên nhiều tập dữ liệu và kích cỡ mô hình.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu về việc áp dụng CAUSALMIX cho mô hình ngôn ngữ lớn trên nhiều lĩnh vực khác nhau.
- Phát triển CAUSALMIX để có thể xử lý được nhiều loại dữ liệu và mô hình khác nhau.
- Áp dụng CAUSALMIX để cải thiện hiệu suất của mô hình ngôn ngữ lớn trên nhiều tập dữ liệu.
2. Patent:
- Phát triển ứng dụng CAUSALMIX trên thiết bị di động để cải thiện hiệu suất của mô hình ngôn ngữ lớn.
- Sử dụng CAUSALMIX để tối ưu hóa tỷ lệ hỗn hợp cho mô hình ngôn ngữ lớn trên nhiều lĩnh vực khác nhau.
- Áp dụng CAUSALMIX để cải thiện hiệu suất của mô hình ngôn ngữ lớn trên nhiều tập dữ liệu và mô hình khác nhau.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.01104 |
| ArXiv Abstract | https://arxiv.org/abs/2607.01104 |
| PDF Download | https://arxiv.org/pdf/2607.01104.pdf |
| Github Repository | N/A |
9. ASPIRE: Agentic /Skills Discovery for Robotics (16 votes)
Tác giả: Runyu Lu, Yubo Wu, Ethan Kou, Letian Fu, Wenli Xiao, et al.
Xuất bản lúc: 2026-06-30
Tag: Agentic/Skills Discovery for Robotics, Robotics, Continual Learning, Skill Library
I. Main Problem:
Lập trình robot truyền thống đòi hỏi sự kết hợp của nhiều thành phần khác nhau như nhận thức đa phương thức, quản lý động lực tiếp xúc, và xử lý cấu hình môi trường dẫn đến sự phức tạp và khó khăn trong việc lập trình robot. Các phương pháp hiện có thường dựa vào các đường ống cố định và không linh hoạt dẫn đến hiệu suất thấp và tốn thời gian cho việc tinh chỉnh cho từng tình huống mới.
II. Main Idea:
ASPIRE giới thiệu một hệ thống học liên tục cho robot thông qua việc khám phá và hoàn thiện các kỹ năng robot một cách tự động. Hệ thống này bao gồm ba thành phần chính: một công cụ thực hiện robot cho phép thực hiện và ghi lại các dấu vết đa phương thức, một thư viện kỹ năng chứa các sửa lỗi và chiến lược được xác thực, và một quá trình tìm kiếm tiến hóa cho phép sinh ra các chương trình và sửa lỗi đa dạng.
III. Main Results:
- ASPIRE cải thiện hiệu suất lên đến 77% trên các nhiệm vụ trên LIBERO-Pro.
- ASPIRE đạt được thành công zero-shot trên các nhiệm vụ dài hạn với tỷ lệ thành công 31%.
- Các kỹ năng được học trong mô phỏng có thể chuyển giao cho robot thật và giảm thiểu công sức debug.
IV. Conclusion & Future Works:
ASPIRE đã chứng minh khả năng học và cải thiện liên tục của mình và có thể áp dụng cho các lĩnh vực khác nhau của robot. Tương lai, việc nghiên cứu sẽ tập trung vào việc mở rộng và hoàn thiện hệ thống này để áp dụng cho các tình huống thực tế.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu và áp dụng ASPIRE cho các lĩnh vực khác nhau của robot như dịch vụ, sản xuất, và khám phá. Phát triển hệ thống ASPIRE để cho phép học và cải thiện liên tục trong các tình huống thực tế. Áp dụng ASPIRE cho việc đào tạo và huấn luyện robot trong các môi trường khác nhau.
2. Patent:
- Phát triển một hệ thống robot có khả năng học và cải thiện liên tục cho các ứng dụng trong công nghiệp và gia đình. Tạo ra một công cụ hỗ trợ cho việc lập trình và debug robot dựa trên các kỹ năng được học và xác thực. Áp dụng ASPIRE cho việc phát triển các sản phẩm robot thông minh và có khả năng học hỏi.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.00272 |
| ArXiv Abstract | https://arxiv.org/abs/2607.00272 |
| PDF Download | https://arxiv.org/pdf/2607.00272.pdf |
| Github Repository | N/A |
10. ABot-M0.5: Unified Mobility-and-Manipulation World Action Model (13 votes)
Tác giả: Ronghan Chen, Yandan Yang, Zuojin Tang, Dongjie Huo, Tong Lin, et al.
