VỆ QUỐC DEFI

[VỆ QUỐC DEFI @phuongml3]

https://t.co/NEsIf8KMdp

[VỆ QUỐC DEFI @phuongml3]

@Judynguyenx càng chạy theo càng nó càng chạy nha, la đứng lại

[Lê Nin @LeninUGReal]

https://t.co/wvtCHdUcTq

[VỆ QUỐC DEFI @phuongml3]

@tgd_duu based

[VỆ QUỐC DEFI @phuongml3]

@Blockmedia_vn Có tips nào ko chứ nói lưu ý vậy thì lưu ý cái gì ser?

[Rahul @sairahul1]

https://t.co/0SEQLNWkBs

[Anatoli Kopadze @AnatoliKopadze]

https://t.co/irHOIYXWF2

[LinearUncle @LinearUncle]

推荐这篇文章
《斯坦福STORM方法：如何让Claude在几分钟内像博士一样做研究》

这篇文章介绍的斯坦福 STORM 方法，是一种能让你在几分钟内，利用 Claude 完成相当于博士级研究的提示词框架。其核心在于模拟多角色视角来消除研究盲点。

我建议提取提示词组合做成适合自己的SKILL.md让agent执行,这点原作者没有提到。

[Akshay Shinde @ConsciousRide]

90% of AI Engineering interviews in 2026 come down to these 7 points.

1. LLM Fundamentals: tokenization, transformers & attention, fine-tuning (LoRA/QLoRA), context management, model selection

2. RAG Systems: chunking strategies, embeddings, vector databases, retrieval & reranking, hallucination mitigation

3. Agentic Workflows: tool calling & function calling, ReAct/Plan-Execute patterns, memory & state, multi-agent orchestration

4. Inference Optimization: quantization (AWQ/GGUF), serving engines (vLLM/TGI), batching & KV cache, latency vs cost tradeoffs

5. Evaluation & Observability: LLM-as-judge evals, custom metrics, A/B testing, drift detection, prompt/response logging

6. MLOps Pipelines: experiment tracking, model versioning & registries, CI/CD for AI, data pipelines, deployment automation

7. Production Realities: safety guardrails & prompt injection, scaling inference, cost optimization, debugging failures, compliance & reliability

[Rahul @sairahul1]

https://t.co/6qmUhlYMBw

[Hasan Toor @hasantoxr]

If I had to start learning AI from zero today these are the 3 websites I would use.

First one is for the basic mathematics to learn about machine learning. This website actually help you to visualize every concept here instead of just reading dry formulas.
Link: https://t.co/ryTme5gVWU

The second website covers machine learning concepts like gradient descent, activation functions, clustering, and perceptrons, all in interactive code form by playing with it.
Link: https://t.co/XmPGt1xQMj

And with third you will get fully interactive breakdowns of GPT-2, Nano-GPT, and GPT-3, so you can see exactly how these models actually work under the hood.
Link: https://t.co/fW020YTbEI

[Riley West @rileywestreel]

Andrej Karpathy (OpenAI founding member):

"This isn't the year of agents - it's the decade of agents. Stop chasing full autonomy: the AI products that win keep the model on a tight leash and make human verification instant."

in a 10-minute talk, Karpathy breaks down why "partial autonomy" - not fully autonomous agents - is the design pattern that's actually winning right now, from Cursor to Perplexity.

he calls the core mechanic an "autonomy slider" - and there's one loop every ai product lives or dies by.

Watch the talk, then read the article below.

That’s worth more than a $800 course on agent engineering.

[MoveDog @MoveDogPlay]

🐾 Welcome to MoveDog!

We’re happy to have you here 🐶✨
A fun puzzle world with adorable dogs is just getting started.
Stay tuned and enjoy the journey ahead! 🚀🧩
#MoveDog #MDOG #Welcome #PuzzleGame

[VỆ QUỐC DEFI @phuongml3]

@jonhsonh1454 khiếu nại là đc, không ăn với sàn đc đâu

[VỆ QUỐC DEFI @phuongml3]

@MartinHo99999 p2p mà video call xác thực lol. nào giao dịch giao nhận ok rồi thì xác nhận xong giao dịch, ko thì khiếu nại thôi

[Avi Chawla @_avichawla]

The ultimate Full-stack AI Engineering roadmap to go from 0 to 100.

Bookmark this.

This is the exact mapped-out path on what it actually takes to go from Beginner → full-stack AI engineer.

> Start with coding fundamentals.
> Learn Python, Bash, Git, and testing.
> Every strong AI engineer starts with fundamentals.

> Learn how to interact with models by understanding LLM APIs.
> This will teach you structured outputs, caching, system prompts, etc.

> APIs are great, but raw LLMs still need the latest info to be effective.
> Learn how LLMs are usually augmented with more info/patterns.
> This will teach you the basics of fine-tuning, RAG, prompt/context engineering, etc.

> Strong LLMs are useless without context. That’s where Retrieval techniques help.
> Learn about vector DBs, hybrid retrieval, indexing strategies, etc.

