[AINews] Phía sau Latent Space: "Kill My SaaS", Jev và AI năm 2026 | AIEi Thượng Hải

Hiện có nhiều tranh luận xung quanh bài viết tiêu điểm hôm qua về chủ đề "Lập trình trong không gian trọng số" (Weight Space Programming). Ban biên tập ghi nhận một số nhận định đã được trình bày có phần thiên vị, làm giảm bớt sức nặng từ những phát hiện thực chất hơn của công trình nghiên cứu. Dẫu vậy, đây vẫn là một dấu mốc đáng chú ý và đã được nhiều nhóm độc lập tái lập thành công, do đó không cần thiết phải đính chính hay đăng bài bác bỏ. Thay vào đó, ấn bản hôm nay phản ánh về sự kiện AI Engineer Shanghai, đồng thời giới thiệu bài phỏng vấn độc quyền về lịch sử phát triển của Latent Space. Bản tin AI News từ ngày 02/11/2026 đến ngày 03/11/2026. Dữ liệu được tổng hợp từ 12 subreddit, 544 tài khoản Twitter và không ghi nhận thêm diễn biến mới trên Discord. Độc giả có thể tra cứu toàn bộ các số đã phát hành trên trang web của AI News. Lưu ý: AI News hiện là một chuyên mục thuộc Latent Space; bạn đọc có thể tùy chọn đăng ký hoặc hủy tần suất nhận thư điện tử. Điểm tin AI nổi bật trên Twitter Lập trình trong không gian trọng số: Các mô hình biên giới trực tiếp đọc và ghi trọng số mạng nơ-ron Luận điểm cốt lõi và các thử nghiệm tái lập: Nhiều nhóm nghiên cứu ghi nhận các LLM biên giới có thể trực tiếp khởi tạo hoặc chỉnh sửa trọng số của các mạng quy mô nhỏ mà không cần huấn luyện dựa trên gradient hay công cụ hỗ trợ. Tái lập qua các thế hệ mô hình: Kết quả tái lập thí nghiệm của MIT do Alex Krentsel thực hiện cho thấy năng lực có bước nhảy vọt giữa các thế hệ mô hình; các phiên bản mới nhất đã tạo ra những mạng chơi Breakout đạt điểm số gấp tới 22 lần so với mốc đối chứng được huấn luyện bằng học tăng cường (RL) (tóm tắt). Hugging Face tái lập thành công: Hugging Face đã tái hiện nghiên cứu trên bằng ML Intern, bộ công cụ nghiên cứu AI mã nguồn mở của đơn vị, đồng thời công bố mô hình kèm bản thử nghiệm (NielsRogge). Bộ phân loại lập trình thủ công: Một người dùng đã yêu cầu Fable viết trực tiếp một mạng 100.000 tham số nhằm phân biệt trích dẫn pháp lý thật và giả, đạt hiệu quả được ghi nhận là vượt trội so với phiên bản qua huấn luyện (jacsebl). Giám đốc công nghệ (CTO) của Legora đã ghi nhận kết quả này (mstockton). Phân tích quá trình Astra can thiệp mô hình Qwen: GPT-6 Astra đã chỉnh sửa 131.072 trọng số trong Qwen3.5-0.8B mà không dùng lan truyền ngược (backprop), nâng độ chính xác trên tập kiểm chuẩn MATH-500 từ 7,9% lên 48,1%. Một phân tích phục dựng từ nhật ký kỹ thuật trên Zhihu cho thấy mức cải thiện thực tế hẹp hơn so với thông tin ban đầu (ZhihuFrontier): Dạng thức lỗi: 576 trong số 579 câu trả lời được xử lý vốn chạm ngưỡng giới hạn 32.000 token do rơi vào vòng lặp vô hạn. Phương pháp: Astra xác định "hướng lặp" (repetition direction) từ sự đối lập giữa ngữ cảnh lặp và ngữ cảnh tạo sinh hiệu quả, định vị hướng này chủ yếu trong các khối MLP ở tầng 15 và 19, sau đó trừ đi 6 lần giá trị hình chiếu từ 64 nơ-ron có độ đồng chỉnh cao nhất ở mỗi tầng. Kết quả trên tập dữ liệu độc lập: Độ chính xác tăng từ 10,6% lên 60,4% trên 1.152 bài toán kiểm định độc lập. Phần lớn mức tăng trưởng xuất phát từ việc các chuỗi suy luận sẵn có nay đã có thể hoàn tất. Tái lập trên máy tính cá nhân: Simon Willison thông báo mô hình Qwen 3.8 27B đã thực hiện được khả năng phân tích trọng số tương tự trên máy tính xách tay sau hơn 45 phút xử lý (simonw). Các góc nhìn thận trọng: Mốc đối chứng: Giới phân tích cho rằng các tuyên bố lớn còn thiếu hệ quy chiếu đối chứng thỏa đáng, kết quả trên Qwen thực chất là khắc phục lỗi kỹ thuật thay vì tự cải tiến đệ quy, và các luồng ý kiến có phần thổi phồng (paul_cal). Hiện tượng quá khớp (overfitting) với tập kiểm chuẩn: Việc khớp trực tiếp trọng số theo một bài kiểm chuẩn là "về cơ bản không mang lại ý nghĩa", tương tự như trường hợp mô hình nesformer trong trò chơi Mario (dbreunig). Cơ chế vận