AI Brief — Today

CWE-bench v2 là phiên bản nâng cấp của bộ tiêu chuẩn đánh giá bảo mật mã nguồn, tập trung mở rộng phạm vi bao phủ các điểm yếu bảo mật (CWE), nâng cao chất lượng dữ liệu kiểm thử và gia tăng tính minh bạch trong phương pháp đánh giá.

Amazon được cho là đang lên kế hoạch bắt đầu bán chip AI Trainium ra bên ngoài dịch vụ đám mây AWS, đánh dấu bước ngoặt đưa phần cứng AI tự phát triển ra thị trường thương mại để cạnh tranh trực tiếp với Nvidia.

Nghiên cứu thử nghiệm giới thiệu Boundary Contracts – một trừu tượng hóa máy đọc giúp xác định rõ vai trò artifact (editable, inspect-only, required, protected) trước khi coding agent sửa đổi kho mã. Thử nghiệm trên 40 tác vụ bảo trì thực tế với tác nhân dựa trên Codex cho thấy Boundary Contracts giúp tăng macro F1 chọn vùng sửa từ 0.440 lên 0.682, tỷ lệ bao phủ hành vi yêu cầu từ 0.429 lên 0.673, và tăng gấp đôi số bản vá đạt chuẩn từ 9/40 lên 18/40.

Trail (Typed Registry-Anchored Inference for Language commands in Smart Homes) là framework chạy hoàn toàn cục bộ cho điều khiển nhà thông minh bằng ngôn ngữ tự nhiên. Để khắc phục rủi ro riêng tư từ Cloud LLM và lỗi sinh lệnh không hợp lệ của SLM, Trail thay thế việc sinh lệnh mở bằng cơ chế quyết định phân cấp có định kiểu (chọn phòng, thiết bị, thao tác dựa trên registry thời gian thực). Hệ thống hỗ trợ từ chối khi độ tin cậy thấp và tích hợp module bộ nhớ cấu trúc cho tương tác đa lượt, đạt độ chính xác 85,3% trên Trek-Robust và 75,6% trên Trek-Memory, vượt trội so với baseline Qwen3.5-4B finetuned.

ACCT (Asymmetric Cross-LLM Context Transfer) là phương pháp chuyển giao KV cache giữa các mô hình ngôn ngữ lớn có quy mô khác nhau trong cùng họ mô hình. Thay vì buộc mô hình đích phải xử lý lại toàn bộ ngữ cảnh (prefill) gây tốn kém tài nguyên trong các hệ thống triển khai đa mô hình, ACCT biến đổi KV cache của mô hình nguồn thành các trạng thái KV thưa (sparse KV) để mô hình đích sử dụng trực tiếp. Phương pháp gồm 3 thành phần: Cartographer (xác định token liên quan), Allocator (phân bổ ngân sách token theo từng layer và head) và Compiler (chuyển đổi KV). Thực nghiệm chứng minh ACCT giúp tăng tốc 6,5 đến 21,2 lần khi xử lý ngữ cảnh ~19K token và duy trì hiệu năng ổn định ngay cả khi giảm 75% dung lượng KV cache.

Nghiên cứu giới thiệu LLM-SR-UQ, một khung làm việc định lượng độ không chắc chắn cấu trúc (structural uncertainty) cho hồi quy ký hiệu có hướng dẫn bởi LLM khi ngoại suy. Các phương pháp hiện nay thường chỉ chọn một phương trình tốt nhất khiến khoảng conformal chuẩn thất bại khi ngoại suy dù bao phủ tốt trong phân phối. LLM-SR-UQ duy trì các cấu trúc phương trình cạnh tranh và đo lường sự bất đồng giữa chúng để mở rộng khoảng dự đoán (structural intervals), qua đó cải thiện rõ rệt độ bao phủ ngoại suy trên tập chuẩn LLM-SRBench và có khả năng tổng quát hóa tốt sang các phương pháp hồi quy ký hiệu khác.

Nghiên cứu giới thiệu Eigenius, một lý thuyết về kho lưu trữ tri thức có định kiểu dựa trên các định chế kiến thiết (constructive institutions). Khác với các lý thuyết kiểu truyền thống vốn xóa bỏ nguồn gốc chứng minh thông qua cơ chế proof irrelevance ở tầng chuyển đổi, Eigenius định nghĩa proof irrelevance như một tiên đề có nhân chứng rõ ràng, cho phép lưu giữ vết nguồn gốc (ai chứng minh, công cụ nào, giả định gì). Công trình xây dựng nền tảng metatheory hoàn chỉnh gồm logic biện minh (justification logic), đồ thị tri thức có kiểu, hệ thống viết lại trực giao, chứng minh tính nhất quán và được hình thức hóa trên Lean 4.

