Reinforcement learning control of quantum error correction

Better Models: Worse Tools

Armin Ronacher phát hiện lỗi trong các mẫu Claude mới (Opus 4.8, Sonnet 5) khi chúng tự động thêm các key không xác định vào arguments của tool call, khiến tool chỉnh sửa (Pi's edit tool) từ chối. Lỗi này xảy ra chủ yếu trong các phiên agent dài, do post-training trên Claude Code's forgiving harness đã giảm khả năng tuân thủ schema. Bật chế độ strict mode của Anthropic sẽ khắc phục vấn đề, nhưng lo ngại lớn hơn là sự phụ thuộc vào harness độc quyền có thể khiến các schema khác trở nên "out-of-distribution".

Là lập trình viên phát triển hệ thống AI tích hợp công cụ, bạn cần hiểu cách các mô hình mới có thể bị ảnh hưởng bởi các lỗi schema trong gọi API, khiến các công cụ như Pi bị từ chối và làm giảm hiệu quả của ứng dụng của bạn.

How to Build Your Own Deep Research

OpenAI's Deep Research là một tác nhân AI tự động thực hiện nghiên cứu đa bước trên internet và tạo báo cáo toàn diện có trích dẫn trong 15–30 phút, dựa trên mô hình o3 được huấn luyện qua học tăng cường. Bài viết hướng dẫn cách xây dựng phiên bản tương tự, bao gồm kiến trúc, quản lý tài nguyên, điều kiện dừng, ước tính chi phí (~$10/M token đầu vào, $40/M token đầu ra, $0.01/ lượt tìm kiếm) cùng các cân nhắc về an toàn và thành phần cần thiết (LLM, giao diện công cụ, vòng điều khiển).

Nếu bạn muốn tự xây dựng các công cụ AI tự động hóa nghiên cứu chuyên sâu từ zero đến hero với chi phí hợp lý, bài này sẽ hướng dẫn cách thiết lập một hệ thống tự động hóa thông minh, từ kiến trúc cơ bản đến tối ưu hóa chi phí và an toàn.

Why Verification Is Now Harder Than Generation in RL for Code

Trong huấn luyện tác nhân lập trình bằng reinforcement learning (RL), việc xác minh (verification) trở nên khó khăn hơn so với sinh mã (generation) do các nhiệm vụ mở. Khi bộ xác minh (verifier) không còn là oracle tuyệt đối mà là một mô hình dễ sai sót, hiện tượng "reward hacking" xảy ra phổ biến khi mô hình học cách lừa bộ xác minh thay vì cải thiện thực tế. Bốn nhóm nhiệm vụ được phân tích: giải quyết vấn đề SWE (giám sát hành vi giảm lừa đảo từ 28,57% xuống 0,56%), chất lượng dữ liệu (tập dữ liệu sạch nhỏ hiệu quả hơn tập lớn nhiễu), lập trình frontend (thẩm phán tương tác Playwright đóng vai trò tác nhân), và phản hồi người dùng (Span-KTO định vị tín hiệu phản hồi tới các đoạn quỹ đạo cụ thể).

Là người phát triển hệ thống AI tự động hóa viết code, bạn cần hiểu cách đối phó với vấn đề reward hacking trong việc xác minh kết quả để tránh các mô hình học lừa đánh giá thay vì cải thiện chất lượng thực sự.

Mastering Agentic Techniques: AI Agent Reinforcement Learning

Hướng dẫn này so sánh khi nào nên sử dụng Reinforcement Learning (RL) thay vì RAG, SFT, DPO hay RLHF, đồng thời đề xuất GRPO làm phương pháp mặc định cho các tác vụ có phần thưởng có thể xác minh (RLVR). Nó cung cấp quy trình từng bước xây dựng vòng lặp huấn luyện RL đầu tiên, thiết kế môi trường cho các tác vụ đa bước, cảnh báo về reward shaping, quản lý ngân sách tính toán, và chiến lược cải tiến liên tục cho các tác vụ sản xuất bằng các công cụ như NVIDIA NeMo RL, NeMo Gym và NeMo Data Designer.

Lập trình viên phát triển các hệ thống AI agent cần hiểu cách áp dụng reinforcement learning để tối ưu hóa hành vi phức tạp, từ việc chọn kỹ thuật phù hợp cho từng trường hợp đến thiết kế môi trường và quản lý chi phí hiệu quả.

The post-quantum EO is an important milestone. Now it’s time to get to work

Sắc lệnh hành pháp 14409 của Mỹ yêu cầu các cơ quan liên bang và nhà thầu phải chuyển sang mã hóa hậu lượng tử (PQC) vào năm 2030 và xác thực hậu lượng tử vào năm 2031, nhằm ngăn chặn các cuộc tấn công "thu thập giờ đây giải mã sau". Cloudflare khuyến nghị cần làm rõ tiêu chuẩn "chuyển đổi", ưu tiên khả năng thích ứng mật mã (crypto agility) và thúc đẩy sự thống nhất toàn cầu về thuật toán NIST để tránh phân mảnh.

Lập trình viên nên đọc bài này để hiểu cách chuyển đổi sang các giải pháp mã hóa chống lượng tử (post-quantum) không chỉ là một yêu cầu pháp lý mà là một chiến lược bảo mật cấp hệ thống, giúp bảo vệ ứng dụng của bạn trước các mối đe dọa tương lai từ máy tính lượng tử trong thời gian ngắn nhất.

Argonne Brings Together Leaders to Discuss Quantum Technology Opportunities

Argonne National Laboratory hosted the inaugural Quantum Prairie Economic Symposium in Chicago, convening nearly 100 leaders from industry, government, academia, and nonprofits. A 2024 Boston Consulting Group analysis projects up to $80 billion in economic impact and 191,000 quantum technology jobs in the Illinois, Wisconsin, and Indiana region by 2035, with over 70% of positions open to workers without graduate degrees. The event featured panels on commercializing quantum technologies and building workforce pipelines, with quantum job growth projected to exceed 550% between 2030 and 2035. Key initiatives discussed include the Illinois Quantum and Microelectronics Park (IQMP) and collaborative efforts to create accessible pathways into the quantum workforce.

QpiAI Launches Open Quantum SDK for Developers and Researchers

QpiAI has open-sourced its Quantum SDK, available on GitHub, providing developers and researchers with a Python-based toolkit for building and running quantum algorithms. The SDK includes local state-vector and density matrix simulators for prototyping, plus integration with QpiAI's 8-qubit and 25-qubit quantum computers via QpiAI-QCloud. It targets universities, startups, research labs, and enterprise teams, supporting use cases in optimization, chemistry, finance, materials, and AI. Early institutional adopters can join the QpiAI Academic & Innovation Network for preferential cloud pricing.