Các nhà nghiên cứu từ Google cùng với các tổ chức như UC Santa Barbara, Stanford, Oxford 10 tháng 26 đã công bố StreamVibe trên arXiv. Mục tiêu là một trợ lý video quan sát người dùng nấu ăn, lắp ráp đồ nội thất hoặc thao tác phần mềm, có thể hiểu các yêu cầu không có điều kiện kích hoạt rõ ràng như "hãy giúp tôi khi tôi bị mắc kẹt", và điều chỉnh theo khi người dùng thay đổi ý định giữa chừng. Bài báo gồm ba phần: bộ tiêu chuẩn StreamVibe-Bench phân biệt ý định tường minh, ngầm định và động; mô hình dòng chảy StreamVibe-VL quyết định mỗi giây nên im lặng hay lên tiếng (sau đó sử dụng học tăng cường để giảm thiểu việc ngắt lời người dùng); và StreamVibe-Harness sử dụng bộ nhớ phân cấp để theo dõi các yêu cầu chờ xử lý và tiến độ nhiệm vụ.
Độ tin cậy: Cao (95) · Thời gian sự kiện 2026-10-26
Lý do
- Các trợ lý video hiện tại chủ yếu được thiết kế cho các chỉ dẫn rõ ràng kiểu "nhắc tôi khi nước sôi", bài báo chỉ ra rằng chúng khó xác định thời điểm nên chủ động giúp đỡ, cũng không ghi nhớ được những bước đã hoàn thành, dễ dẫn đến việc lặp lại hoặc đưa ra các lời khuyên lỗi thời.
- Theo tường thuật của The Decoder về kết quả bài báo, tất cả các mô hình được kiểm thử đều suy giảm rõ rệt do tích lũy lỗi khi chạy liên tục trên các video dài, hiếm khi xác định chính xác thời điểm lên tiếng trong các video dài hơn năm phút; điều này cho thấy "trợ lý AI thường trực" vẫn còn xa mới đạt độ tin cậy.
- Theo The Decoder, StreamVibe-VL dường như dựa trên Qwen3.5-9B, nhưng vẫn kém hơn so với Gemini 3.8 Flash đóng mã nguồn của Google trong nhiều bài kiểm thử.
Cách sử dụng
- Bài báo tại arxiv.org/abs/2610.34662, trang dự án stream-vibe.github.io có các video demo và ví dụ; mã nguồn và trọng số mô hình được ghi chú là "đang chờ phê duyệt nội bộ, sẽ phát hành trong 7 ngày".
Rủi ro
- Bài báo tuyên bố rằng StreamVibe-VL cải thiện thời điểm phản hồi và chất lượng câu trả lời lên 10.7% so với đường cơ sở, và Harness cải thiện thêm 12.3% về hiệu suất tương tác chủ động, tất cả đều là kết quả trên bộ tiêu chuẩn do tác giả tự xây dựng, chưa qua bình duyệt đồng nghiệp; các mẫu tiêu chuẩn được tạo ra bởi các đề xuất từ Gemini 2.5 Flash và được chọn sau khi bốn người đánh giá con người nhất trí thông qua (theo The Decoder).
- Mã nguồn và trọng số chưa được công bố, "trong 7 ngày" là thông tin từ trang dự án; các tác giả cũng thừa nhận rằng các kịch bản thực tế phức tạp hơn so với thiết lập kiểm thử.