ĐH FPT Hà Nội sở hữu khuôn viên 30ha với những lối đi rợp bóng cây, sức chứa giảng đường 25.000 sinh viên, sức chứa ký túc xá 7.000 sinh viên. Tòa nhà giảng đường được thiết kế với kiến trúc hiện đại, độc đáo, hài hòa với cảnh quan thiên nhiên xung quanh. 

Hồ sen sinh thái tại trường là một điểm nhấn không thể bỏ qua. Với hệ sinh thái đa dạng, hồ không chỉ giúp điều hòa không khí mà còn là địa điểm lý tưởng cho các hoạt động ngoại khóa và thư giãn của sinh viên. 

Trường ĐH FPT Đà Nẵng mang đến một không gian học tập lý tưởng với sự kết hợp hài hòa giữa kiến trúc hiện đại và thiên nhiên xanh mát, tận dụng ánh sáng tự nhiên. Các tòa nhà được thiết kế với ban công và cửa sổ đầy cây xanh, những hàng hoa giấy nên thơ, tạo nên một môi trường sống thân thiện. 

Với khuôn viên hơn 5ha, ĐH FPT Đà Nẵng có sức chứa giảng đường 8.000 sinh viên, ký túc xá 2.500 sinh viên. 

ĐH FPT Quy Nhơn được nhiều sinh viên đánh giá là “thiên đường check-in” hot hit bậc nhất tại vùng biển xanh, cát trắng Bình Định. Trường toạ lạc tại Khu đô thị mới An Phú Thịnh và nằm trong dự án Nghiên cứu - Thương mại hoá - Đào tạo về Trí tuệ nhân tạo quy mô lớn của Tập đoàn FPT. 

Không gian xanh bao phủ khuôn viên không chỉ tạo ra những không gian học tập và nghiên cứu lý tưởng, mà còn góp phần quan trọng vào việc bảo vệ môi trường và nâng cao ý thức cộng đồng. 

Tại TP.HCM, Trường ĐH FPT đã thành công trong việc kết hợp thiên nhiên với không gian đô thị hiện đại. Các khu vực xanh được thiết kế một cách hài hòa, mang lại cảm giác thư giãn giữa chốn phồn hoa.

Đặc biệt, những vườn trên mái không chỉ làm mát không gian mà còn cung cấp thực phẩm sạch. Vườn cây thay đổi theo mùa, mang lại trải nghiệm phong phú về thảm thực vật.

ĐH FPT Cần Thơ nằm trong Khu Tổ hợp phân hiệu ĐH FPT Cần Thơ và Công viên phần mềm FPT Cần Thơ, đây là tổ hợp giáo dục - công nghệ cao đầu tiên tại khu vực Đồng bằng sông Cửu Long.

Khuôn viên trường được thiết kế theo hướng thân thiện với môi trường, kết hợp hài hòa giữa kiến trúc hiện đại và cảnh quan thiên nhiên. Các tòa nhà trong khuôn viên được thiết kế để tối ưu hóa việc sử dụng ánh sáng tự nhiên và thông gió, giúp tiết kiệm năng lượng và tạo không gian thoải mái cho sinh viên. 

Các cơ sở của ĐH FPT có vị trí địa lí khác nhau nhưng đều mang trong mình nét đẹp thiên nhiên với hình ảnh hàng cây xanh mát, hoa giấy tươi thắm và ao sen truyền thống. 18 năm hình thành và phát triển, Trường Đại học FPT mang đến trải nghiệm độc đáo với các khuôn xanh, tạo ra một môi trường học tập lý tưởng, nơi sinh viên và cán bộ, giảng viên cảm thấy thoải mái, có điều kiện phát triển toàn diện.

Xem thêm thông tin chi tiết về trường Đại học FPT tại đây: https://university.fpt.edu.vn

Bích Đào

Năm nay, toàn tỉnh Khánh Hòa có hơn 14.600 thí sinh dự kỳ thi tuyển vào lớp 10 THPT công lập. Trong đó, TP Nha Trang có số thí sinh đông nhất với 5.369 em. 

Kỳ thi diễn ra đầu tháng 6 vừa qua. Ngành giáo dục huy động 1.900 cán bộ, giáo viên, nhân viên và lực lượng an ninh tham gia làm nhiệm vụ tại các hội đồng thi.

