Evaluating a decision model: Nimble 9B and its base model Qwen3.5–9B

Bag of Decisions Reranker

Bag of Decisions Reranker sử dụng Large Language Model (LLM) để tạo ra các câu hỏi cần hỏi Jev cho một truy vấn cụ thể. Phương pháp này đánh giá hiệu quả của việc sử dụng LLM như một cơ chế reranker trong hệ thống xử lý truy vấn. Cách tiếp cận này cho phép tạo ra các câu hỏi phù hợp ngữ cảnh dựa trên truy vấn đầu vào, từ đó cải thiện thứ hạng kết quả. Các lập trình viên quan tâm đến retrieval-augmented generation có thể ứng dụng kỹ thuật này để tối ưu hóa hiệu suất hệ thống. Kết quả thực tế cho thấy phương pháp này có khả năng cạnh tranh với các reranker truyền thống nhưng với chi phí tính toán thấp hơn.

Bài trình bày phương pháp reranker bằng Bag of Decisions sử dụng LLM tạo câu hỏi cho Jev giúp bạn nâng cao hiệu suất xếp hạng kết quả tìm kiếm.

Create Scalable AI Automations with n8n

Các bài hướng dẫn automation thường chỉ kết nối hai ứng dụng đơn giản, nhưng xây dựng …

Import AI 476: Creativity and RSI; worse-than-China open weight models; AI goes to space

Import AI số 476 thảo luận về các hạn chế trong reasoning trực quan của AI models qua benchmark Humanity's Sixth Sense. Các mô hình open weight từ phương Tây đang có hiệu suất thấp hơn đáng kể so với các mô hình từ Trung Quốc trên nhiều task. Việc AI ứng dụng vào không gian mở ra hướng phát triển mới nhưng đồng thời cũng gây ra nguy cơ tổn thương tay cho lập trình viên do RSI (Repetitive Strain Injury). Điều đáng học hỏi là việc benchmarking cụ thể có thể chỉ ra những điểm yếu không ngờ của các models tiên tiến.

Bài viết này cung cấp cái nhìn cập nhật về những tiến bộ và hạn chế mới nhất trong AI research, đặc biệt là về khả năng lý luận trực quan của mô hình và ứng dụng AI trong không gian.

Sidequest: A 100% Offline Vision-Language Scavenger Hunt Where the Screen Is the Shortest Part of the Walk

Sidequest là một dự án mã nguồn mở tham gia Hacktoberfest AI Challenge, tổ chức các cuộc săn tìm bằng công nghệ Vision-Language 100% offline. Dự án sử dụng mô hình OpenAI CLIP và các API AR của Android/iOS để nhận diện vật thể thực tế mà không cần kết nối internet. Người dùng phải đi bộ và tìm kiếm các vật thể theo mô tả, với thời gian di chuyển chiếm phần lớn trải nghiệm thay vì nhìn màn hình hình. Đây là ví dụ thú vị về ứng dụng AI thực tế, kết hợp xử lý hình ảnh ngôn ngữ với hoạt động thể chất ngoài trời.

Bài giới thiệu dự án Sidequest cho thấy cách AI có thể kết hợp với thế giới thực để tạo ra trải nghiệm công nghệ độc đáo và khuyến khích người dùng tương tác với môi trường xung quanh.

Build and Train a 25M Parameter LLM From Scratch on Your CPU

Bối cảnh: Bạn không cần cụm GPU khổng lồ để học cách AI hiện đại hoạt động. …

A 29MB AI model is the most useful thing I've run on my Raspberry Pi 5, and it doesn't need an AI HAT

Tác giả đã chạy một AI model kích thước chỉ 29MB trên Raspberry Pi 5 mà không cần thiết bị hỗ trợ phần cứng AI HAT. Mô hình này đủ nhỏ để xử lý trực tiếp trên con single-board computer này mà không gặp vấn đề về hiệu năng. Tác giả cho thấy đây là ứng dụng AI hữu ích nhất mà họ từng triển khai trên thiết bị này, chứng tỏ Raspberry Pi 5 có khả năng xử lý AI tốt hơn các thế hệ trước. Điều này mở ra cơ hội cho các dự án AI phân quyền và tiết kiệm chi phí, khi không cần đầu tư vào thiết bị chuyên dụng hay cloud computing.

Bài viết này cho thấy cách chạy AI mô hình nhỏ hiệu quả trên Raspberry Pi 5 mà không cần phần cứng chuyên dụng.

How Netflix Taught an LLM to Recommend Movies So That You Keep Watching

Netflix đã phát triển hệ thống GenRec để tăng thời gian xem phim của người dùng. …