🤖 Bản Tin AI Hằng Ngày

Trong một so sánh giữa hai công cụ mã hóa được hỗ trợ bởi AI phổ biến, Claude Code và GitHub Copilot, tech-insider.org đã tiến hành một phân tích kỹ lưỡng. Nghiên cứu, diễn ra vào năm 2026, đã sử dụng điểm chuẩn SWE-bench để đánh giá hiệu suất của cả hai công cụ. SWE-bench là một chỉ số được sử dụng rộng rãi để đánh giá khả năng mã hóa của các model AI. Kết quả cho thấy Claude Code vượt trội so với GitHub Copilot trong một số lĩnh vực quan trọng, bao gồm chất lượng mã, hiệu quả và độ chính xác. Tuy nhiên, mô hình định giá của GitHub Copilot được tìm thấy là cạnh tranh hơn, cung cấp một tầng miễn phí với các tính năng hạn chế. Ngược lại, Claude Code yêu cầu đăng ký trả phí để truy cập đầy đủ vào các tính năng của nó. Nghiên cứu này nhấn mạnh điểm mạnh và điểm yếu của từng công cụ, cung cấp thông tin quý giá cho các nhà phát triển phần mềm và doanh nghiệp đang xem xét các giải pháp mã hóa được hỗ trợ bởi AI. Trong khi Claude Code vượt trội về hiệu suất mã hóa, mô hình định giá của GitHub Copilot có thể hấp dẫn hơn đối với những người có ngân sách hạn chế. Phát hiện của nghiên cứu này sẽ rất quan trọng đối với các nhà phát triển khi đưa ra quyết định sáng suốt về công cụ nào để sử dụng trong quy trình làm việc của họ.

NVIDIA đã phát triển một Lớp lệnh AI Nhà kho Đa tác nhân, một công nghệ tiên tiến được thiết kế để nâng cao hiệu quả hoạt động và trí tuệ chuỗi cung ứng. Giải pháp đổi mới này cho phép các tổ chức tối ưu hóa hoạt động nhà kho của họ bằng cách tận dụng các khả năng trí tuệ nhân tạo (AI) và học máy (ML). Lớp lệnh AI Nhà kho Đa tác nhân là một trung tâm chỉ huy tích hợp nhiều tác nhân AI, mỗi tác nhân chuyên về các nhiệm vụ cụ thể như quản lý hàng tồn kho, thực hiện đơn đặt hàng và tối ưu hóa hậu cần. Bằng cách kết hợp sức mạnh của các tác nhân này, hệ thống có thể đưa ra quyết định dựa trên dữ liệu trong thời gian thực, tối ưu hóa hoạt động nhà kho và cải thiện hiệu suất chuỗi cung ứng tổng thể. Lợi ích chính của công nghệ này bao gồm tăng hiệu quả hoạt động, giảm chi phí và tăng khả năng hiển thị chuỗi cung ứng. Lớp lệnh AI Nhà kho Đa tác nhân cũng cho phép các tổ chức phản ứng nhanh với các điều kiện thị trường thay đổi, khiến nó trở thành một công cụ thiết yếu cho các doanh nghiệp muốn duy trì tính cạnh tranh trong thị trường nhanh chóng và năng động ngày nay.

Microsoft đã giới thiệu Agent Factory, một nền tảng được thiết kế để kết nối các agent, ứng dụng và dữ liệu bằng cách sử dụng các tiêu chuẩn mở mới. Nền tảng này tận dụng công nghệ Cloud PC (MCP) và Application-to-Application (A2A) của Microsoft để tạo điều kiện cho sự tương tác liền mạch giữa các thành phần khác nhau. Với Agent Factory, các developer có thể tạo ra các agent tùy chỉnh tích hợp với các ứng dụng và nguồn dữ liệu khác nhau, cho phép có các quy trình làm việc hiệu quả hơn và tăng năng suất. Các tiêu chuẩn mở của nền tảng cho phép linh hoạt và tương thích trên các hệ thống khác nhau, giảm độ phức tạp của các quy trình tích hợp. Bằng cách tận dụng MCP và A2A, Agent Factory nhằm mục đích đơn giản hóa việc kết nối các hệ thống khác nhau, giúp các developer dễ dàng xây dựng các giải pháp tùy chỉnh đáp ứng nhu cầu kinh doanh cụ thể. Đây là một phần trong nỗ lực liên tục của Microsoft nhằm thúc đẩy tính tương tác và tiêu chuẩn hóa trong ngành công nghệ.

