Google muốn thay Duolingo? Trình làng loạt công cụ học ngôn ngữ bằng Gemini

Welcome, Growth Pioneers! 🚀

Google giới thiệu ba thử nghiệm AI mới giúp nâng cao trải nghiệm học ngôn ngữ, bao gồm Tiny Lesson, Slang Hang, và Word Cam, cá nhân hóa cho người dùng. Và có thể là bước khởi đầu cho tham vọng cạnh tranh trực tiếp với những ứng dụng như Duolingo.

Microsoft Research vừa công bố phát hành Phi-4-reasoning-plus , một mô hình ngôn ngữ mở được xây dựng cho các tác vụ đòi hỏi khả năng suy luận sâu sắc và có cấu trúc. mô hình mới tích hợp tinh chỉnh có giám sát và học tăng cường để mang lại hiệu suất được cải thiện trong các chuẩn mực về toán học, khoa học, mã hóa và các tác vụ dựa trên logic.

__________________________________

Trong bản tin hôm nay, bạn sẽ được khám phá:

• Google muốn thay Duolingo? Trình làng loạt công cụ học ngôn ngữ bằng Gemini

• Microsoft ra mắt Phi-4-Reasoning-Plus, một mô hình suy luận trọng số mở, nhỏ gọn và mạnh mẽ

GOOGLE

Google muốn thay Duolingo? Trình làng loạt công cụ học ngôn ngữ bằng Gemini

Google vừa công bố ba thử nghiệm AI mới nhằm hỗ trợ người dùng học ngôn ngữ theo cách cá nhân hóa hơn. Các công cụ này được xây dựng trên nền tảng Gemini – mô hình ngôn ngữ đa phương thức của Google – và có thể là bước khởi đầu cho tham vọng cạnh tranh trực tiếp với những ứng dụng như Duolingo. Ba thử nghiệm AI mới giúp nâng cao trải nghiệm học ngôn ngữ, bao gồm Tiny Lesson, Slang Hang, và Word Cam, cá nhân hóa cho người dùng.

Thử nghiệm đầu tiên có tên “Tiny Lesson” giúp người học tiếp cận nhanh những cụm từ cần thiết trong tình huống cụ thể. Ví dụ, nếu bạn nhập tình huống “làm mất hộ chiếu,” hệ thống sẽ cung cấp từ vựng và mẫu câu phù hợp như “Tôi muốn báo với cảnh sát” hay “Tôi không biết mình làm mất nó ở đâu.”

Thử nghiệm thứ hai, “Slang Hang,” giúp người học nói tự nhiên và ít “sách vở” hơn. Theo Google, khi học ngoại ngữ, người dùng thường tiếp cận ngôn ngữ ở dạng trang trọng, trong khi đời sống lại dùng nhiều tiếng lóng. Tính năng này tạo ra hội thoại giữa người bản xứ với các ngữ cảnh gần gũi như trò chuyện tại quầy hàng rong hay gặp lại bạn cũ trên tàu điện. Người học có thể bấm vào từng cụm từ để tra nghĩa và ngữ cảnh sử dụng thực tế.

Thử nghiệm thứ ba là “Word Cam”, cho phép người dùng chụp lại hình ảnh xung quanh và để AI nhận diện các vật thể, sau đó hiển thị từ vựng liên quan bằng ngôn ngữ đang học. Ngoài từ chính, hệ thống còn cung cấp các từ bổ sung để mô tả chi tiết hơn. Chẳng hạn, bạn biết từ “cửa sổ” nhưng có thể chưa biết từ “rèm kéo.”

Hiện tại, Little Language Lessons đang được thử nghiệm trên nền tảng Google Labs và mới hỗ trợ tiếng Anh. Google chưa công bố thời gian phát hành chính thức nhưng dự án này cho thấy tiềm năng lớn trong việc tái định hình cách con người tiếp cận ngôn ngữ mới bằng công nghệ.

MICROSOFT

Microsoft ra mắt Phi-4-Reasoning-Plus, một mô hình suy luận trọng số mở, nhỏ gọn và mạnh mẽ!

Microsoft Research vừa công bố phát hành Phi-4-reasoning-plus , một mô hình ngôn ngữ mở được xây dựng cho các tác vụ đòi hỏi khả năng suy luận sâu sắc và có cấu trúc.

Dựa trên kiến ​​trúc của Phi-4 đã phát hành trước đó , mô hình mới tích hợp tinh chỉnh có giám sát và học tăng cường để mang lại hiệu suất được cải thiện trong các chuẩn mực về toán học, khoa học, mã hóa và các tác vụ dựa trên logic.

Phi-4-reasoning-plus là mô hình Transformer chỉ giải mã dày đặc 14 tỷ tham số, nhấn mạnh vào chất lượng hơn là quy mô. Quá trình đào tạo của nó bao gồm 16 tỷ mã thông báo—khoảng 8,3 tỷ trong số đó là duy nhất—được rút ra từ các tập dữ liệu tổng hợp và được quản lý trên web.

Giai đoạn học tăng cường (RL), chỉ sử dụng khoảng 6.400 bài toán tập trung vào toán học, đã cải thiện hơn nữa khả năng lập luận của mô hình.

Mô hình này đã được phát hành theo giấy phép MIT cho phép sử dụng cho các ứng dụng thương mại và doanh nghiệp rộng rãi, cũng như tinh chỉnh hoặc chưng cất mà không bị hạn chế, và tương thích với các khuôn khổ suy luận được sử dụng rộng rãi bao gồm Hugging Face Transformers, vLLM, llama.cpp và Ollama.

