~/AI ML/z-ai-releases-glm-5-3-open-weights-model-with-advanced-coding

Z.ai Ra Mắt GLM-5.3: Mô Hình Trọng Số Mở Lập Trình Và Bảo Mật Vượt Trội

Z.ai đã phát hành GLM-5.3, một mô hình trọng số mở sử dụng cùng mô hình cơ sở với GLM-5.2 nhưng đạt được hiệu suất vượt trội hoàn toàn nhờ vào tối ưu hóa sau huấn luyện (post-training). Mô hình này đạt kết quả dẫn đầu (SOTA) trên các bài kiểm tra đánh giá về lập trình và an ninh mạng, bao gồm Terminal Bench 3.0, Agents' Last Exam và CyberGym. Bản phát hành này chứng minh rằng những cải tiến đáng kể về năng lực, đặc biệt là trong lập trình phức tạp, tác vụ tự trị (agentic) và khai thác an ninh mạng, có thể được khai phá hoàn toàn thông qua tối ưu hóa sau huấn luyện mà không cần huấn luyện lại mô hình cơ sở. Nó cung cấp cho cộng đồng nguồn mở một mô hình có năng lực cao cho các công việc kỹ thuật số dài hạn và phát hiện lỗ hổng bảo mật. GLM-5.3 cho thấy sự cải thiện 50% so với GLM-5.2 trên Z.ai Code Bench và hiệu suất tăng hơn gấp đôi so với phiên bản tiền nhiệm trên các bài kiểm tra khai thác lỗ hổng bảo mật. Ngoài ra, các phiên bản định dạng GGUF của mô hình cũng đã được cung cấp thông qua Unsloth để hỗ trợ suy luận cục bộ hiệu quả.

## KIẾN THỨC NỀN

Quá trình sau huấn luyện (post-training) đề cập đến các kỹ thuật tinh chỉnh (fine-tuning) và căn chỉnh (alignment) được áp dụng cho một mô hình cơ sở đã được huấn luyện trước nhằm cải thiện các hành vi hoặc năng lực cụ thể. Các bài kiểm tra đánh giá như Agents' Last Exam (ALE) và Terminal Bench được thiết kế để đánh giá các tác nhân AI trên các tác vụ phức tạp, dài hạn và các thao tác máy tính qua dòng lệnh (terminal), trong khi GGUF là định dạng tệp phổ biến được tối ưu hóa để chạy các mô hình ngôn ngữ lớn (LLM) cục bộ.

## TÀI LIỆU THAM KHẢO

## TỪ KHÓA

#AI/ML#Large Language Models#Open Source#Cybersecurity#Model Release

$ subscribe --daily

Z.ai Ra Mắt GLM-5.3: Mô Hình Trọng Số Mở Lập Trình Và Bảo Mật Vượt Trội | Daily News