Tin nổi bật
Phương pháp “short leash” khi code bằng AI agent · 6 phút https://blog.okturtles.org/2026/07/short-leash-ai-method/
Luận điểm hơi khó nghe nhưng đúng: nếu bạn để agent chạy kiểu YOLO rồi ngồi chờ phép màu, bạn đang outsource cả hiểu biết về codebase. Bài này đề xuất một workflow chậm hơn nhưng sạch hơn: planning trước, review từng diff trong permission prompt, deny sớm khi hướng đi lệch, commit sau mỗi subtask, rồi tự review PR như review code của người khác. Tôi thích nhất phần coi AI reviewer như linter mạnh, không phải người chịu trách nhiệm cuối cùng. Với các codebase security-critical hoặc nhiều domain knowledge, “giữ dây ngắn” nghe kém sexy hơn orchestration 12 agents, nhưng khả năng tạo ra PR maintainable cao hơn hẳn.
Models & Tools
Slopo phát hiện code trùng lặp không y hệt bằng embedding · 4 phút https://github.com/rafal-qa/slopo
Slopo nhắm vào loại duplication khó chịu nhất: hai đoạn code làm gần giống nhau nhưng nằm xa nhau trong repo, không đủ giống để grep hay clone detector truyền thống bắt được. Tool này index code, tính embedding, gom cluster theo similarity và khoảng cách trong codebase, rồi xuất report cho AI coding agent lọc tiếp trước khi refactor. Catch nằm ở chỗ bạn cần embedding provider qua LiteLLM, nên hãy tính chi phí trước khi quét monorepo lớn.
claude-real-video biến video thành bộ frame và transcript cho LLM · 4 phút https://github.com/HUANGCHIHHUNGLeo/claude-real-video
Video vẫn là input lắt léo với LLM: transcript bỏ mất hình, còn sampling 1 fps dễ hụt cảnh quan trọng. claude-real-video chạy local, phát hiện scene change, dedup frame gần giống nhau, tạo transcript bằng Whisper và đóng gói thành folder để thả vào Claude, ChatGPT hoặc Gemini. Dùng tốt cho screencast, demo bug, lecture kỹ thuật; đừng kỳ vọng nó thay thế native video model cho mọi trường hợp.
Senior SWE-Bench đo agent bằng task kiểu senior engineer · 5 phút https://senior-swe-bench.snorkel.ai/
Benchmark này thú vị ở dữ liệu đầu vào: thay vì “sửa một bug nhỏ”, task mẫu có problem statement, success criteria, yêu cầu API, edge cases và ngữ cảnh repo kiểu một ticket thật. Điều đó ép agent phải đọc requirement, sửa nhiều file liên quan, và giữ tính maintainable chứ không chỉ pass một test lẻ. Nếu bạn đang eval coding agent nội bộ, format task như thế này đáng học hơn con số leaderboard.
Research & Insights
Một layer transformer có thể gánh phần lớn hiệu quả RL post-training · 5 phút https://arxiv.org/abs/2607.01232
Nếu kết quả này giữ được qua reproduction độc lập, fine-tuning bằng RL có thể rẻ hơn nhiều so với giả định “update toàn bộ model”. Paper test Qwen3 và Qwen2.5 với GRPO, GiGPO, Dr. GRPO, rồi thấy gain tập trung ở một vài layer giữa stack transformer. Bài học thực dụng: khi build pipeline post-training, hãy log và ablate theo layer trước khi đốt GPU cho full-parameter training.
— tinAI