multi-agent AI

Bằng chứng (18)

• 7Hacker News·11/10/2026research
  MASS đề xuất tự cải thiện lặp lại bằng tự giám sát đa tác tử

  Bài nghiên cứu giới thiệu Multi-Agent Self-Supervision (MASS), một khung làm việc trong đó cùng một mô hình ngôn ngữ đảm nhiệm vai trò giải bài toán, tối ưu quy trình và đánh giá trong một vòng lặp tự cải thiện lặp lại. Bằng cách chưng cất trí tuệ tập thể từ các quy trình đa tác tử thành tín hiệu tự giám sát, phương pháp này được cho là cải thiện điểm số trên mỗi token đầu ra ở các benchmark nghiên cứu.

• 5InfoQ·8/10/2026research
  Spotify Ads Manager trình bày các mẫu đa tác tử ở quy mô lớn

  Pratik Rasam mô tả cách Spotify Ads Manager vận hành các hệ thống đa tác tử đạt chuẩn sản xuất ở quy mô lớn bằng Google ADK Java. Ông nhấn mạnh các mẫu kiến trúc, mô hình sở hữu theo miền, cơ chế bảo vệ quyết định, đánh giá dựa trên tracing, cùng các bài học về ranh giới tác tử, thiết kế schema công cụ và kiểm soát chi phí.

• 7InfoQ·18/9/2026research
  DoorDash tự động hóa việc dọn dẹp 60.000 feature flag bằng LLM đa tác tử

  DoorDash đã xây dựng một quy trình LLM đa tác tử để phát hiện và dọn dẹp các feature flag lỗi thời trên hơn 60.000 flag và 623 kho mã nguồn. Hệ thống kết hợp dữ liệu thử nghiệm thực tế, phê duyệt của kỹ sư, Git worktree tách biệt, các tác tử chạy song song và kiểm tra tự động; trong thử nghiệm 50 flag, 45 trường hợp tạo được pull request hữu ích với thời gian trung bình 13,8 phút mỗi flag.

• 8Hacker News·12/9/2026framework_update
  Anthropic kêu gọi làm chậm đà tiến bộ năng lực AI

  Đồng sáng lập Anthropic, Dario Amodei, cho rằng quá trình phát triển AI đang tăng tốc quá nhanh và cần được điều chỉnh nhịp độ để các biện pháp an toàn theo kịp. Ông nêu tự cải tiến lặp (recursive self-improvement) và sự cố bầy tác nhân OpenAI-Hugging Face gần đây như những ví dụ cho thấy rủi ro có thể trở nên nghiêm trọng hơn khi năng lực mô hình tăng lên.

• 5Hacker News·8/9/2026open_source
  Khung làm việc đa tác nhân LLM cho giao dịch tài chính

  TradingAgents là một khung mã nguồn mở áp dụng nhiều tác nhân dựa trên LLM cho quy trình giao dịch tài chính. Dự án được đăng trên GitHub và thu hút thảo luận trên Hacker News về thiết kế cũng như các trường hợp sử dụng. Nó kết hợp điều phối tác nhân với các tác vụ phân tích thị trường thay vì là một sản phẩm giao dịch độc lập.

• 4GitHub Blog·2/9/2026framework_update
  GitHub giải thích các thuật ngữ mới trong phát triển AI

  GitHub đã đăng một bài giải thích các thuật ngữ mới trong phát triển AI như loop engineering, Ralph loops, squads, harness engineering, hill climbing và các nhóm mô hình khác nhau. Bài viết cho thấy các khái niệm này liên quan đến quy trình làm việc của tác tử, điều phối, đánh giá và hệ thống đa tác tử trong phát triển phần mềm. Đồng thời, GitHub lưu ý rằng đây là sự pha trộn giữa các mẫu hữu ích, những tên gọi mới cho ý tưởng cũ, và các khái niệm vẫn đang được định hình.

• 7InfoQ·22/8/2026research
  LinkedIn xây dựng hệ thống AI đa tác tử để rà soát mã nguồn

  Các kỹ sư LinkedIn đã phát triển một nền tảng rà soát mã nguồn bằng AI đa tác tử để xử lý pull request ở quy mô lớn. Hệ thống được thiết kế theo ngữ cảnh mã nguồn nội bộ của LinkedIn, nhằm giảm ảo giác và các phản hồi ít giá trị so với công cụ rà soát AI dùng sẵn trên thị trường.

• 3Martin Fowler·18/8/2026research
  Mảnh ghép: ngày 18 tháng 8

  Martin Fowler chia sẻ về mục tiêu xây dựng Thoughtworks dựa trên nền tảng xuất sắc kỹ thuật, đồng thời giới thiệu loạt bài viết mới của Rachel Laycock là Rachel's Ramblings. Ông cũng nhắc đến XConf Europe tại London và bàn về năng lực của AI như khả năng sao chép nhanh, nhận diện mẫu và hiểu các hành vi phức tạp của con người lẫn hệ thống. Bài viết kết lại bằng nhận xét rằng nhiều người vẫn còn khó nắm bắt vai trò của dữ liệu trong phần mềm và tổ chức.

• 7Hacker News·16/8/2026research
  Các mô hình và vấn đề trong hệ đa tác tử mới nổi

  Frontier Red Team trình bày các phát hiện ban đầu về cách hệ thống AI đa tác tử hoạt động trong môi trường thực tế, tập trung vào phối hợp, phản biện chéo và các dạng lỗi mang tính hệ thống. Bài viết mô tả thí nghiệm với 45 tác tử làm việc trên các nhiệm vụ phát hiện lỗ hổng trong mã nguồn mở và so sánh mô hình bầy đàn có phối hợp với cách chạy song song thông thường.

