Top AI Papers on Hugging Face - 2026-07-30

10 paper AI nổi bật nhất trên Hugging Face hôm nay: robot thời gian thực, agentic search, coding agents và học tăng cường thế hệ mới Hôm nay, top paper được upvote cao trên Hugging Face cho thấy một bức tranh rất rõ về hướng đi của AI hiện tại: AI đang rời khỏi các benchmark tĩnh để tiến vào thế giới hành động thực tế — robot phải chạy nhanh hơn, agent phải tìm tài liệu tốt hơn, coding assistant phải hiểu cả repository, còn mô hình huấn luyện phải học được từ phản hồi tinh vi hơn là chỉ đúng/sai. Dưới đây là phần phân tích 10 paper nổi bật, tập trung vào 4 câu hỏi cho mỗi bài: bài toán là gì, ý tưởng chính, điểm mới, và ứng dụng thực tế . 1) HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone Bài toán: Trong robot manipulation, dữ liệu demo từ con người thường dễ thu thập nhưng chất lượng không đủ ổn định để triển khai thật. Nhiều hệ thống vẫn phải dựa vào dữ liệu bổ sung, tinh chỉnh trên robot, hoặc pipeline phức tạp mới đủ dùng ngoài đời. Ý tưởng: HiFi-UMI hướng tới việc học policy thao tác chỉ từ dữ liệu UMI độ trung thực cao . Tức là thay vì bù đắp bằng nhiều nguồn dữ liệu hỗn hợp, tác giả tập trung nâng chất lượng dữ liệu gốc và thiết kế cách học để policy có thể triển khai trực tiếp. Điểm mới: Điểm đáng chú ý là triết lý “ high-fidelity data alone ”. Đây là một phản đề thú vị với xu hướng “càng nhiều dữ liệu càng tốt”. Bài báo ngụ ý rằng với dữ liệu đủ chuẩn, ta có thể giảm đáng kể phụ thuộc vào fine-tuning tốn kém hoặc domain adaptation phức tạp. Ứng dụng thực tế: Các tác vụ như gắp đặt vật thể, lắp ráp đơn giản, thao tác trong môi trường gia dụng hoặc kho vận. Nếu cách tiếp cận này thực sự bền vững, nó có thể giúp doanh nghiệp triển khai robot nhanh hơn vì giảm chi phí thu thập và hợp nhất dữ liệu đa nguồn. 2) TurboVLA: Real-Time Vision-Language-Action Model at 32 Hz on an RTX 4090 with <1 GB VRAM Bài toán: Vision-Language-Action (VLA) rất hứa hẹn cho robot, nhưng thường quá nặng để chạy real-time. Muốn robot phản ứng mượt,