Từ những bộ dữ liệu đầu tiên được công bố vào cuối năm 2023, 5CD-AI tiếp tục nghiên cứu, phát triển và chia sẻ tài nguyên AI tiếng Việt với cộng đồng mã nguồn mở.
Hugging Face · AIWorld.eu · Trích dẫn học thuật quốc tế
Bộ dữ liệu của chúng tôi, LLaVA-CoT-o1-Instruct, góp mặt trong Dataset Darlings: Most Liked Datasets of 2024 do Hugging Face và AIWorld.eu, hai tổ chức có hoạt động tại châu Âu, giới thiệu, bên cạnh các bộ dữ liệu của OpenAI, Google, NVIDIA và Microsoft.
Vintern-1B được trích dẫn trong các báo cáo InternVL 2.5 thuộc Shanghai AI Laboratory, AndesVL của OPPO AI Center và Pangea của nhóm nghiên cứu tại Carnegie Mellon University (Mỹ). Tại Việt Nam, Vintern được các nhóm nghiên cứu ở đại học tiếp tục phát triển; phiên bản Vintern-3B-beta còn được ban tổ chức VLSP 2025 MLQA-TSR chọn làm mô hình đối chứng cho bài toán hỏi đáp đa phương thức.
Nghiên cứu ngôn ngữ, thị giác, tài liệu và AI an toàn cho tiếng Việt.
Phát triển và đánh giá mô hình ngôn ngữ cho tiếng Việt.
Kết hợp hình ảnh và ngôn ngữ để hiểu nội dung và trả lời câu hỏi.
Nhận dạng chữ in, chữ viết tay và cấu trúc tài liệu tiếng Việt.
Biểu diễn văn bản và hình ảnh để tìm kiếm, truy xuất thông tin.
Khám phá suy luận nhiều bước, lập kế hoạch và dùng công cụ.
Đánh giá giới hạn, rủi ro và độ tin cậy của mô hình AI.
Phiên bản Vintern 1B cải thiện khả năng nhận dạng chữ và hiểu tài liệu tiếng Việt.
Xem model cardPhiên bản thử nghiệm kết hợp thị giác và ngôn ngữ để xử lý câu hỏi từ hình ảnh.
Xem model cardMô hình đa phương thức thử nghiệm khả năng suy luận từ hình ảnh và ngôn ngữ.
Xem model cardBiểu diễn câu hỏi và tài liệu để truy xuất thông tin từ cả văn bản lẫn hình ảnh.
Xem model cardPhân loại cảm xúc văn bản tiếng Việt dựa trên ViSoBERT, gồm nội dung mạng xã hội và đánh giá sản phẩm.
Xem model cardHướng nghiên cứu ngôn ngữ tiếng Việt trong các ngữ cảnh biểu đạt đa dạng như văn bản và mạng xã hội.
Khám phá mô hìnhMô hình mT5-base được tiếp tục tiền huấn luyện trên dữ liệu tiếng Việt từ mạng xã hội và đánh giá sản phẩm.
Xem model cardViSoBERT được tiếp tục tiền huấn luyện trên tập văn bản tiếng Việt 14 GB.
Xem model cardTwHIN-BERT được điều chỉnh từ vựng và tiếp tục tiền huấn luyện cho văn bản tiếng Việt.
Xem model cardTài nguyên cho bài toán hỏi đáp và hiểu nội dung tài liệu.
Khám phá dữ liệuDữ liệu kết hợp nhận dạng chữ và hỏi đáp từ hình ảnh.
Khám phá dữ liệuTài nguyên nghiên cứu hỏi đáp hình ảnh và ngôn ngữ.
Khám phá dữ liệuTập dữ liệu đa phương thức gồm liên kết hình ảnh và văn bản tiếng Việt, phục vụ nghiên cứu mô hình thị giác và ngôn ngữ.
Khám phá dữ liệuDữ liệu hướng tới suy luận kết hợp hình ảnh và ngôn ngữ.
Khám phá dữ liệuTài nguyên cho nghiên cứu khả năng suy luận của mô hình ngôn ngữ.
Khám phá dữ liệuDữ liệu phục vụ tìm kiếm và truy xuất thông tin từ tài liệu trực quan.
Khám phá dữ liệuTài nguyên nghiên cứu xếp hạng kết quả và truy xuất thông tin.
Khám phá dữ liệuDữ liệu cho nghiên cứu tìm kiếm và đối sánh ngữ nghĩa tiếng Việt.
Khám phá dữ liệuNhững kết quả đã chia sẻ cùng cộng đồng khoa học, và các chủ đề chúng tôi đang chuẩn bị công bố.
Báo cáo nghiên cứu giới thiệu mô hình đa phương thức gọn nhẹ cho các tác vụ tiếng Việt, gồm nhận dạng văn bản trong ảnh và hỏi đáp hình ảnh.
Đọc bài báoĐiều hướng hành vi và nghiên cứu an toàn của mô hình ngôn ngữ.
Nhận dạng và xử lý chữ viết tay tiếng Việt.
Nhận dạng ký tự chữ Nôm từ tư liệu hình ảnh.
Đằng sau các mô hình và bộ dữ liệu là những giờ đọc paper, viết code, phân tích lỗi và tranh luận về một giả thuyết. Chúng tôi đến với nghiên cứu bằng niềm đam mê, sự kiên nhẫn và mong muốn học hỏi lẫn nhau.
5CD-AI trân trọng tinh thần cộng tác: chia sẻ cách làm, ghi nhận đóng góp và cùng giải quyết những câu hỏi mà một người khó có thể trả lời một mình.
Tìm hiểu về chúng tôi ↗
“AI nguồn mở của thế giới đã đưa chúng ta đi được một đoạn đầu. Nhưng có những chặng đường, chúng ta phải tự bước tiếp.”THE 5CD-AI SPIRIT
5CD-AI được xây dựng từ sự tò mò khoa học và mong muốn tự tay giải quyết những bài toán trí tuệ nhân tạo. Chúng tôi học bằng cách nghiên cứu, hiểu bằng cách thực nghiệm và trưởng thành qua những lần thử sai. Mỗi mô hình, bộ dữ liệu hay báo cáo đều là một bước trên hành trình ấy.
Chúng tôi quan tâm cả câu hỏi nền tảng — làm thế nào để AI học, hiểu và suy luận tốt hơn — lẫn những thách thức gần gũi như xử lý tiếng Việt, nhận dạng chữ viết và hiểu tài liệu. Những đóng góp có thể nhỏ, nhưng được xây dựng bằng tinh thần khoa học nghiêm túc và mong muốn chia sẻ tri thức.
Không ngừng đặt câu hỏi, tìm hiểu cơ chế và giới hạn của mô hình.
Đưa giả thuyết vào dữ liệu, mô hình và đánh giá có thể kiểm chứng.
Công bố kết quả, tài nguyên và kinh nghiệm để tri thức được phát triển tiếp.
Phía trước còn rất nhiều điều chưa biết, rất nhiều bài toán chưa có lời giải. Chúng tôi sẽ tiếp tục học hỏi, thực nghiệm và chia sẻ — bằng sự tò mò của người làm khoa học và niềm tin vào năng lực sáng tạo của người Việt.