Xuất bản lúc: 2026-07-01
Tag: Robotics, World Modeling, Mobile Manipulation, Vision-Language-Action
I. Main Problem:
Các phương pháp học máy hiện tại thường gặp khó khăn trong việc điều khiển các robot có khả năng di chuyển và thao tác với môi trường. Các mô hình hiện tại thường thiếu sự gắn kết giữa thế giới ảo và hành động thực tế, dẫn đến sự không chính xác trong việc dự đoán và điều khiển.
II. Main Idea:
Giới thiệu mô hình ABot-M0.5, một mô hình thế giới-hành động thống nhất cho việc điều khiển di chuyển và thao tác. Mô hình này sử dụng các hành động trung gian để gắn kết giữa thế giới ảo và hành động thực tế, và sử dụng cơ chế Dream Forcing để cải thiện sự chính xác của việc dự đoán.
III. Main Results:
- ABot-M0.5 đạt được hiệu suất cao trong các nhiệm vụ di chuyển và thao tác
- Mô hình này có thể điều khiển được các robot khác nhau và có thể thích nghi với các môi trường mới
- ABot-M0.5 cải thiện được sự chính xác của việc dự đoán và điều khiển so với các mô hình trước đây
IV. Conclusion & Future Works:
Mô hình ABot-M0.5 có thể được sử dụng trong các ứng dụng thực tế như điều khiển robot trong các nhà máy, điều khiển xe tự hành, và các ứng dụng khác. Cần tiếp tục nghiên cứu và phát triển mô hình này để cải thiện được sự chính xác và hiệu suất của nó.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu về việc sử dụng mô hình ABot-M0.5 trong các ứng dụng thực tế như điều khiển robot trong các nhà máy
- Nghiên cứu về việc cải thiện sự chính xác của mô hình ABot-M0.5 thông qua việc sử dụng các kỹ thuật học máy mới
- Phát triển các ứng dụng mới cho mô hình ABot-M0.5 như điều khiển xe tự hành và các ứng dụng khác
2. Patent:
- Điều khiển robot trong các nhà máy thông qua việc sử dụng mô hình ABot-M0.5
- Cải thiện sự an toàn của các phương tiện giao thông thông qua việc sử dụng mô hình ABot-M0.5
- Phát triển các ứng dụng mới cho mô hình ABot-M0.5 như điều khiển xe tự hành và các ứng dụng khác
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.00678 |
| ArXiv Abstract | https://arxiv.org/abs/2607.00678 |
| PDF Download | https://arxiv.org/pdf/2607.00678.pdf |
| Github Repository | N/A |
11. AutoTrainess: Teaching Language Models to Improve Language Models Autonomously (13 votes)
Tác giả: Zhaojian Yu, Penghao Yin, Shuzheng Gao, Shilin He, Kai Cai, et al.
Xuất bản lúc: 2026-06-30
Tag: AutoTrainess, Language Models, Autonomous Training
I. Main Problem:
Quá trình đào tạo mô hình ngôn ngữ vẫn đòi hỏi sự can thiệp của con người, ngay cả khi các mô hình ngôn ngữ tiên tiến trở nên ngày càng mạnh mẽ và có khả năng trong các nhiệm vụ tự động hóa dài hạn.
II. Main Idea:
AutoTrainess là một hệ thống đào tạo mô hình ngôn ngữ tự động, cho phép mô hình ngôn ngữ tự đào tạo và cải thiện hiệu suất mà không cần đến sự can thiệp của con người. Hệ thống này sử dụng một giao diện người máy tính chuyên biệt để hướng dẫn mô hình ngôn ngữ trong quá trình đào tạo và đánh giá.
III. Main Results:
- AutoTrainess đạt được điểm trung bình 26,94 trên PostTrainBench, vượt trội so với baseline CLI-only là 23,21.
- Ablation cho thấy rằng mỗi giao diện trong AutoTrainess đều có đóng góp có ý nghĩa cho hiệu suất tổng thể.