hành: Một ý kiến đặt câu hỏi liệu các mô hình chủ yếu chỉ đọc tầng đầu và tầng cuối vốn ánh xạ trực tiếp tới các đầu vào và đầu ra đã xác định hay không (ravfogel). Giá trị về khả năng diễn giải: Một quan điểm khác cho rằng bài học thực tế nằm ở mức độ hiệu quả khi các tác tử lập trình ứng dụng các công cụ diễn giải cơ chế (jbhuang0604). Đánh giá lạc quan: Giới ủng hộ nhận định công trình này cho thấy học siêu cấp (meta-learning) đã phát huy hiệu quả, đồng thời xem việc tối ưu hóa trọng số tương đương với tối ưu hóa văn bản có cấu trúc. Các chuyên gia đề xuất giải pháp lai kết hợp luân phiên giữa lan truyền ngược và can thiệp trực tiếp (yoonholeee). Công bố mô hình và các đánh giá độc lập Tencent Hy4: Tencent công bố mô hình đạt 75,2 điểm trên thang đo APEX-Agents, so với 72,1/72,9 điểm của DeepSeek V4.1 Flash-1017, dù hai bên cạnh tranh sát sao trên các bộ tiêu chuẩn đánh giá khác (tóm tắt). Mức giá và trọng số: Chi phí sử dụng API là 0,834 USD/2,501 USD cho mỗi triệu token đầu vào/đầu ra; Tencent dự kiến sẽ công bố trọng số mô hình. Agent Arena: Hy4 xếp thứ 14 chung cuộc qua hơn 8.500 phiên thử nghiệm, với chi phí 0,55 USD/tác vụ so với mức 1,46 USD của Kimi K3.1 Pro (Max). Điểm số giữa hai mô hình chênh lệch chưa đầy 1 điểm (arena). Sarvam Prism: Mô hình ra quyết định "Hệ thống 1" (System One) này được phát triển trên nền tảng Sarvam 105B. Mô hình đạt 71,8 điểm với thời gian phản hồi trung vị 44 ms; theo Sarvam, đây là mức trung bình tốt nhất trong nhóm các mô hình ra quyết định có độ trễ dưới 100 ms (SarvamAI). Các đợt phát hành trọng số mở: Kimi K3.1 Pro: Trọng số dự kiến được công bố vào thứ Tư (Together). P-H3-Image: Mô hình mở của Pruna, được chưng cất từ MiniMax-H3, hoạt động trong 8 bước thay vì 50 bước, kích thước nhỏ hơn 7 lần và tạo ra hình ảnh 4 MP trong 2,6 giây (PrunaAI). LongCat-2.5: Mô hình sở hữu tổng cộng 1,6T tham số và khoảng 48B tham số kích hoạt, với mức giá 0,30 USD/1,20 USD. Trong thử nghiệm của một người dùng, mô hình đã xây dựng một trò chơi trên trình duyệt với chi phí 0,28 USD, so với mức 0,82 USD của Qwen3.8-Max (omarsar0). Các đợt phát hành khác: EmbeddingGemma 2: Báo cáo khoa học đã được công bố (osanseviero). Krea 3: Báo cáo kỹ thuật trình bày về mô hình do một nhóm nghiên cứu dưới 10 người phát triển (krea_ai). Crouton Alpha: Mô hình suy luận thử nghiệm kín miễn phí trên OpenRouter cung cấp cửa sổ ngữ cảnh 1M (OpenRouter). Các kiến trúc mở tháng 10: Raschka tổng hợp 10 kiến trúc LLM mở được phát hành trong tháng 10 (rasbt): Biến thể cơ chế chú ý: Mistral Large 4 (1T) kết hợp cơ chế MLA với cơ chế chú ý thưa (sparse attention). Mô hình lai và MoE: Muse Spark Open (816B) là phiên bản mở lớn đầu tiên của Meta kể từ Llama, sử dụng LatentMoE. Nemotron 3.5 Super VL kết hợp các lớp Mamba-2 với tám lớp chú ý. Mô hình vòng lặp: Dory1.0 là một mô hình transformer dạng vòng lặp (looped transformer). Cập nhật từ Artificial Analysis: Capability Indexes v2.0: Bản cập nhật gia tăng trọng số đánh giá khả năng hạn chế ảo giác và sử dụng công cụ dạng tác tử. Claude Opus 5.5 (max) dẫn đầu toàn bộ sáu chỉ số; Kimi K3.1 Pro đứng đầu trong nhóm các mô hình mở (ArtificialAnlys). Intelligence Index v5.0.1: Việc chấm điểm lại với máy chủ CritPt v2 không làm thay đổi thứ hạng của các mô hình tiên phong quá 1 điểm (ArtificialAnlys). AA-Robotics: Opus 5.5 hoàn thành tác vụ điều khiển cánh tay robot, sau đó tiếp tục xử lý thêm 22 phút. Chỉ có GPT-6.1 Sol và Gemini 4 Argon dừng lại trong vòng một phút (ArtificialAnlys). Các nghiên cứu của Vals: Mức độ suy luận: Ở cấu hình thấp nhất, GPT-6 Astra duy trì được 88% điểm số với chi phí chỉ bằng 18%, trong khi Grok 4.7 giữ được 86% điểm số ở mức chi phí 16%. Gemini 4 Argon hầu như không tiết kiệm được chi phí (ValsAI). Router Index: Nexus Auto (Sol) của Fireworks là mô hình điều hướng đầu tiên đạt mốc 60%, với chi phí 1,25 USD/lần kiểm tra (ValsAI). Chưa xác nhận