AI Brief — Today

FedReady là hệ thống sử dụng các bounded LLM agent để tự động hóa quá trình hình thành liên minh học liên kết (federation formation) – bao gồm việc chọn các site đủ điều kiện và chuẩn bị dữ liệu cục bộ cũng như mã tác vụ. Hệ thống kết hợp giữa tìm kiếm site ứng viên ưu tiên recall và xác minh điều kiện cục bộ giúp loại bỏ 100% dương tính giả, đồng thời kiểm soát artifact thông qua runtime gắn với mã digest, cho phép huấn luyện FL thông thường diễn ra trơn tru mà không cần duy trì agent.

Nghiên cứu từ thử thách WorkRB tại RecSys-HR 2026 chỉ ra hạn chế của phương pháp đánh giá nhị phân truyền thống khi trích xuất kỹ năng trên bộ từ điển lớn như ESCO (13.939 kỹ năng), vốn che giấu các dự đoán sai lệch ngữ nghĩa. Thử thách áp dụng thang đo mức độ liên quan (graded relevance 0-4) với metric nDCG@100, sử dụng chuỗi 4 câu hỏi nhị phân để LLM nhỏ làm giám khảo chấm điểm chuẩn xác. Kết quả cho thấy các giải pháp đa tầng retrieve-and-rerank dẫn đầu đạt điểm cao nhờ loại bỏ kết quả vô nghĩa thay vì tìm thêm nhãn đúng, tuy nhiên các hệ thống này đang dùng lượng tham số gấp 42 đến hàng trăm lần baseline, đặt ra yêu cầu cấp thiết về tối ưu hiệu quả tính toán.

Nghiên cứu đánh giá 5 quy trình biểu diễn mã nguồn dạng bản đồ (AST, call graph, module dependencies, tìm kiếm giàu tài liệu và dạng lai hybrid) cho tác nhân AI thay vì chỉ tương tác với tệp thô. Thử nghiệm với Claude Code (Haiku 4.5) trên 4 bộ chuẩn (LinuxFLBench, SWE-bench Pro, SecBench, SWT-bench) cho thấy các biểu diễn này giúp tiết kiệm 17-39% token và cải thiện rõ rệt khâu định vị lỗi (fault localization), nhưng mức tăng hiệu quả bị thu hẹp khi viết bản vá/test và làm tăng độ trễ.

Nghiên cứu giới thiệu GIST (Gibbs-Targeted Hierarchical Data Selection), phương pháp chọn lọc dữ liệu hai cấp độ cho học tăng cường ngoại tuyến có phần thưởng xác minh (Offline RLVR). Bằng cách phân tích độ lệch mục tiêu qua phân kỳ KL hai chiều với Gibbs-optimal policy, GIST dùng nhiệt độ lấy mẫu để lọc câu trả lời và dùng xác suất mô hình ban đầu để chỉ giám sát các token mang thông tin quan trọng. Kết quả giúp giảm 66,6% số token cần giám sát trên Qwen3-0.6B/GSM8K và cải thiện độ chính xác trên GSM8K, MATH-500, MBPP.

Kierston là công cụ mô phỏng quy mô thành phố tái lập ~125.000 cư dân Allentown (Pennsylvania) cùng các dữ liệu viễn thông, tài chính, hành chính và biển số xe. Đi kèm là KierstonBench, bộ benchmark gồm 32 nhóm tác vụ nhằm đánh giá năng lực của LLM trong điều tra tội phạm và giám sát. Thử nghiệm trên 16 mô hình cho thấy phần lớn thất bại và suy diễn vô căn cứ; một số ít frontier models giải quyết được phần lớn tác vụ và biết từ chối khi thiếu bằng chứng, song vẫn dễ bị đánh lừa bởi các giả định và hoàn toàn chưa thể thay thế điều tra viên con người.

Avatar Intelligence là nghiên cứu đề xuất mô hình AI agent cá nhân duy trì liên tục (persistent personal agents), đại diện cho mục tiêu, giá trị và ràng buộc của người dùng nhằm khuếch đại quyền năng con người qua việc giảm gánh nặng giám sát thường nhật. Nghiên cứu đưa ra khung đánh giá Agentic Oversight Index (AOI) để đo lường giá trị so với chi phí vận hành và mức độ giám sát, đồng thời xác lập 3 thách thức cốt lõi: cá nhân hóa duy trì danh tính, tiến hóa qua Rehearsal Engineering và cơ chế an toàn/trách nhiệm giải trình.

