Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn. Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm. Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất. Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v. Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất. Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v. Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất. Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v. Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Biết nghỉ ngơi khi mệt mỏi, biết thông suốt khi bị uất nghẹn, biết dừng lại khi khô nóng Nghỉ ngơi khi mệt, buông bỏ khi bị trĩu nặng, dừng lại khi bực bội. #牛来 #cửa hàng tiện lợi tài chính
🚨 Chiến lược:Trong năm sẽ khôi phục mua ròng Bitcoin! Những người theo chủ nghĩa dài hạn với Bitcoin lại một lần nữa phát đi tín hiệu mạnh mẽ. Theo báo cáo của FOX Business, CEO Strategy Phong Le cho biết: 📌 Công ty dự kiến sẽ khôi phục mua thêm BTC vào cuối năm nay. Dữ liệu cho thấy: 🔥 Tính đến nay trong năm, Strategy đã tích lũy mua vào khoảng 175.000 BTC 📉 Trong cùng kỳ đã bán khoảng 7.000 BTC Nói cách khác: Khối lượng mua ≈ gấp 25 lần khối lượng bán! Việc gần đây bán BTC không phải thay đổi chiến lược, mà nhằm: ✅ Thanh toán cổ tức ưu đãi ✅ Mua lại cổ phiếu ✅ Tăng dự trữ USD Logic cốt lõi của Strategy vẫn không hề thay đổi: Dùng phân bổ vốn doanh nghiệp, với Bitcoin như một tài sản lưu trữ giá trị dài hạn. Từ MicroStrategy đến Strategy, công ty này đang khám phá một mô hình quản lý tài sản doanh nghiệp hoàn toàn mới: 🏦 Doanh nghiệp truyền thống giữ tiền mặt ➡️ Trong tương lai, doanh nghiệp có thể phân bổ tài sản kỹ thuật số Khi các tổ chức liên tục nâng tỷ trọng nắm giữ Bitcoin, sự chú ý của thị trường không chỉ dừng ở biến động giá, mà còn là: Bitcoin đang dần chuyển từ tài sản đầu tư sang một phần của chiến lược tài chính doanh nghiệp. 📊 Giai đoạn tiếp theo cần quan tâm: 1️⃣ Dòng vốn của các tổ chức có tiếp tục đổ vào BTC hay không 2️⃣ Mô hình dự trữ Bitcoin của doanh nghiệp có lan rộng không 3️⃣ Xu hướng “tài chính hóa” BTC sẽ diễn biến thế nào #BTC走势分析 $BTC
Hơn mười văn phòng gia tộc của các siêu giàu toàn cầu cùng đổ tiền vào SpaceX (SPCX.US), với tổng giá trị nắm giữ ít nhất 3,8 tỷ USD!
Các đại gia siêu giàu tại Mỹ và nhiều nơi trên toàn cầu đang đổ mạnh tiền vào SpaceX (SPCX.US). Tài liệu quản lý mới nhất cho thấy, một số văn phòng gia tộc đến từ châu Mỹ, châu Âu và Trung Đông đã thiết lập các vị thế nắm giữ cổ phần SpaceX có giá trị hàng tỷ USD, cho thấy các siêu giàu đang tận dụng tiềm lực tài chính mạnh mẽ để ngày càng chiếm vị trí quan trọng trong những cơ hội đầu tư đang được chú ý. Theo dữ liệu tổng hợp từ truyền thông về các hồ sơ quản lý 13F của quý 2, tính đến cuối tháng 6, văn phòng gia tộc thuộc sở hữu của người thừa kế khách sạn Hyatt là Nick Pritzker nắm giữ khoảng 1,8 tỷ USD cổ phần SpaceX. Thời điểm đó, chỉ mới vài tuần kể từ khi SpaceX hoàn tất đợt chào bán công khai lần đầu (IPO), với hoạt động trải rộng trên các lĩnh vực như phóng tên lửa, liên lạc vệ tinh và trí tuệ nhân tạo. Các siêu giàu khác cũng đã xây dựng những vị thế đáng kể.