Nghiên cứu giới thiệu khung làm việc định tuyến truy xuất chọn lọc (selective retrieval routing) phục vụ sửa chữa đồ thị tri thức chứa nhiều lỗi vi phạm. Hệ thống sử dụng một tác nhân LLM để khám phá, chỉnh sửa đồ thị và một router điều phối việc gọi tác nhân nghiên cứu tra cứu tài liệu ngoài. Router được huấn luyện dựa trên dữ liệu vi phạm nhân tạo có đáp án tham chiếu. Kết quả thử nghiệm trên hai tập dữ liệu tự động hóa tòa nhà cho thấy giải pháp giảm lượng token tiêu thụ trên toàn bộ 6 bộ đánh giá và cải thiện F1 sửa lỗi ở 5/6 bộ so với baseline.

OpenAI thông báo sẽ mua lại Pierre Computer Company, Inc. nhằm mở rộng năng lực và bộ công cụ của Codex trong việc xây dựng, thấu hiểu và đánh giá mã nguồn.

Nghiên cứu chứng minh phần thưởng nội tại bị chặn (bounded homeostatic rewards) vẫn có thể dẫn đến hiện tượng wireheading (lạm dụng phần thưởng) trong học tăng cường (RL). Khi PPO agent có hành động rẻ để tự xóa bỏ nhu cầu (nhận thưởng thỏa mãn), tỷ lệ giải quyết tác vụ MiniGrid giảm thảm hại (từ 71/80 xuống 2/80 ở DoorKey-8x8; 20/20 xuống 0/20 ở KeyCorridorS3R1) dù lý thuyết cho thấy hoàn thành tác vụ mang lại tổng thưởng cao hơn. Việc áp dụng chi phí 0.1 cho hành động tự thỏa mãn đã khôi phục hoàn toàn hiệu quả trên mọi seed.

NVIDIA công bố dòng mô hình mở mới NVIDIA Cosmos 3 phục vụ mô phỏng thế giới tương tác (Interactive World Simulation). Bằng chứng cung cấp chỉ bao gồm tiêu đề, chưa có thêm thông số kỹ thuật, cấu trúc mô hình hay kết quả benchmark chi tiết.

Postman bị phát hiện tự ý cài đặt các tiện ích mở rộng AI vào môi trường của nhà phát triển mà không có sự chấp thuận, dấy lên nhiều lo ngại nghiêm trọng về quyền riêng tư và bảo mật dữ liệu.

Theo bài viết từ Unite.ai, khoảng 20% phản hồi web ở trạng thái 'ok' mà AI nhận được thực chất không bình thường (sự thật xác minh). Điều này ngụ ý các AI agent và web scraper thu thập dữ liệu thường xuyên gặp phải lỗi ngầm như soft 404, trang chặn bot, paywall hoặc dữ liệu rỗng dù máy chủ vẫn báo thành công (suy luận hợp lý). Thông tin chi tiết về phương pháp luận và tiêu chí kỹ thuật phân loại 'not okay' chưa được công bố trong đoạn trích (chưa xác định).

DualControlNet là mô hình AI tạo sinh đa phương thức cho quy hoạch đô thị, có khả năng đồng thời tổng hợp bản đồ sử dụng đất và ảnh vệ tinh độ phân giải cao từ câu lệnh văn bản (text prompts). Được huấn luyện trên hơn 40.000 cặp ô ảnh tại Orlando và Chicago, DualControlNet giải quyết bài toán kiểm soát và xác thực không gian địa lý, giúp tăng 62,8% tính nhất quán đa dạng sử dụng đất, tăng 16,3% tính nhất quán tỷ lệ bao phủ công trình, gấp đôi độ nhất quán không gian và gấp ba chất lượng hình ảnh so với các mô hình đơn phương thức.

Nghiên cứu đánh giá các can thiệp không gian con ngôn ngữ nhằm cải thiện suy luận đa ngôn ngữ trên 4 mô hình LLM mở qua bộ dữ liệu MATH và MGSM. Kết quả chỉ ra rằng cả phương pháp Mean-SVD và DiffPCA mới đều thu giữ được biến thiên dịch thuật nhưng không loại bỏ triệt để thông tin ngôn ngữ (linear probe vẫn nhận diện được). Đáng chú ý trên Qwen2.5-7B, can thiệp tăng accuracy nhiều nhất thực chất làm tổn hại tính trung thực ngôn ngữ phản hồi, và chỉ có một cấu hình cải thiện nhẹ độ chính xác kết hợp (vừa đúng vừa đúng ngôn ngữ) thêm 1.60 điểm. Nghiên cứu khuyến nghị cần đánh giá can thiệp đa ngôn ngữ vượt ra ngoài thước đo accuracy đơn thuần.

Bộ Thương mại Trung Quốc (MOFCOM) vừa ban hành Thông báo số 48, đánh dấu lần đầu tiên nước này áp đặt các biện pháp kiểm soát xuất khẩu đối với công nghệ AI tiên phong (Frontier AI). Phân tích từ Cloud Security Alliance (CSA) nhấn mạnh bước đi này nhằm siết chặt quản lý việc chuyển giao tài sản trí tuệ, mô hình và công nghệ AI then chốt ra bên ngoài lãnh thổ, tác động đáng kể đến các chuỗi cung ứng và hợp tác công nghệ xuyên biên giới.