Ngày Prime Day của Amazon đã mang lại mức giảm giá đáng kể cho các phụ kiện bồn cầu từ Tushy, một công ty chuyên về các giải pháp bồn cầu không điện. Tushy Classic 3.0, một lựa chọn tuyệt vời cho những người có quyền truy cập hạn chế vào ổ cắm điện, hiện có sẵn với giá dưới 100 đô la. Phụ kiện bồn cầu này gắn vào vòi nước nhiệt độ phòng kết nối với bồn chứa nước của bồn cầu và có các núm điều khiển analog để kiểm soát các tia nước. Nó dễ dàng lắp đặt và có nhiều màu sắc. Một model khác, Tushy Wave, cũng đang được giảm giá 141 đô la và cung cấp nhiều tia nước cho phạm vi phủ trước và sau toàn diện và thiết kế dễ dàng vệ sinh. Cả hai model đều lý tưởng cho những người muốn có trải nghiệm phòng tắm sạch sẽ và vệ sinh mà không cần điện. Giá giảm giúp các phụ kiện bồn cầu này trở nên dễ tiếp cận hơn với nhiều người tiêu dùng, cho phép họ trải nghiệm lợi ích của bồn cầu với giá cả phải chăng.

Google dự kiến sẽ cải thiện hệ thống nhà thông minh AI Google Home với các tính năng mới nhằm giảm thiểu lỗi trong nhận dạng khuôn mặt và ghi nhật ký sự kiện. Bắt đầu từ ngày 23 tháng 6, hệ thống sẽ có thể xác định các cá nhân trong thư viện Familiar Faces ngay cả khi khuôn mặt của họ không rõ ràng, bằng cách sử dụng các tín hiệu phi sinh trắc học bổ sung như kích thước cơ thể và màu quần áo. Thư viện này cũng sẽ tự động cập nhật với hình ảnh mới nhất của các thành viên trong gia đình, giảm khả năng nhận được thông báo không chính xác. Hơn nữa, mô tả sự kiện video được tạo bởi AI sẽ có thể xác định các âm thanh cụ thể, chẳng hạn như tiếng sủa của chó hoặc tiếng bước chân, ngay cả khi chúng đến từ ngoài camera. Những cập nhật này nhằm giải quyết các vấn đề với nhật ký sự kiện và thông báo đã được báo cáo trước đó. Ngoài ra, ứng dụng Google Home cũng sẽ nhận được cập nhật lên phiên bản 4.20, bao gồm các cảnh báo System Health mới cho các vấn đề về nhiệt kế Nest và hỗ trợ cải tiến cho các công tắc Matter.

