AI cho Business

Nghiên cứu đề xuất nền tảng thu mua và định tuyến suy luận LLM sử dụng cơ chế đấu giá ngược mức giá thứ hai (reverse second-price auction), xóa bỏ sự kém hiệu quả của mô hình định giá token cố định. Hệ thống vừa định tuyến vừa học chất lượng phục vụ thực tế của từng nhà cung cấp, đảm bảo chuyển truy vấn tới đơn vị có chi phí cạnh tranh nhất đáp ứng ngưỡng chất lượng yêu cầu. Thử nghiệm trên các dòng mô hình Llama và Qwen cho thấy mức tiết kiệm chi phí đạt từ 10% đến 71%.

Tev giải quyết điểm nghẽn thiếu dữ liệu và phần thưởng thưa (sparse rewards) trong huấn luyện agent tác vụ dài hạn. Nghiên cứu giới thiệu Tev-Gym gồm 1.170 môi trường tác vụ thuộc 7 domain với phần thưởng dày đặc dựa trên phương pháp 'latent-world-first'. Kết hợp kỹ thuật tạo thưởng PPRS (Progress-Potential Reward Shaping), mô hình mã nguồn mở Tev-27B được huấn luyện đạt kết quả Pass@5 ngang tầm GPT-6 Astra và Claude Opus 5 trên benchmark ALE-CM, đồng thời tổng quát hóa mạnh mẽ trên Terminal-Bench.

Nghiên cứu so sánh 11 phương pháp dự đoán mức tiêu thụ nhiên liệu tàu biển (FOC) trước khi khởi hành trên 21 tàu. Kết quả chứng minh mô hình gộp toàn cục (Global Pooling, tiêu biểu là Global LightGBM) vượt trội hơn hẳn các mô hình huấn luyện riêng cho từng tàu (per-ship) cũng như các kỹ thuật thích ứng phức tạp (federated learning, LoRA fine-tuning). Mô hình chỉ cần định danh và 7 thông số kỹ thuật của tàu là có thể dự đoán chính xác, đồng thời hỗ trợ dự đoán zero-shot cho tàu mới mà không cần dữ liệu lịch sử của tàu đó.

Grid Agents là khung agentic AI tự động hóa việc đánh giá đấu nối và nghiên cứu kỹ thuật lưới điện. Hệ thống kết hợp Grid Ontology (hệ tri thức quy chuẩn, tiêu chuẩn có khả năng trích dẫn bằng chứng và tự tiến hóa) và Grid Studio (môi trường agent chuyên ngành tích hợp domain tools và solver toán học chính xác). Được kiểm chứng trên bộ 519 tác vụ benchmark thông qua replay tool calls, hệ sinh thái đạt độ chính xác và tốc độ vượt trội so với các hệ thống đối chuẩn, đồng thời giúp giảm 33-67% chi phí gia cố lưới khi có bộ tối ưu hóa trong vòng lặp.

Meta dự kiến huy động tới 95 tỷ USD, bao gồm kế hoạch phát hành 35 tỷ USD cổ phiếu, nhằm tài trợ cho việc xây dựng và mở rộng hạ tầng trí tuệ nhân tạo.

Theo báo cáo từ Nikkei Asia, khoản nợ AI tiềm ẩn của các tập đoàn công nghệ lớn tại Mỹ đã tăng 90% lên mức 3.200 tỷ USD chỉ trong vòng 6 tháng, phản ánh gánh nặng chi phí khổng lồ từ cuộc đua đầu tư hạ tầng AI mà chưa có sự tương xứng tức thì về dòng tiền hồi đáp.

Toàn bộ một mùa phát sóng chưa công chiếu của chương trình truyền hình Thụy Điển 'The Challenge Sverige' đã bị một AI agent xóa bỏ chỉ vài tuần trước ngày ra mắt dự kiến.

Vào năm 2026, ba ông lớn ngành công cụ EDA (Cadence, Synopsys và Siemens) đều đồng loạt giới thiệu các giải pháp 'kỹ sư tự trị' (autonomous engineers) ứng dụng Agentic AI vào quy trình thiết kế vi mạch bán dẫn.

GLOBE (Geometry-Led Online Behavioral Early Exit) là thuật toán trực tuyến, không cần huấn luyện bổ sung (training-free), cho phép dừng sớm quá trình suy luận Chain-of-Thought (CoT) của mô hình ngôn ngữ lớn. Bằng cách nhúng các phân đoạn suy luận thành điểm trên hình cầu đơn vị nhằm phân tích quỹ đạo ngữ nghĩa, GLOBE kết hợp kiểm tra câu trả lời thử nghiệm (trial phase) và phát hiện quỹ đạo đảo chiều vô ích (trajectory phase) để dừng kịp thời. Phương pháp này giúp giảm 49,7% token sinh ra và 51,0% độ trễ end-to-end trên 5 benchmark (suy luận toán học, gọi công cụ, bộ nhớ agent), trong khi vẫn duy trì độ chính xác trung bình 80,58%, tương đương với Full CoT.

WxCrop là hệ thống agentic AI đầu tiên đánh giá hiểm họa nông nghiệp từ các chỉ số thời tiết diễn giải được về mặt vật lý thông qua phân tích nhân quả, kết hợp thông tin khí tượng và nông nghiệp để dự báo thiệt hại mùa màng cho cả thời điểm quá khứ và tương lai. Thử nghiệm tại Florida trên các hiện tượng bão, băng giá và khô hạn với mô hình hiệu chuẩn từ dữ liệu bảo hiểm cho thấy: phát hiện ngày bão đạt AUC 0,98, tái hiện tổn thất thực tế với sai số dưới 2%, và tương quan thứ hạng sản lượng cấp quận đạt 0,63. Hệ thống cho phép người dùng truy vấn tỷ lệ tổn thất theo từng nhóm cây trồng với nguồn gốc dữ liệu minh bạch.

ASLEval là khung đánh giá bảo mật và quyền riêng tư theo phân quyền cho các LLM agent sử dụng công cụ trong phiên làm việc đa bước. Nghiên cứu xác định hiện tượng 'privacy exposure displacement', chỉ ra rằng các proxy đánh giá cục bộ truyền thống (chