Fixing Tool-Call Accuracy in vLLM

Oxynote: an open source internal wiki with live PostgreSQL query charts

Oxynote is a new open-source internal wiki, licensed under Apache-2.0, built for engineering teams. Pages can embed charts that run live queries against Prometheus, PostgreSQL, MySQL, or MariaDB right next to the explanatory text. Changes to important pages go through a draft, diff, and approval process similar to a pull request. The idea is that live data gives teams a reason to open docs daily, keeping them from going stale. A typical use case is a runbook showing replication lag or slow query counts alongside the steps for handling them. For PostgreSQL, queries run in read-only sessions, optionally against a standby or with default_transaction_read_only enabled.

Git for US Legislation

Lawyers should be able to read a statute as it stood on any date and see which law wrote each phrase. A history of nine titles of the US Code, built by replaying every amendment, as the example.

Build Your Own Reasoning Model: A Full Video Course

Khóa học video kéo dài 11 giờ tập trung vào việc xây dựng model reasoning với Python và …

Pele – Mermaid diagrams as themeable SVG

Pele là một thư viện open source nhẹ giúp tạo các diagram Mermaid thành định dạng SVG. Thư viện này sử dụng CSS variables để cho phép tùy biến theme cho diagram, giúp lập trình viên có thể thay đổi màu sắc, kiểu dáng dễ dàng mà không cần chỉnh sửa trực tiếp code SVG. Với kích thước nhỏ nhẹ, Pele phù hợp cho các dự án cần hiển thị diagram nhưng cần tối ưu hiệu năng. Bạn có thể tích hợp Pele vào các dự án web hiện tại để tạo ra các diagram có thể tùy chỉnh theme linh hoạt thông qua CSS variables.

Pele cho phép lập trình viên tùy biến Mermaid diagrams bằng CSS variables, mang lại sự linh hoạt trong việc thiết kế giao diện.

Why Temperature 0 Isn't Deterministic in LLM Inference

Trong quá trình inference của LLM, temperature 0 không hoàn toàn quyết định như nhiều người vẫn nghĩ. Nguyên nhân kỹ thuật nằm ở cách thuật toán softmax hoạt động khi temperature bằng 0, làm cho xác suất của từ với highest score tiến tới 1 nhưng không bao giờ đạt hoàn toàn 1 trong thực tế. Điều này dẫn đến kết quả có vẻ ngẫu nhiên dù xác suất đã được chuẩn hóa, gây ra sự không chắc chắn nhỏ trong kết quả output. Điều đáng học là việc hiểu behavior của temperature trong LLM không đơn giản như tưởng tượng, đòi hỏi hiểu biết sâu về cách hoạt động của softmax và quy trình sampling text generation.

Bạn nên đọc bài này để hiểu cách giải quyết một vấn đề cơ bản nhưng thường bị nhầm lẫn trong việc phân tích và tối ưu hóa mô hình ngôn ngữ lớn, giúp tránh sai lầm trong việc thiết kế và triển khai hệ thống AI.

Python's experimental JIT to be removed

CPython dự định loại bỏ bộ JIT thử nghiệm đã được Brandt Bucher thêm vào cho Python 3.13 năm 2024. Sau khi nhóm tác giả rút PEP 836 - văn bản chuẩn hóa cho tính năng này - do thiếu nguồn lực, dự án không đạt được vị trí tiêu chuẩn. Hội đồng điều hành đã tạm dừng JIT từ tháng 6 vì lo ngại về bảo trì, tương thích và bảo mật. Xem xét kế hoạch phát triển Python 3.16, tính năng này có khả năng cao sẽ bị loại bỏ khỏi nhánh chính của CPython. Bài viết cung cấp cái nhìn thực tế về những thách thức khi tích hợp công nghệ mới vào một hệ thống phức tạp như Python.

Lập trình viên nên đọc bài viết này để cập nhật về việc loại bỏ trình biên dịch JIT thử nghiệm trong CPython và hiểu những thay đổi quan trọng sắp xảy ra với phiên bản Python 3.16.

From spot fixes to measured gains: improving document extraction accuracy with ai_extract and MLflow Prompt Registry

Các hệ thống document extraction thường gặp vấn đề về accuracy do thiếu chuẩn hóa prompt và schema. Tác giả triển khai MLflow Prompt Registry kết hợp với ai_extract để versioning prompts, tracking metrics F1-score và precision-recall. Kết quả cho thấy cải thiện đáng kể accuracy từ 78.2% lên 89.5% trên dataset 10,000 tài liệu thực tế. Phương pháp này giúp đo lường hiệu quả thay đổi, tránh regression và tái sử dụng prompt tối ưu cho các documents tương tự. Bạn nên đọc để áp dụng pipeline đo lường được cải tiến cho các hệ thống document extraction production.

Hướng dẫn giúp bạn xây dựng hệ thống trích xuất tài liệu chính xác hơn bằng cách quản lý phiên bản prompt và đánh giá hiệu suất với MLflow Prompt Registry.

The Agentic Analytics Benchmark: ranking tables and labeling failures with Jev

Jev đánh giá xếp hạng các bảng warehouse và gắn nhãn lỗi agentic trong dưới một giây, thể hiện hiệu suất vượt trội. Tuy nhiên, khi thêm retrieval hints, độ chính xác không cải thiện đáng kể trên 20 mô hình được thử nghiệm trong Agentic Analytics Benchmark. Hiệu suất xử lý nhanh chóng này cho thấy tiềm năng lớn cho việc giám sát hệ thống data warehouse quy mô lớn. Bài viết cung cấp benchmark toàn diện để đánh giá hiệu suất agentic analytics, với con số cụ thể về thời gian xử lý và số lượng mô hình. Kết quả nghiên cứu hữu ích cho các developer đang xây dựng hệ thống agentic cần cân bằng giữa tốc độ xử lý và độ chính xác.

Bài viết cung cấp phương pháp đánh giá hiệu suất hệ thống phân tích dữ liệu tự động với độ chính xác cao.