Nghiên cứu chỉ ra phần lớn benchmark terminal tổng hợp hiện nay chỉ tăng số lượng thao tác ('work') thay vì độ sâu phụ thuộc tuần tự ('depth'), dẫn tới việc 94% tác vụ giải được chỉ mất tối đa 3 lượt lệnh. Nhóm tác giả đề xuất phương pháp DEPTH, cho phép agent tạo tác vụ theo từng đoạn trong môi trường phần mềm thực tế để bảo đảm tính phụ thuộc trạng thái nghiêm ngặt. Bộ 105 tác vụ DEPTH mới có độ sâu vượt trội khiến cả 6 mô hình hiện nay đều giải chưa tới 50%, đồng thời việc tinh chỉnh Qwen3-8B trên dữ liệu này giúp cải thiện đáng kể trên 2 benchmark terminal khác.

ArcRAG là phương pháp GraphRAG tiếp cận theo hướng tác tử (agentic) nhằm giải quyết bài toán phụ thuộc cấu trúc (cross-construction portability). Thay vì đòi hỏi bộ truy xuất phải đồng thiết kế với cấu trúc sinh đồ thị ban đầu, ArcRAG tự động suy diễn một giao diện đồ thị cục bộ theo câu hỏi (query-local graph interface) tại thời điểm suy luận (gồm nhãn node, quan hệ và thuộc tính tiếp cận được từ các thực thể trong câu hỏi). Hệ thống sau đó lập kế hoạch duyệt đồ thị đa bước, sinh mã, thực thi và tự sửa lỗi truy vấn Cypher. Thử nghiệm trên MuSiQue, HotpotQA và TriviaQA ở cả hai dạng đồ thị (schema-guided và open-IE) cho thấy ArcRAG vẫn duy trì hiệu quả truy xuất cao mà không cần tinh chỉnh lại retriever theo từng cách xây dựng đồ thị.

Nghiên cứu mô hình hóa việc điều hướng mô hình ngôn ngữ lớn (LLM steering) thành bài toán điều khiển phản hồi vòng kín (closed-loop feedback control), lấy cảm hứng từ kỹ thuật kích thích thần kinh não bộ. Phương pháp này sử dụng bộ điều khiển bền vững H-infinity dựa trên trạng thái nội bộ của Transformer để hạn chế độ nhạy với nhiễu và sai số tuyến tính hóa. Kết quả thử nghiệm cho thấy hiệu năng vượt trội so với các phương pháp can thiệp mở hiện tại, đặc biệt trong các điều kiện dữ liệu lệch phân phối (OOD) và độ dài chuỗi thay đổi. Nghiên cứu đồng thời giới thiệu thước đo S_rob (Robust Steerability) giúp định lượng khả năng chịu đựng sai số động lực học trước khi triển khai mô hình.

MA-Mesh là khung làm việc tăng cường khả năng phục hồi (resilience) cho hệ thống đa tác tử thông qua lớp tự phục hồi dựa trên vai trò. Hệ thống tạo các đặc tả chịu lỗi và tổng hợp thành mã thực thi chính sách điều phối. MA-Mesh tích hợp hai cơ chế cốt lõi: phản tư chéo (cross-agent reflection) để các tác tử đánh giá lẫn nhau nhằm điều chỉnh hành vi tập thể, và dự phòng theo vai trò (role-based failover) cho phép tái chỉ định vai trò và thay thế tác tử khi gặp sự cố, đảm bảo tác vụ diễn ra liên tục.

Nghiên cứu đề xuất cơ chế định tuyến truy vấn (query routing) động giữa các phiên bản mô hình ngôn ngữ lớn (LLM) để tạo độ linh hoạt về tiêu thụ điện năng cho trung tâm dữ liệu mà không làm trì hoãn các tác vụ tương tác. Nhóm tác giả xây dựng khung phân tích liên kết tốc độ truy vấn và phân phối độ dài chuỗi với thời gian xử lý token, độ trễ và điện năng tiêu thụ. Thử nghiệm trên 4 nền tảng GPU (mô hình 1B-70B) đạt sai số MAPE 2,8%, và mô phỏng trên cụm 10.000 GPU H100 cho thấy khả năng điều chỉnh tới 16% tổng công suất điện, đạt 90% mức giảm mong muốn chỉ trong khoảng 10 giây.

