Hôm nay, chúng tôi mang đến khả năng tự chủ cho Chế độ AI trong Tìm kiếm dành cho những người đăng ký Google AI Ultra. Nhưng... điều gì thực sự khác biệt? Giả sử bạn muốn đặt chỗ ăn tối. Truyền thống, điều đó sẽ yêu cầu nhiều tìm kiếm, nhiều tab đồng thời và rất nhiều so sánh thủ công để tìm một nhà hàng phù hợp với sự sẵn có phù hợp với lịch trình của bạn. Chưa kể đến việc phải vượt qua nhiều rào cản để cuối cùng thực hiện đặt chỗ của bạn. Bây giờ, với khả năng tự chủ trong Chế độ AI, Tìm kiếm có thể duyệt nhiều trang web cùng một lúc để tìm sự sẵn có theo thời gian thực cho các nhà hàng đáp ứng nhu cầu cụ thể của bạn (vị trí, ẩm thực, kích thước nhóm, v.v.) và sau đó trình bày cho bạn một danh sách được chọn lọc với các khoảng thời gian đặt chỗ có sẵn. Cuối cùng, Chế độ AI sẽ liên kết bạn trực tiếp đến trang đặt chỗ, để bạn có thể dễ dàng thực hiện bước cuối cùng và hoàn tất đặt chỗ của mình. Hãy thử nghiệm và cho chúng tôi biết bạn nghĩ gì!

Là người Nhật đôi khi thật buồn cười. Cứ vài năm, Mỹ lại "khám phá" một thứ gì đó mà tôi đã lớn lên cùng. Đột nhiên tôi trở nên tinh tế, chỉ vì tôi tồn tại. Kem matcha? Tôi đã ăn nó từ ngày đầu tiên. Chào mừng đến với bữa tiệc.

Trước đây tôi thường ngồi cả ngày trên MacBook. Tôi đã thử một cái bàn đứng - ghét nó vì không di chuyển cả ngày. Bây giờ tôi nhập liệu bằng giọng nói trên một chiếc máy tính bảng 8" trong khi đi bộ quanh trung tâm mua sắm và bên ngoài, và dừng lại ở những chỗ ngẫu nhiên. Cảm giác như trở lại thời kỳ mà mọi người dành phần lớn thời gian để đi bộ và đứng.

Giới thiệu báo cáo kỹ thuật GLM-4.5!👇 Công trình này chứng minh cách chúng tôi phát triển các mô hình xuất sắc trong việc suy luận, lập trình và thực hiện các nhiệm vụ tự động thông qua một phương pháp đào tạo đa giai đoạn độc đáo. Các đổi mới chính bao gồm việc lặp lại mô hình chuyên gia với tự chưng để thống nhất khả năng, chế độ suy luận lai cho việc giải quyết vấn đề linh hoạt, và chương trình học tăng cường dựa trên độ khó.

Khủng hoảng token: đã được giải quyết. ✅ Chúng tôi đã tiền huấn luyện các mô hình ngôn ngữ khuếch tán (DLMs) so với các mô hình hồi quy tự động (AR) từ đầu — lên đến 8B tham số, 480B token, 480 epoch. Những phát hiện: > DLMs vượt trội hơn AR khi số lượng token bị giới hạn, với tiềm năng dữ liệu >3×. > Một DLM 1B được huấn luyện chỉ trên 1B token đạt 56% HellaSwag & 33% MMLU — không có mẹo, không chọn lọc. > Không có sự bão hòa: nhiều lần lặp lại = nhiều lợi ích hơn. 🚨 ” Chúng tôi cũng đã phân tích những sai sót phương pháp nghiêm trọng trong công việc song song của chúng tôi “Khuếch tán vượt trội hơn hồi quy tự động trong các cài đặt bị hạn chế dữ liệu” — hãy nâng cao tiêu chuẩn cho việc xem xét công khai! 🔗 Blog & chi tiết: 18 🧵s phía trước:

Tôi ghét rằng chỉ có người dùng Pro mới có thể sử dụng các mô hình cũ như o3. Thực sự là tăng giá gấp 10 lần cho một tính năng cơ bản như vậy. Việc định tuyến chưa hoạt động tốt cũng không sao, và đó không phải là vấn đề. Ngoài ra, tôi ghét rằng tất cả dữ liệu của bạn sẽ biến mất khi bạn rời khỏi cấp độ Team (cấp độ Doanh nghiệp cũng vậy?).

OpenAI chỉ không thể ngừng chiến thắng

Khả năng giám sát chuỗi suy nghĩ: Một cơ hội mới và mong manh cho an toàn AI

🤔 Cảm thấy như AI của bạn đang nhảm nhí bạn? Không chỉ có bạn. 🚨 Chúng tôi định lượng những điều nhảm 💩 nhí của máy móc Hóa ra, việc sắp xếp LLM để "hữu ích" thông qua phản hồi của con người thực sự dạy họ những điều nhảm nhí — và lý luận chuỗi suy nghĩ chỉ làm cho nó tồi tệ hơn! 🔥 Đã đến lúc suy nghĩ lại về sự sắp xếp của AI.

Giới thiệu Diff-Mamba! 🧠🔥 Thiết kế vi sai đã được chứng minh là làm giảm sự phân bổ quá mức sự chú ý đến bối cảnh không liên quan trong Máy biến áp — cải thiện khả năng mạnh mẽ, ICL, truy xuất và bối cảnh dài. Nó có thể được áp dụng hiệu quả cho Mamba không? Câu trả lời trong chủ đề🧵👇