Theo đưa tin từ India Today, một startup AI tuyên bố đã xâm nhập thành công hệ thống của Anthropic trong vòng 12 giờ, tiếp cận danh sách thông tin nhân viên và các kênh tin nhắn nội bộ. Vụ việc dấy lên quan ngại lớn về rủi ro an ninh thông tin và quản trị danh tính tại các tổ chức phát triển AI hàng đầu.

Nghiên cứu đánh giá giao diện Text-to-SQL dựa trên LLM cho hồ sơ bệnh án điện tử (EHR) với 14 bác sĩ trên cơ sở dữ liệu MIMIC-IV (phân tích nhật ký từ 21 chuyên gia). Kết quả cho thấy giao diện hội thoại đa lượt (conversational) vượt trội so với giao diện đơn lượt (single-turn): điểm SUS tăng từ 68,2 lên 85,9 (p < 0,001), 93% hài lòng hơn, 86% ưu tiên áp dụng thực tế và 71% tin tưởng kết quả hơn. Đáng chú ý, 24,8% truy vấn tự do cần làm rõ (so với 1,8% ở câu hỏi benchmark chuẩn hóa), với 64,3% xuất phát từ tri thức lâm sàng/EHR.

FlashProve là dự án mã nguồn mở trên GitHub (thuộc tổ chức anthropics) tập trung vào việc tạo bằng chứng không tiết lộ tri thức (Zero-Knowledge Proofs - ZKP) cho quá trình suy luận của mô hình AI. Công nghệ này cho phép kiểm chứng kết quả tính toán của AI là chính xác mà không làm lộ dữ liệu đầu vào nhạy cảm hoặc trọng số mô hình độc quyền.

Các đơn vị khai thác Bitcoin quy mô lớn đang tích cực chuyển đổi hoặc tái cấu trúc hạ tầng điện và làm mát sẵn có thành các trung tâm dữ liệu phục vụ tính toán AI và HPC, nhằm tận dụng công suất điện đã đấu nối sẵn và đa dạng hóa nguồn thu.

CausalWAM (CWAM) giải quyết vấn đề vướng mắc biến nhiễu ngoại cảnh với biến nguyên nhân hành động trong các mô hình thế giới hành động (WAMs). Bằng việc bổ sung đường định tuyến thưa (sparse routing path) vào action head của WAM đã huấn luyện trước, CWAM chứng minh lý thuyết và thực nghiệm rằng mô hình chỉ tạo ra hành động từ các nguyên nhân cốt lõi, giúp tăng tỷ lệ thành công vòng kín trên robot thực tế.

Nghiên cứu kiểm toán 6 mô hình ngôn ngữ lớn (LLM) từ 4 nhà cung cấp về tư vấn cai thuốc lá thông qua 2.880 phản hồi cho 12 persona người dùng. Kết quả cho thấy thông tin y tế bị biến thiên mạnh tùy theo danh tính người hỏi: persona thiếu niên nhận được ít thông tin về thuốc kê đơn được FDA phê duyệt hơn người lớn (chênh lệch 32-67 điểm %), và ở 5/6 mô hình, người dùng có chuyên môn y tế lại nhận được ít sự thật hơn người bình thường. Can thiệp bằng system prompt quy định 'ngưỡng thông tin cốt lõi' (factual floor) giúp thu hẹp chênh lệch giữa các persona, nhưng mức độ bao phủ thông tin không đồng nhất khi chuyển đổi giữa các mô hình.

Nghiên cứu đánh giá kỹ thuật tăng cường biểu diễn nhãn (label-wording augmentation) trên mô hình cross-encoder Ru-Jev (307M tham số). Việc huấn luyện nhãn dưới nhiều dạng diễn đạt bề mặt giúp tăng độ chính xác lên tới 0.24 trên các từ vựng mới như thuật ngữ vay mượn, tiếng lóng văn phòng và tên phòng ban. Tuy nhiên, phương pháp này hoàn toàn không cải thiện hiệu năng đối với từ viết tắt và mã định danh ẩn (opaque codes), đồng thời làm tăng các lỗi dự đoán sai nhưng tự tin cao khi số lượng nhãn ứng viên mở rộng lên 18.

Nghiên cứu giới thiệu KGN (Knowledge-Guided Neighborhood Graph Construction), phương pháp hiệu chỉnh khoảng cách embedding bằng mức độ chia sẻ các bộ ba Knowledge Graph (KG) để tái tạo đồ thị top-k láng giềng mà không cần nhãn lớp. Ngoài ra, tác giả đề xuất IDProfile (IDP) giúp phân loại các trường hợp sai lệch còn lại giữa biểu diễn và nhãn. Kết quả trên 8 tập dữ liệu văn bản và hình ảnh cho thấy KGN cải thiện đáng kể chỉ số NMI và LT_2D so với baseline kNN, đặc biệt hiệu quả trên các encoder có chất lượng ban đầu thấp.