ReSI-Math là khung nghiên cứu giúp khai phá 'ranh giới năng lực có thể phục hồi' trong mô hình ngôn ngữ lớn để tối ưu hóa hiệu quả dữ liệu cho Reinforcement Learning with Verifiable Rewards (RLVR). Thay vì xem thất bại trực tiếp là do mô hình thiếu năng lực, ReSI-Math sử dụng tìm kiếm tiến hóa kết hợp Self-Judge và cơ chế lai ghép quỹ đạo (trajectory crossover) để phục hồi lời giải đúng từ các trường hợp sai. Trên mô hình Qwen3-VL-8B, phương pháp tạo ra 43.8% lời giải đúng được kiểm chứng từ các lượt thất bại và nâng điểm trung bình MATH500 cùng WE-MATH từ 78.71 lên 80.16 qua 3 vòng RLVR, vượt trội đáng kể so với việc chọn mẫu ngẫu nhiên.

QueryFlow là phương pháp truy xuất đồ thị đa bước (multi-hop) cho RAG, mô hình hóa quá trình tìm kiếm như sự tiến hóa đồng thời giữa biểu diễn bằng chứng và điều kiện truy vấn. Bằng cách tích hợp tuần hoàn ngữ cảnh đồ thị vào trạng thái truy vấn chung để định hướng các bước lan truyền tiếp theo, QueryFlow cải thiện 8.0 điểm phần trăm độ chính xác của LLM trên 4 tập dữ liệu hỏi đáp đa bước.

Nghiên cứu giới thiệu Test-Time Self-Play (TTSP), giải pháp mở rộng tính toán lúc suy luận (test-time scaling) dựa trên tự chơi bất đối xứng (asymmetric self-play) mà không cần bộ chấm điểm/xác minh (verifier). Trên tập dữ liệu LiveCodeBench v6, TTSP vượt trội hơn tất cả các phương pháp cơ sở ở mọi cấp độ verifier và đạt mức tăng tuyệt đối 35% mean@8 khi hoàn toàn không có verifier, duy trì hiệu quả trừ phi mô hình nền tảng có độ bao phủ nghiệm đúng gần bằng 0.

Báo cáo kỹ thuật giới thiệu bộ giải pháp ('bag of tricks') gồm 3 kỹ thuật thực dụng để phòng thủ chống tấn công backdoor/đầu độc dữ liệu trên hệ thống nhận diện khuôn mặt học sâu. Nghiên cứu tập trung vào kịch bản doanh nghiệp tự huấn luyện mô hình nhưng dùng dữ liệu từ bên thứ ba, cung cấp 1 cơ chế phát hiện định danh bị đầu độc lúc huấn luyện và 2 cơ chế lọc đầu vào khả nghi lúc suy luận kèm phân tích chi phí tính toán.

ChemE-as-Code là nền tảng mã nguồn mở cho phép AI agent dựa trên LLM phối hợp cùng kỹ sư thực hiện công việc kỹ thuật hóa học. Nền tảng tích hợp các công cụ tính toán chuyên ngành bên ngoài LLM, truy vết nguồn gốc giá trị, liên kết tệp qua Git và tự động kiểm tra mâu thuẫn theo dòng tệp. Trong thử nghiệm với trường hợp amoniac, agent đã tạo gói thiết kế cơ bản sơ bộ với chi phí API 224 USD, đóng vai trò định hướng kiểm tra cho con người thay vì thay thế hoàn toàn.

FrontierPhysics là bộ benchmark đánh giá toàn diện (end-to-end) năng lực nghiên cứu vật lý của AI agent, gồm 56 nhiệm vụ do 42 nhà vật lý xây dựng trên 9 lĩnh vực (lý thuyết, tính toán, thực nghiệm). Thay vì kiểm tra từng câu hỏi đơn lẻ hay tái hiện kết quả có sẵn, benchmark thẩm định cả tính chính xác lẫn chất lượng xuất bản khoa học qua các bước: rà soát tài liệu, lập kế hoạch, tiến hành thực nghiệm và viết bản thảo. Đánh giá 22 mô hình (26 cấu hình) cho thấy kết quả hạn chế (tối đa chỉ đạt 46/168 lượt chạy); nguyên nhân chính là tư duy lập luận thiếu chặt chẽ và trực giác chuyên gia hạn chế, không phải do thiếu kiến thức vật lý hay lỗi thực thi mã.

Traffic-VL là mô hình ngôn ngữ - thị giác (VLM) 8 tỷ tham số phục vụ điều khiển đèn tín hiệu giao thông end-to-end có khả năng tổng quát hóa cao. Khác với các giải pháp truyền thống cần pipeline nhận diện trung gian để bóc tách trạng thái giao thông, Traffic-VL tiếp nhận trực tiếp hình ảnh đa góc nhìn từ camera giám sát kết hợp với mô tả pha bằng ngôn ngữ tự nhiên để đưa ra quyết định điều khiển. Nghiên cứu đồng thời giới thiệu SynTra-V giúp chuyển đổi mô phỏng vật lý thành hình ảnh chân thực có kiểm định ngữ nghĩa tự động. Traffic-VL áp dụng khung học tăng cường 2 giai đoạn, cho kết quả ngang ngửa Traffic-R1 (dùng trạng thái cấu trúc), vượt qua Gemini 3 Pro và các bộ điều khiển visual khác, đồng thời chứng minh độ ổn định qua 3 tuần triển khai thử nghiệm thực tế tại 10 nút giao.

