Research AI, đọc theo findings thay vì đọc cả paper
Mỗi paper: 3–5 phát hiện đã trích, một caveat, và cách áp vào 5ac — luôn kèm link arXiv để kiểm chứng.
Collection
1 collection · 15 paper mỗi collection có trang riêngTìm nhanh
15 paper · 1 collection gõ để lọc theo title, tác giả, năm Build hay adopt? Volvo so harness tự dựng với harness tổng quát cùng model và tool Tự giữ harness nội bộ hay nhận harness có sẵn: Volvo đã chạy thử cả hai Arsham Gholamzadeh Khoee, Ruyu Fu, Jiaqi Wei +4 · 7 tác giả · Chalmers University of Technology and Volvo Group · 2026 · arXiv:2610.33636 Trial by Trace: benchmark chấm riêng độ tin cậy của harness, không chỉ của model Benchmark chấm model, nhưng harness hỏng thì ai chấm? Zhiyong Cao, Hengjie Zhu, Yongxin Wang +20 · 23 tác giả · Chinese Academy of Sciences, Tsinghua University, and Beijing Institute of Technology · 2026 · arXiv:2610.32285 Coding-agent tự tiến hoá harness: thay đổi nào thật sự giúp task sau? Skill được patch sau mỗi phiên, nhưng có gì chứng minh nó giúp việc sau? Christoph Treude, Sebastian Baltes · 2 tác giả · Singapore Management University and Heidelberg University · 2026 · arXiv:2610.34938 Rethinking Verification: đặt verification vào đâu trong vòng đời agent Kiểm tra agent ở đâu trong vòng đời mới đáng đồng tiền? Zhengxin Zhang, Erkang Zhu, Yin Lin +3 · 6 tác giả · Cornell University and Alibaba Group · 2026 · arXiv:2610.34577 HarnessMM: tái sử dụng quyết định đã chốt để cắt token reasoning lặp lại Sau mỗi phản hồi của tool, có bao nhiêu lần reasoning thực sự cần chạy lại? Yuhua Jiang, Chang Xu, Feifei Gao +1 · 4 tác giả · Tsinghua University and Microsoft Research Asia · 2026 · arXiv:2610.32813 Context là pipeline, không phải cửa sổ: dữ liệu tool bị hao hụt trên đường tới model Đo agent bằng cửa sổ context, bạn đang bỏ sót phần output bị cắt Yuvraj Sehgal, Mahsa Panahandeh, Naser Ezzati-Jivan · 3 tác giả · Brock University and University of Ottawa · 2026 · arXiv:2610.36114 Policy huấn luyện mang theo harness: so sánh bằng model cố định trộn lẫn hai thứ Policy đã huấn luyện không bao giờ tách khỏi harness của nó Jian Mu, Ruibo Shen, Yao Shu · 3 tác giả · The Hong Kong University of Science and Technology (Guangzhou) · 2026 · arXiv:2610.37255 Đặc tả portable cho harness agent: model nào đã chạy trong harness nào Kết quả benchmark thay đổi theo harness, nhưng không ai ghi lại harness nào Nicolas Gertler, Claudio Novelli, Luciano Floridi · 3 tác giả · Yale University (Digital Ethics Center) and University of Bologna · 2026 · arXiv:2610.40917 τ-bench: đo agent dùng tool theo đúng quy tắc ngành, và độ ổn định qua nhiều lần chạy Agent gọi tool đúng luật một lần, chạy lại thì sao? Shunyu Yao, Noah Shinn, Pedram Razavi +1 · 4 tác giả · Sierra · 2024 · arXiv:2406.12045 OSWorld: đo agent trên chính máy tính thật thay vì môi trường giả dựng Demo agent bấm chuột mượt, cho thử trên máy tính thật thì sao? Tianbao Xie, Danyang Zhang, Jixuan Chen +14 · 17 tác giả · The University of Hong Kong · 2024 · arXiv:2404.07972 SWE-bench: model ngôn ngữ sửa được bao nhiêu issue GitHub thật? Agent viết code hay trên bài tập lẻ, đưa issue thật vào repo thật thì sao? Carlos E. Jimenez, John Yang, Alexander Wettig +4 · 7 tác giả · Princeton University · 2023 · arXiv:2310.06770 WebArena: môi trường web thật để đo agent làm được việc hay không Agent khoe làm được việc trên web giả, đưa vào web thật thì sao? Shuyan Zhou, Frank F. Xu, Hao Zhu +9 · 12 tác giả · Carnegie Mellon University · 2023 · arXiv:2307.13854 Voyager: tích lũy năng lực ở skill library thay vì tinh chỉnh model Voyager giữ năng lực ở thư viện skill, không giữ ở model Guanzhi Wang, Yuqi Xie, Yunfan Jiang +5 · 8 tác giả · NVIDIA, Caltech, and UT Austin · 2023 · arXiv:2305.16291 Reflexion: agent học bằng phản hồi lời nói thay vì tinh chỉnh trọng số Agent làm sai rồi: bài học giữ lại bằng lời, không bằng huấn luyện lại Noah Shinn, Federico Cassano, Edward Berman +3 · 6 tác giả · Northeastern University · 2023 · arXiv:2303.11366 ReAct: agent vừa suy luận vừa hành động trong cùng một vòng lặp Vì sao agent phải vừa suy luận vừa hành động? Shunyu Yao, Jeffrey Zhao, Dian Yu +4 · 7 tác giả · Princeton University and Google Research (Brain Team) · 2022 · arXiv:2210.03629
Không có paper nào khớp bộ lọc này.