Theo CNBC, Nvidia (NVIDIA) đã đạt được một thỏa thuận bảo đảm một phần tổng trị giá 500 tỷ USD với các công ty cổ phần tư nhân vào tuần trước để hỗ trợ cái mà công ty này gọi là một “lớp tài sản” mới về năng lực tính toán. Các chuyên gia pháp lý cho biết, các ý kiến hướng dẫn gần đây của Ủy ban Chứng khoán và Giao dịch Mỹ (SEC) đang mở đường cho việc tài trợ nợ cho các trung tâm dữ liệu, có thể làm cho các khoản tài trợ liên quan trở nên linh hoạt hơn, nâng cao hiệu quả sử dụng vốn và giảm tỷ lệ vốn chủ sở hữu cần thiết cho giao dịch.
Phải nói rằng CZ đã dành sự hỗ trợ cho GIGGLE ở mức tối đa, không chỉ một lần chuyển tiền và nguồn lưu lượng. Thời cơ và các yếu tố bên ngoài đều đã sẵn sàng, phần còn lại là xem bản thân dự án có nắm bắt được cơ hội để đột phá hay không.#giggle
📌Ôi trời, Ethereum này có phải đang muốn leo lên mức 15.000 không đây😱
Ngày 17/8, Giám đốc điều hành (Chairman) của kho bạc Ethereum BitMine, Tom Lee, trích dẫn phân tích kỹ thuật và bày tỏ kỳ vọng về khả năng Ethereum sắp xuất hiện một đột phá mang tính kỹ thuật.
Giá ETH hiện tại chỉ còn cách đỉnh lớp mây của Ichimoku Kinko Hyo (đám mây) trên khung ngày (daily) khoảng 3,5%. Đây sẽ là lần đầu tiên kể từ ngày 9/10/2025, giá đứng vững trên ngưỡng kháng cự quan trọng này.
Hiện giá Ethereum vào khoảng 1906 USD. Lớp mây đang đóng vai trò kháng cự ở rất sát.
Tom Lee tiếp tục quan điểm lạc quan trước đó về Ethereum: ông từng công khai đăng bài vào tháng 7 rằng tỷ lệ ETH/BTC sẽ có xu hướng mạnh lên vào nửa cuối năm 2026. Luận điểm cốt lõi là sự thúc đẩy đồng thời từ câu chuyện tiền tệ của ETH, sự tăng trưởng của stablecoin và làn sóng token hóa tài sản.
Đỉnh lớp mây của Ichimoku Kinko Hyo được các nhà phân tích kỹ thuật xem là một mốc tham chiếu quan trọng cho khả năng đảo chiều xu hướng. Nếu vượt qua một cách hiệu quả, có thể mở ra thêm dư địa cho đà tăng đi lên.
*Một thời đại khép lại, một huyền thoại bắt đầu* 👑🤍 Bức ảnh này nói lên nhiều hơn cả ngàn lời. Của Ronaldo trong màu áo trắng Real Madrid số 7, sau khi giúp đội giành cú ăn ba Champions League, đã giơ ngón cái rồi rời sân. 450 bàn thắng, 4 chiếc cúp Champions League, màn trình diễn thống trị suốt 9 năm. Anh ấy không chỉ đơn thuần là thi đấu cho Real Madrid—bản thân anh đã *đại diện* cho Real Madrid. Khi rời đi vào năm 2018, anh để lại một huyền thoại không thể phai mờ. Luôn ổn định như một, cống hiến hết mình, và bản lĩnh vững như bàn thạch dưới áp lực 💎 Đúng như Ronaldo hiểu rõ khi nào cần đưa ra những quyết định lớn để mở ra một chương mới, thì trong giao dịch, thời điểm cũng vô cùng quan trọng. Chính vì vậy, mình luôn theo dõi *Predict Token*—một nền tảng cho phép bạn dự đoán kết quả các trận đấu bóng đá thực tế và xu hướng thị trường. Hiểu đúng trận đấu, vững niềm tin, không ngừng tích lũy chiến thắng 📈⚽ Cảm ơn mọi người đã ủng hộ—hướng tới cột mốc 20.000 người theo dõi! 🙏 Ronaldo trong màu áo Real Madrid, khoảnh khắc nào khiến bạn khó quên nhất? Hãy chia sẻ trong phần bình luận 👇 answer:7 回答:7 #1688家族family #Binance #PredictAndWin
Dạo gần đây tôi càng lúc càng cảm thấy rằng, Web3 muốn thực sự mở rộng quy mô người dùng thì không thể mãi chỉ quanh quẩn trong “vòng tròn” của chính mình. $niulai $niuIai đã chọn bắt đầu từ IP phim, theo tôi đây là một thử nghiệm khá trực tiếp. “Niulai” bản thân thuộc mảng nội dung truyền thống, kết hợp với cộng đồng Meme, đồng nghĩa là đã bổ sung cho IP điện ảnh một con đường lan truyền mới. Hướng đi này đáng để tiếp tục theo dõi. #niulai #牛来
Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, $chỉ số S&P 500 (.SPX.US)$ chỉ có 2% doanh nghiệp lượng hóa được tác động cụ thể của AI lên lợi nhuận!