LangSmith đã giới thiệu một trải nghiệm xây dựng tác nhân không cần mã mới gọi là LangSmith Agent Builder. Công cụ này cho phép người dùng không chuyên về kỹ thuật xây dựng tác nhân mà không cần viết mã, giúp nó trở nên dễ tiếp cận hơn với đối tượng rộng lớn hơn. Agent Builder cung cấp tính năng tạo lời nhắc được hướng dẫn và bộ nhớ, cho phép người dùng xây dựng tác nhân cho các nhiệm vụ khác nhau, chẳng hạn như trợ lý email và trò chuyện. Không giống như các công cụ xây dựng workflow trực quan, LangSmith Agent Builder tập trung vào việc xây dựng tác nhân, cho phép có các phản hồi và quyết định động hơn. Agent Builder được xây dựng trên gói deepagents của LangSmith, cung cấp khả năng lập kế hoạch, bộ nhớ liên tục và khả năng chia nhỏ các nhiệm vụ phức tạp thành các nhiệm vụ con có thể quản lý. Điều này cho phép các tác nhân xử lý các workflow phức tạp mà không yêu cầu người dùng phải lập kế hoạch cho mọi kịch bản có thể. LangSmith Agent Builder phù hợp với các trường hợp sử dụng năng suất nội bộ, chẳng hạn như xây dựng tác nhân email tạo ra các bước tiếp theo động hoặc gửi tóm tắt lịch trình với chuẩn bị cuộc họp. Công ty dự định sẽ tiếp tục mở rộng khả năng của Agent Builder dựa trên phản hồi từ cộng đồng.

Phòng thí nghiệm Thể thao MIT đã đứng ở vị trí tiên phong trong đổi mới công nghệ thể thao, hợp tác với các tổ chức và thương hiệu thể thao hàng đầu. Tại Giải vô địch bóng đá thế giới năm 2022, công việc của phòng thí nghiệm với FIFA đã giúp phát triển một hệ thống công nghệ việt vị bán tự động (SAOT) mà các trọng tài sử dụng để đưa ra các quyết định quan trọng. Trong trận chung kết giữa Argentina và Pháp, SAOT đã đóng một vai trò quan trọng trong việc xác định liệu một bàn thắng của Lionel Messi có được tính hay không, cuối cùng giúp Argentina trở thành nhà vô địch. Phòng thí nghiệm Thể thao MIT cũng đã hợp tác với NBA, NFL và Adidas, trong số những tổ chức khác, và công việc của họ có tiềm năng ảnh hưởng đến các khía cạnh khác nhau của thể thao, từ thiết kế thiết bị đến chiến lược đội. Được thành lập vào năm 2015 bởi Anette "Peko" Hosoi, câu chuyện gốc của phòng thí nghiệm bắt đầu với một thách thức cá nhân - tìm chiếc xe đạp phù hợp cho môn đạp xe xuống dốc - điều này đã dẫn đến một dự án gọi là STE@M và cuối cùng là Phòng thí nghiệm Thể thao MIT. Sự tập trung của phòng thí nghiệm vào việc sử dụng công nghệ và khoa học dữ liệu để giải quyết các vấn đề thực tế trong thể thao đã khiến nó trở thành một người chơi chính trong cảnh quan công nghệ thể thao.

Những tiến bộ gần đây trong các mô hình AI tạo sinh đã khiến một số người tin rằng Trí tuệ Tổng quát Nhân tạo (AGI) đang sắp xảy ra. Tuy nhiên, những mô hình này đã xuất hiện không phải do các giải pháp sâu sắc cho vấn đề trí tuệ, mà vì chúng đã hiệu quả trong việc mở rộng quy mô trên phần cứng hiện có. Phương pháp đa mô thức, kết hợp nhiều mô thức để tạo ra một AI tổng quát, được coi là con đường dẫn đến AGI, nhưng chiến lược này không thể thành công trong ngắn hạn. Thay vì cố gắng gắn kết các mô thức lại với nhau, các nhà nghiên cứu nên tập trung vào các phương pháp coi sự hiện diện và tương tác với môi trường là yếu tố chính, và coi việc xử lý tập trung vào mô thức là hiện tượng xuất hiện. AGI thực sự phải là tổng quát trên tất cả các lĩnh vực, bao gồm cả thực tại vật lý, và đòi hỏi một hình thức trí tuệ cơ bản được đặt trong một mô hình thế giới vật lý. Các mô hình ngôn ngữ lớn (LLM) hiện tại có thể không học được sự hiểu biết thực sự về thế giới, mà chỉ là sự hiểu biết bề mặt thông qua các quy tắc gần đúng, điều này góp phần tạo ra những ấn tượng sai lầm về trí tuệ của chúng.