Google releases new privacy controls for activity history, personalization

Expanded billing choice and lower fees on Google Play

Google Play sẽ mở rộng lựa chọn thanh toán bằng cách cho phép sử dụng hệ thống thanh toán bên ngoài hoặc liên kết người dùng đến trang web từ ngày 30/6/2026, đồng thời giảm phí dịch vụ xuống 10% cho doanh thu dưới 1 triệu USD/năm và tất cả đăng ký tự động gia hạn. Ngoài ra, phí thanh toán 5% chỉ áp dụng khi sử dụng Google Play Billing tại Mỹ, Anh và EEA. Các chương trình ưu đãi mới dành cho ứng dụng/game chất lượng cao cũng sẽ được triển khai từ tháng 9/2026.

Lập trình viên nên đọc để cập nhật các chính sách mới về chi phí và tính năng thanh toán linh hoạt trên Google Play, giúp tối ưu hóa chi phí phát triển và tăng khả năng cạnh tranh cho ứng dụng của mình.

My 7-year-old GPU runs local AI perfectly, and I don't need my cloud subscriptions anymore

Các mô hình MoE và kỹ thuật lượng tử hóa (quantization) cho phép chạy AI cục bộ trên GPU cũ 8GB VRAM như RTX 2070 Super, thay thế được các gói cloud nhờ các model như Qwen3-Coder 8B hay Gemma 4 E4B. Các công cụ như Ollama (dòng lệnh) hay LM Studio (GUI) giúp triển khai dễ dàng, nhưng cần lưu ý tốc độ sinh token, kích thước cửa sổ ngữ cảnh và hỗ trợ tool calling.

Nếu bạn đang tìm cách tiết kiệm chi phí và tăng hiệu suất cho các ứng dụng AI hàng ngày mà vẫn giữ được chất lượng cao, thì bài viết này sẽ cho bạn cách tối ưu hóa mô hình AI với GPU cũ và công nghệ MoE/quantization để làm việc hiệu quả mà không cần phụ thuộc vào cloud.

Which programming language to use for coding interviews

Lựa chọn ngôn ngữ lập trình (Python, Java) cho phỏng vấn coding ảnh hưởng lớn đến hiệu suất, nhưng quan trọng nhất là sự quen thuộc của bạn với ngôn ngữ đó. Chỉ nên học ngôn ngữ mới nếu vị trí yêu cầu chuyên môn cụ thể, còn thông thường không nên học chỉ để phục vụ phỏng vấn.

Là người tìm việc kỹ thuật, hiểu rõ các ngôn ngữ phổ biến trong các cuộc phỏng vấn như Python hay Java giúp bạn tự tin giải quyết bài tập nhanh chóng và tránh mất thời gian học mới khi gặp tình huống thực tế.

Google Consent Mode v2

Google Consent Mode là tính năng quan trọng giúp quản lý sự đồng thuận của người dùng đối với cookie và dữ liệu, phiên bản v2 bổ sung các tham số mới như ad_user_data và ad_personalization để tối ưu hóa quảng cáo theo quy định bảo mật. Có thể triển khai thông qua Google Tag Manager, SDK hoặc chỉnh sửa trực tiếp mã nguồn.

Lập trình viên nên đọc bài này để hiểu cách tích hợp Google Consent Mode v2 vào dự án của mình để tuân thủ quy định GDPR, cải thiện trải nghiệm người dùng và tránh bị phạt vì vi phạm quyền riêng tư.

Concerns rise as Google implements AI for search engine answers

Google triển khai AI để trả lời truy vấn trên công cụ tìm kiếm, có thể khiến lưu lượng truy cập website của các nhà xuất bản sụt giảm. Song, chuyên gia vẫn nhìn thấy cơ hội hợp tác giữa doanh nghiệp AI và giới báo chí.

Lập trình viên nên đọc bài này để hiểu cách AI thay đổi cách tìm kiếm và phát triển các giải pháp tích hợp công nghệ AI vào ứng dụng web, từ đó tối ưu hóa hiệu suất và tương tác người dùng trong tương lai.

Cellebrite said it cut off Russia, but Russia used is tools anyway

Russian authorities used Cellebrite's UFED phone-unlocking tool to hack into the iPhone of opposition politician Andrey Pivovarov in June 2021 — three months after Cellebrite publicly announced it had cut off all sales and services to Russia. Researchers at the Citizen Lab found forensic evidence on Pivovarov's phone confirming the breach, and a Russian court document explicitly detailed the use of Cellebrite UFED to extract WhatsApp and Telegram messages. The case highlights a fundamental problem with surveillance technology exports: once hardware is in a customer's hands, revoking licenses or cutting ties does not reliably prevent continued abuse. Researchers are calling on Cellebrite to implement remote-disable capabilities and cryptographically-signed watermarks to enable accountability and enforcement.

Our Research on Membership Inference Attacks and Preventing Privacy Leaks

JetBrains researchers present EZ MIA (Error Zone Membership Inference Attack), a lightweight method for detecting whether specific data was used to train fine-tuned LLMs. Unlike existing approaches that rely on aggregate sequence loss or expensive shadow model training, EZ MIA focuses on token-level error positions where memorization signals are most concentrated, requiring only two forward passes per sequence. Experiments on GPT-2, GPT-2-XL, and Llama-2 show EZ MIA outperforms baselines like LOSS, Min-K++, and SPV-MIA by up to 9x. The research also confirms that full fine-tuning creates significantly more membership leakage than LoRA-based fine-tuning, though LoRA does not eliminate the risk entirely — especially for larger models.