• 7InfoQ·23/7/2026research
  AI đa tác tử cải thiện vận hành an ninh trong lõi 5G

  Bài viết mô tả một hệ thống AI đa tác tử được triển khai trong vận hành an ninh thực tế cho môi trường lõi 5G. Hệ thống được cho là giúp giảm 40% thời gian phát hiện và phản hồi trung bình, đồng thời giảm 12 lần khối lượng công việc thủ công cho việc xây dựng quy tắc và kỹ thuật phát hiện.

• 5The New Stack·21/7/2026research
  Lập trình AI có khả năng suy luận cao nổi lên như hướng đi tiếp theo

  Bài viết cho rằng lập trình AI một lượt vẫn hữu ích cho các tác vụ đơn giản, nhưng quy trình suy luận nhiều bước đang ngày càng quan trọng hơn với công việc phức tạp, liên quan bảo mật hoặc kiến trúc hệ thống. Các ý kiến trong ngành cho rằng nên phân luồng công việc sang đúng mô hình thay vì xem khả năng suy luận sâu là một nâng cấp áp dụng cho mọi trường hợp, đồng thời lưu ý rằng các hệ thống này có thể trở thành “hộp đen” khó kiểm soát.

• 4InfoQ·8/7/2026research
  Hệ thống đa tác tử cho tự động hóa phát triển phần mềm đáng tin cậy

  Itamar Friedman trình bày cách các hệ thống đa tác tử thích ứng có thể giúp đội ngũ kỹ thuật vượt qua giới hạn của gợi ý mã đơn giản để xây dựng quy trình phát triển phần mềm bền vững hơn. Cách tiếp cận này kết hợp kiểm thử tự động, rà soát mã thông minh và cơ chế phân xử để tăng khả năng kiểm soát và quản trị trong toàn bộ SDLC.

• 5The New Stack·4/7/2026research
  Mô hình rẻ hơn thôi chưa đủ để giảm chi phí token AI

  Bài viết cho rằng vấn đề chi phí lớn nhất của AI tác nhân không chỉ nằm ở giá mô hình, mà còn ở mức tiêu thụ token quá cao trong toàn bộ quy trình làm việc. Bài nêu ba hướng giảm chi phí: nén ngữ cảnh, điều phối các tác vụ đơn giản sang mô hình rẻ hơn và dùng semantic caching để tránh lặp lại suy luận tương tự.

• 7Google DeepMind·10/6/2026funding
  Google DeepMind mở gói tài trợ 10 triệu USD cho nghiên cứu an toàn AI đa tác tử

  Google DeepMind, phối hợp với Schmidt Sciences, Cooperative AI Foundation, ARIA và sự hỗ trợ của Google.org, đã công bố gói tài trợ nghiên cứu lên tới 10 triệu USD cho an toàn AI đa tác tử. Chương trình kêu gọi các đề xuất về môi trường thử nghiệm, hành vi của mạng lưới tác tử, cơ chế hạ tầng tin cậy và giám sát cho các hệ thống có nhiều tác tử AI độc lập tương tác trong môi trường số.

• 7Google DeepMind·18/5/2026research
  Google DeepMind ra mắt Co-Scientist để tăng tốc khám phá di truyền

  Google DeepMind công bố Co-Scientist, một đối tác AI đa tác tử được thiết kế để tăng tốc nghiên cứu khoa học. Hệ thống này được giới thiệu như một công cụ hỗ trợ xác định các manh mối di truyền có thể phục vụ nỗ lực đảo ngược lão hóa tế bào, đi kèm công bố trên tạp chí Science.

• 7Google DeepMind·16/5/2026research
  Co-Scientist hướng tới việc tìm các công tắc phân tử đứng sau các bệnh truyền nhiễm mới

  Google DeepMind giới thiệu Co-Scientist, một cộng tác viên AI đa tác tử được thiết kế để tăng tốc nghiên cứu khoa học. Nội dung đề cập đến việc hệ thống này được dùng để tìm hiểu các công tắc phân tử liên quan đến các bệnh truyền nhiễm mới nổi, kèm tham chiếu trên Science vào tháng 5/2026. Đây được mô tả như một công cụ hỗ trợ nghiên cứu, chưa phải sản phẩm y tế hoàn chỉnh.

• 6Google DeepMind·16/5/2026research
  Co-Scientist của Google DeepMind nhằm tăng tốc nghiên cứu cơ chế bệnh gan

  Google DeepMind giới thiệu Co-Scientist, một hệ thống AI đa tác tử được thiết kế để hỗ trợ nghiên cứu khoa học. Trong nội dung này, trọng tâm là việc dùng hệ thống để đẩy nhanh phát hiện cơ chế bệnh gan, kèm theo thông tin về bài đăng trên Science dự kiến vào tháng 5/2026. Đây được xem là một công cụ nghiên cứu hơn là sản phẩm tiêu dùng hay một bản phát hành mô hình.

• 6Google DeepMind·16/5/2026research
  DeepMind kết hợp các bộ công cụ sinh học để nghiên cứu ALS

  Google DeepMind giới thiệu một hướng nghiên cứu mới cho bệnh xơ cứng teo cơ một bên (ALS) bằng cách kết hợp nhiều bộ công cụ sinh học. Bài viết cũng nhắc đến Co-Scientist, một tác nhân AI đa tác vụ được thiết kế để tăng tốc khám phá khoa học, với nghiên cứu được công bố trên Science vào tháng 5/2026.