Microsoft cung cấp các khuyến nghị chi tiết về tham số suy luận và định dạng lời nhắc hệ thống để giúp các nhà phát triển tận dụng tối đa mô hình.

Sự phát triển của mô hình phản ánh sự tập trung ngày càng tăng của Microsoft vào việc đào tạo các mô hình nhỏ hơn có khả năng cạnh tranh với các hệ thống lớn hơn về hiệu suất.

Mặc dù có kích thước tương đối khiêm tốn, Phi-4-reasoning-plus hoạt động tốt hơn các mô hình trọng lượng mở lớn hơn như DeepSeek-R1-Distill-70B trên một số điểm chuẩn khắt khe.

Ví dụ, trong kỳ thi toán AIME 2025, mô hình này đạt độ chính xác trung bình cao hơn khi vượt qua tất cả 30 câu hỏi ngay trong lần thử đầu tiên (một thành tích được gọi là “pass@1”) so với mô hình chưng cất tham số 70B và gần bằng hiệu suất của chính DeepSeek-R1, vốn lớn hơn nhiều với 671B tham số.

Để đạt được điều này, Microsoft đã áp dụng chiến lược đào tạo lấy dữ liệu làm trung tâm.

Trong giai đoạn tinh chỉnh có giám sát, mô hình được đào tạo bằng cách sử dụng hỗn hợp các dấu vết suy luận chuỗi suy nghĩ tổng hợp và các lời nhắc chất lượng cao đã được lọc.

Một cải tiến quan trọng trong phương pháp đào tạo là sử dụng đầu ra lý luận có cấu trúc được đánh dấu bằng các ký hiệu đặc biệt <think>và </think>mã thông báo.

Những điều này hướng dẫn mô hình tách các bước lý luận trung gian khỏi câu trả lời cuối cùng, thúc đẩy tính minh bạch và tính mạch lạc trong việc giải quyết vấn đề dạng dài.

Sau khi tinh chỉnh, Microsoft đã sử dụng phương pháp học tăng cường dựa trên kết quả, cụ thể là thuật toán Tối ưu hóa chính sách tương đối nhóm (GRPO) để cải thiện độ chính xác và hiệu quả đầu ra của mô hình.

Chức năng phần thưởng RL được thiết kế để cân bằng giữa tính chính xác với tính súc tích, phạt sự lặp lại và thực thi tính nhất quán về định dạng. Điều này dẫn đến các phản hồi dài hơn nhưng chu đáo hơn, đặc biệt là đối với các câu hỏi mà mô hình ban đầu thiếu sự tự tin.

Phi-4-reasoning-plus được thiết kế để sử dụng trong các ứng dụng được hưởng lợi từ suy luận chất lượng cao trong điều kiện hạn chế về bộ nhớ hoặc độ trễ. Nó hỗ trợ độ dài ngữ cảnh là 32.000 mã thông báo theo mặc định và đã chứng minh hiệu suất ổn định trong các thử nghiệm với đầu vào lên đến 64.000 mã thông báo.

Tính năng này được sử dụng tốt nhất trong môi trường giống như trò chuyện và hoạt động tối ưu với lời nhắc hệ thống hướng dẫn rõ ràng cách giải quyết vấn đề theo từng bước trước khi đưa ra giải pháp.

Phi-4-reasoning-plus đã trải qua quá trình đánh giá an toàn toàn diện, bao gồm hoạt động đánh giá nhóm đỏ của Nhóm AI Red Team của Microsoft và đánh giá chuẩn bằng các công cụ như Toxigen để đánh giá phản ứng của nó trên các danh mục nội dung nhạy cảm.

Bạn có thể thấy rằng AI đang thay đổi từng giờ và cạnh trang nhau từng ngày trên từng mô hình. Và trên thị trường của bạn đối thủ của bạn cũng đang cập nhật mỗi ngày. 

👉 Hãy bắt đầu nâng cấp bản thân – từ hôm nay! để không bị lép vế bởi đối thủ và không phải làm việc một cách chăm chỉ mà thông minh hơn với hệ thống AI chính bạn tạo ra!

✅ Khám phá khóa học “AI & Automation Content SEO” của TAG - Công thức để bạn:

• Tạo content chuẩn SEO bằng AI chỉ trong 1/10 thời gian thông thường

• Tối ưu chi phí marketing, tăng hiệu quả gấp đôi

• Ứng dụng Make, N8N, ChatGPT, Claude… một cách bài bản và thực chiến

  📌 Và đừng quên theo dõi fanpage The AI Growth để nhận:

• Câu lệnh mẫu theo từng ngành

• Hướng dẫn ứng dụng AI thực tế, dễ hiểu

• Tin tức công nghệ chọn lọc, được “dịch hộ” bởi chuyên gia giúp bạn không phải đau đầu với thông tin chuyên sâu, mơ hồ

Cảm ơn bạn đã đọc tới đây!
Nếu bạn còn ở lại, mình tin chắc một điều: bạn không chỉ muốn bắt kịp AI – mà còn muốn đi trước đối thủ một bước.

Hẹn gặp bạn trong những bản tin tiếp theo – nơi chúng ta không chỉ “dùng AI”, mà còn “làm chủ AI”.

– The AI Growth Team ❤️