TPHCM bất ngờ thay đổi chỉ tiêu tuyển sinh lớp 10, thêm hơn 5.500 suất

Nghiên cứu của MIT tập trung vào việc phát triển một khung đánh giá dựa trên sự phù hợp của niềm tin của con người về khả năng của LLM trong thực hiện các nhiệm vụ cụ thể. Họ mô tả cách con người cập nhật niềm tin của mình về khả năng của LLM sau khi tương tác với nó. Các nhà nghiên cứu phát hiện rằng: khi LLM không đáp ứng kỳ vọng của con người, người dùng có thể trở nên quá tự tin hoặc thiếu tự tin về việc sử dụng chúng, dẫn đến hiệu suất kém trong các tình huống quan trọng.

Tổng quát hóa con người

Nghiên cứu do GS. Ashesh Rambachan - giáo sư trợ giảng kinh tế tại Phòng thí nghiệm Hệ thống Thông tin và Quyết định của MIT (LIDS) và các cộng sự thực hiện đã chỉ ra rằng: sự tổng quát hóa của con người - tức là khả năng dự đoán hiệu suất của một LLM dựa trên các phản hồi trước đó - rất quan trọng để đánh giá đúng khả năng của mô hình. Họ đã tạo ra một bộ dữ liệu gồm gần 19.000 ví dụ để đo lường cách con người tổng quát hóa về hiệu suất của các LLM trên 79 nhiệm vụ khác nhau.

Kết quả cho thấy, con người thường tổng quát hóa tốt hơn với các mô hình. Nhưng họ gặp khó khăn khi đánh giá hiệu suất của LLM. Các thí sinh khảo sát có xu hướng dự đoán hiệu suất của LLM kém chính xác hơn so với việc đánh giá hiệu suất của con người. GS. Rambachan cho rằng: “Sự tổng quát hóa của con người có thể bị phá vỡ khi áp dụng cho LLMs, vì các mô hình này không thể hiện các mẫu chuyên môn rõ ràng như con người”.

Đo lường sự không phù hợp

Con người cũng có xu hướng điều chỉnh niềm tin của họ về LLM khi mô hình trả lời sai hơn khi nó trả lời đúng. Nhiều người cũng cho rằng, hiệu suất của LLM trên các câu hỏi đơn giản không ảnh hưởng nhiều đến hiệu suất của nó trên các câu hỏi phức tạp hơn. Trong những tình huống sự phản hồi không chính xác được coi trọng, các mô hình đơn giản có thể vượt qua các mô hình tinh vi như GPT-4.

Một lý do cho sự kém hiệu quả trong việc tổng quát hóa các LLM là do những mô hình này còn mới mẻ, và con người có ít kinh nghiệm tương tác nó hơn so với việc tương tác người - người. GS. Rambachan cho rằng, việc tương tác nhiều hơn với LLM có thể giúp cải thiện khả năng tổng quát hóa của con người về chúng. Nghiên cứu hướng đến có thể cải thiện về niềm tin của con người khi tương tác với LLM và cách tổng quát hóa có thể được tích hợp vào việc phát triển các LLM.

Bài nghiên cứu nhấn mạnh rằng, để huấn luyện và điều chỉnh các LLM hiệu quả, cần phải xem xét cách con người tổng quát hóa về các mô hình này. Bộ dữ liệu các nhà nghiên cứu tạo ra có thể trở thành tiêu chuẩn để so sánh hiệu suất của các LLM liên quan đến hàm tổng quát hóa của con người, từ đó giúp cải thiện mô hình trong các tình huống thực tế.

Alex Imas - giáo sư khoa học hành vi và kinh tế tại Trường Kinh doanh Booth của Đại học Chicago cho rằng, nghiên cứu của MIT có 2 đóng góp quan trọng. Thứ nhất, nó nêu bật vấn đề khi triển khai LLM cho các mục đích chung, nếu người dùng không hiểu rõ khi nào LLM sẽ chính xác hay thất bại, họ có thể gặp khó khăn trong việc tiếp tục sử dụng chúng. Thứ hai, nghiên cứu cung cấp cái nhìn sâu sắc về cách các mô hình xử lý các vấn đề và cho thấy liệu LLM có "hiểu" các vấn đề mà chúng giải quyết hay không. 

(Theo: MIT News)