Ý TƯỞNG, QUYẾT ĐỊNH & BÀI HỌC
Ghi chép về AI, kiến trúc và xây dựng sản phẩm từ thực tế.
3 bài viết
25 Aug 2026 · 5 phút đọc
ai-agents
Benchmark agent mới của Microsoft ngừng chấm điểm dựa trên transcript và chuyển sang kiểm tra trạng thái database thật. Tỷ lệ thành công lần đầu 65% rơi xuống còn 25% qua 20 lần chạy — con số nên thay đổi cách tech lead nghĩ về việc test độ tin cậy của agent.
Đọc tiếp21 Jul 2026 · 6 phút đọc
ai
Kimi K3 của Moonshot AI vừa vượt qua Claude Fable 5 trên Frontend Code Arena. Đây là cách đánh giá bất kỳ mô hình open-weight nào với tư cách Tech Lead — từ benchmark đến tác vụ thực tế.
Đọc tiếp21 Jun 2026 · 7 phút đọc
ai
Cách xây dựng eval pipeline cho AI để phát hiện lỗi trước production. Framework 3 tầng, curate dataset, model-as-judge pattern, và tích hợp CI/CD.
Đọc tiếp