Các nhà chiến lược của Goldman Sachs, Ben Snid, cho biết các doanh nghiệp đang tăng chi tiêu cho trí tuệ nhân tạo (AI) với tốc độ chưa từng có, nhưng đối với đa số công ty, cho đến nay công nghệ này vẫn chưa chuyển hóa thành những cải thiện lợi nhuận thực chất. Trong một báo cáo do Goldman Sachs công bố vào ngày 14 tháng 8, hãng cho biết trong giai đoạn công bố kết quả kinh doanh quý II năm nay, chỉ có 2% doanh nghiệp thuộc các cổ phiếu thành phần của $chỉ số S&P 500 (.SPX.US)$ lượng hóa được tác động cụ thể của AI lên lợi nhuận; 11% doanh nghiệp thì cho biết đã quan sát thấy sự gia tăng năng suất đo lường được trong các lĩnh vực cụ thể như lập trình phần mềm, hỗ trợ khách hàng, v.v. Tuy nhiên, các doanh nghiệp triển khai những cải thiện hiệu suất này vẫn chưa cho thấy mức tăng trưởng lợi nhuận vượt trội một cách đáng kể so với toàn bộ mặt bằng của thị trường. Dữ liệu cho thấy mức tăng trưởng lợi nhuận trung vị theo năm của họ là 17%, trong khi con số này ở các doanh nghiệp chưa lượng hóa được đóng góp hiệu quả từ AI là 14%. Goldman Sachs cho biết, khoảng chênh lệch này không có ý nghĩa thống kê.
Nhóm nghiên cứu của Apple đã thực hiện một vòng thí nghiệm tăng cường học với 9 mẫu và 11 ngôn ngữ, muốn tìm hiểu: Nếu dữ liệu huấn luyện chỉ có một ngôn ngữ, thì năng lực giải bài mà mô hình học được có thể mang sang làm bài ở các ngôn ngữ khác không?
Đáp án là có, hơn nữa hiệu quả khá rõ ràng. Chỉ cần huấn luyện bằng một ngôn ngữ, thì mô hình ở nhiều ngôn ngữ khác cũng sẽ cùng trở nên mạnh hơn.
Ví dụ, trong bài kiểm tra tiếng Pháp, chỉ cần trực tiếp huấn luyện bằng tiếng Pháp thì điểm trung bình tăng 25,6 điểm phần trăm; hoàn toàn không cần huấn luyện tiếng Pháp, chỉ lấy các câu hỏi tiếng Tây Ban Nha để luyện, cuối cùng khi làm bài tiếng Pháp cũng vẫn tăng 24,6 điểm phần trăm, chỉ kém 1 điểm phần trăm.
Mô hình học được không chỉ là cách làm các bài thuộc một ngôn ngữ cụ thể, mà còn có một phần phương pháp giải bài có thể chuyển đổi sang ngôn ngữ khác để tiếp tục dùng. Vì vậy, sau này nếu muốn tăng cường khả năng suy luận bằng tiếng Trung của mô hình, thì không nhất thiết phải biến toàn bộ dữ liệu tăng cường học thành tiếng Trung một lần nữa.