IV. Conclusion & Future Works:
AutoTrainess cho thấy tiềm năng của việc tự động hóa quá trình đào tạo mô hình ngôn ngữ và có thể là một bước tiến quan trọng trong việc phát triển các mô hình ngôn ngữ tự động.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu về việc áp dụng AutoTrainess cho các mô hình ngôn ngữ khác nhau và các ứng dụng thực tế.
- Phát triển các kỹ thuật mới để cải thiện hiệu suất của AutoTrainess và áp dụng chúng cho các vấn đề thực tế.
- So sánh hiệu suất của AutoTrainess với các phương pháp đào tạo mô hình ngôn ngữ khác nhau.
2. Patent:
- Phát triển một ứng dụng di động cho AutoTrainess, cho phép người dùng tạo ra và đào tạo mô hình ngôn ngữ tự động trên điện thoại.
- Sử dụng AutoTrainess trong các hệ thống tự động hóa công nghiệp, cho phép mô hình ngôn ngữ tự động hóa các nhiệm vụ và quá trình sản xuất.
- Tạo ra một nền tảng cho phép người dùng tạo ra và chia sẻ các mô hình ngôn ngữ tự động được đào tạo bởi AutoTrainess.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2606.31551 |
| ArXiv Abstract | https://arxiv.org/abs/2606.31551 |
| PDF Download | https://arxiv.org/pdf/2606.31551.pdf |
| Github Repository | https://github.com/simple-agent-lab/AutoTrainess |
12. Perceive-to-Reason: Decoupling Perception and Reasoning for Fine-Grained Visual Reasoning (12 votes)
Tác giả: Hongxing Li, Xiufeng Huang, Dingming Li, Wenjing Jiang, Zixuan Wang, et al.
Xuất bản lúc: 2026-07-01
Tag: Perceive-to-Reason , Fine-Grained Visual Reasoning , Vision-Language Models , Reinforcement Learning
I. Main Problem:
Fine-grained visual reasoning vẫn còn là một thách thức với các mô hình vision-language hiện đại, đặc biệt khi phải xử lý các hình ảnh có độ phân giải cao và các câu hỏi đòi hỏi sự chính xác cao.
II. Main Idea:
Giải pháp Perceive-to-Reason (P2R) đề xuất một khuôn khổ thống nhất để giải quyết vấn đề này bằng cách tách bạch quá trình nhận thức và lý luận, trong đó mô hình đầu tiên sẽ xác định vị trí của bằng chứng hình ảnh liên quan, sau đó sẽ trả lời câu hỏi dựa trên hình ảnh đã được chú thích và các vùng ảnh được cắt.
III. Main Results:
- P2R đạt được kết quả vượt trội so với các mô hình cơ sở trên các benchmark V-Star, HR-Bench-4K và HR-Bench-8K.
- P2R-4B đạt được 93.2% trên V-Star, 81.9% trên HR-Bench-4K và 80.5% trên HR-Bench-8K.
- P2R cũng cho thấy khả năng tổng quát tốt trên các nhiệm vụ đa dạng hơn.
IV. Conclusion & Future Works:
P2R đã chứng minh được hiệu quả của mình trong việc giải quyết các vấn đề liên quan đến nhận thức và lý luận hình ảnh. Tuy nhiên, vẫn cần có các nghiên cứu thêm để mở rộng khả năng của P2R và áp dụng nó vào các lĩnh vực khác.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu về việc áp dụng P2R vào các nhiệm vụ nhận thức và lý luận hình ảnh trong các lĩnh vực khác.
- Phát triển P2R để giải quyết các vấn đề liên quan đến nhận thức và lý luận hình ảnh trong các tình huống thực tế.
- Áp dụng P2R vào các mô hình học máy để cải thiện khả năng nhận thức và lý luận hình ảnh.
2. Patent:
- Phát triển một thiết bị di động có khả năng nhận thức và lý luận hình ảnh tự động.
- Tạo ra một hệ thống hỗ trợ quyết định dựa trên P2R để giúp con người đưa ra các quyết định chính xác hơn.
- Áp dụng P2R vào các thiết bị tự động để cải thiện khả năng nhận thức và lý luận hình ảnh trong các tình huống thực tế.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2607.01191 |
| ArXiv Abstract | https://arxiv.org/abs/2607.01191 |
| PDF Download | https://arxiv.org/pdf/2607.01191.pdf |
| Github Repository | https://github.com/ZJU-REAL/Perceive-to-Reason |