> Once retrieval is solid, move into RAG.
> Learn to build retrieval + generation pipelines, reranking, and multi-step retrieval using popular orchestration frameworks.

> Now, step into AI Agents, where AI moves from answering to acting.
> Learn memory, multi-agent systems, human-in-the-loop design, Agentic patterns, etc.

> Learn how to ship in production with Infrastructure.
> This will teach you CI/CD, containers, model routing, Kubernetes, and deployment at scale.

> Focus on observability & evaluation.
> Learn how to create eval datasets, LLM-as-a-judge, tracing, instrumentation, and continuous evaluation pipelines.

> Security is crucial.
> Learn how to implement guardrails, sandboxing, prompt injection defenses, and ethical guidelines.

> Finally, explore advanced workflows.
> This covers voice & vision agents, CLI agents, robotics, agent swarms, and self-refining AI systems.

This is the actual journey to becoming a full-stack AI Engineer and not just "use” AI, but designing full-stack AI systems that can survive in production.

If you need specific resources, I wrote a detailed article that provides a structured learning roadmap for AI engineers in 2026.

It covers prompting, RAG, fine-tuning, agents, MCP, evals, and inference, with guidance on what to prioritize and in what order.

Read it below.

[VỆ QUỐC DEFI @phuongml3]

@tranhoangnamtg nó kẹp phía sau

[Rahul @sairahul1]

This is the best site on the internet to learn how LLMs actually work.

Free. Completely.

https://t.co/YOGF6PsmBN

Bookmark this site.

Then read this setup ↓

[Jack Vĩ @jackvi810]

Nếu là thật thì ngon quá nhỉ? Bỏ ra 1.700 USD để tiết kiệm 440 USD mỗi tháng

CEO AMD Lisa Su vừa đem lên sân khấu một chiếc mini PC nhỏ bằng quyển sách nhưng được cho là có thể chạy model 235B, ngang tầm những model mạnh nhất mà user ChatGPT Pro hay Claude Max đang phải trả hàng trăm USD mỗi tháng để truy cập.

Chiếc GMKtec EVO-X2 sử dụng Ryzen AI Max+ 395 với 128 GB unified memory. PC này chạy Qwen3-235B, DeepSeek V3 và Llama 3.3 70B mà không cần GPU rời.

AMD thậm chí còn tuyên bố hiệu năng DeepSeek R1 nhanh hơn hơn 3 lần RTX 5080. Chỉ cần cài Linux, Ollama và Open WebUI là có thể một hệ thống AI chạy hoàn toàn cục bộ với trải nghiệm gần giống ChatGPT.

Theo lời shill của một ông trên X tên là starmexxx thì nếu đang trả 200 USD cho Claude Code Max, 200 USD cho ChatGPT Pro cùng Gemini và Cursor, tổng chi phí có thể lên tới khoảng 440 USD mỗi tháng. Với mức giá khoảng 1.700-2.000 USD và tiền điện khoảng 9 USD mỗi tháng, chiếc máy này được cho là có thể hoàn vốn chỉ sau chưa đầy một năm.

-----

Nhưng mà dễ gì có kèo ngon thế, đây là 1 số lưu ý cần biết sau khi nghe quảng cáo

Thứ nhất, "chạy được model 235B" không đồng nghĩa với việc đạt trải nghiệm tương đương các model frontier của OpenAI hay Anthropic. Kích thước model và chất lượng model là hai chuyện khác nhau.

Có những model tham số ít hơn nhưng vẫn sẽ thông minh hơn ở 1 mảng cố định, chưa kể mức độ thông minh của model thương mại thường đi trước model mã nguồn mở 4 tháng.

Nếu dùng model mã nguồn mở để tiết kiệm 1 ít tiền mà bỏ qua cơ hội để tạo ra sản phẩm tốt với model thông minh hơn thì không đáng để đánh đổi.

Thứ hai, khoản chi 440 USD mỗi tháng thực chất là tiền thuê dịch vụ cloud, bao gồm hạ tầng, cập nhật model liên tục, tốc độ xử lý và quyền truy cập những model tốt nhất.

Mua một chiếc máy local nghĩa là đổi chi phí thuê bao thành chi phí phần cứng, điện năng và công sức vận hành. Mà thật ra phần lớn anh em Việt Nam chắc sẽ không chi đến 440 USD/tháng cho AI trừ mấy game/video studio. Tức là nếu mua PC AMD về mà không biết tối ưu để bào nó tận xương thì chi phí hoàn vốn sẽ cao hơn.

Nhưng hướng đi này vẫn sẽ là tương lai, các phần cứng dần sẽ tối ưu để chạy AI local, còn AI Model sẽ tối ưu để chạy ở những thiết bị bình thường nhất như điện thoại chứ không chỉ Server lớn.

Thị trường mà không có cạnh tranh thì anh em user chắc bị hút cạn tiền, đã có Claude thì phải có DeepSeek đè giá, đã có NVIDIA thì phải có AMD cạnh tranh 😁

[Lê Nin @LeninUGReal]

https://t.co/opbQBSSRF5

[Rahul @sairahul1]

https://t.co/Xv0hlB66Qj