Nghiên cứu khảo sát thời điểm việc can thiệp kích hoạt (activation steering) trong LLM cần phụ thuộc vào đầu vào thay vì dùng hướng cố định như Contrastive Activation Addition (CAA). Tác giả chỉ ra rằng can thiệp cần phụ thuộc đầu vào khi điểm đến biến thiên bên trong lớp đích. Bằng cách sử dụng phương pháp truy vấn k trạng thái gần nhất trong lớp đích, kết quả trên 6 tập ngữ liệu thay thế và benchmark độc lập cho thấy điều hướng phụ thuộc đầu vào vượt trội hơn CAA. Nghiên cứu cũng phát hiện: chỉnh sửa mức từ đạt hiệu quả cao nhất ở 1/10 tầng đầu mạng với ít láng giềng, trong khi chỉnh sửa mức mệnh đề hiệu quả ở mọi độ sâu với giá trị trung bình lớp. Bốn đại lượng đo trực tiếp từ trạng thái ẩn cho phép xác định chế độ can thiệp trước khi áp dụng.

Một công ty đã phải chịu hóa đơn gần 1 triệu USD do bị kẻ tấn công đánh cắp các API key AI trên nền tảng đám mây. Sự cố này được Google Cloud Threat Intelligence phân tích dưới thuật ngữ 'LLMjacking' — hành vi xâm phạm và chiếm dụng quyền truy cập các mô hình AI đám mây để trục lợi tài chính.

MIRA là khung huấn luyện tăng cường khả năng suy luận đa phương thức, khắc phục khoảng cách nhận thức - suy luận trong RLVR bằng cách đưa vào các ngữ cảnh thị giác đánh lừa có chọn lọc ('hard traps') và cơ chế tự phản tỉnh theo nhóm, giúp mô hình tự phát hiện và sửa lỗi mà không cần dữ liệu gắn nhãn con người, đem lại mức cải thiện trung bình 7% trên các benchmark in-domain.

VideoEditor-MoE là framework mã nguồn mở đầu tiên ứng dụng kiến trúc Mixture-of-Experts (MoE) cho bài toán chỉnh sửa video phức tạp. Khác với các phương pháp MoE truyền thống chỉ áp dụng ở tầng MLP, mô hình kết hợp tầng sparse MLP-MoE cùng cơ chế MoE-Attention giúp định tuyến các chuyên gia key-value mà vẫn duy trì tương tác toàn cục giữa các video token. Khởi tạo từ mô hình 5B, VideoEditor-MoE mở rộng quy mô lên 14B và 56B tham số nhưng chỉ kích hoạt khoảng 8B tham số mỗi token. Cơ chế định tuyến tự học cho thấy sự nhạy cảm cao với mức nhiễu diffusion, nội dung video và ngữ nghĩa đối tượng hơn là nhãn tác vụ thủ công, kết hợp với decoupled weight decay để ổn định quá trình huấn luyện.

Nghiên cứu giới thiệu cơ chế củng cố hồi hải mã (hippocampal consolidation) chỉ dùng trong huấn luyện, cho phép mạng nơ-ron học liên tục toàn phần (fully fine-tuned) mà không cần phát lại dữ liệu cũ (cross-task replay), không cần mô hình giáo viên hay bộ nhớ lúc suy luận. Phương pháp lập chỉ mục hình học đầu vào của các nhóm synapse và giới hạn độ dịch chuyển của từng synapse theo từng hướng trước và sau optimizer, kết hợp phát hiện xung đột để bảo vệ tri thức cũ trước các lớp gần trùng lặp. Kỹ thuật áp dụng thành công trên 4 họ kiến trúc với quy mô tới 8 tỷ tham số, vượt baseline đóng băng backbone 17,5 điểm trên TACRED.

Reddit chuyển sang cơ chế bắt buộc đăng nhập (logged-in only) đối với người dùng, được cho là phản ứng trực tiếp trước việc tính năng Google AI Overviews tóm tắt nội dung trên kết quả tìm kiếm làm sụt giảm lưu lượng truy cập tự nhiên chuyển tiếp về nền tảng.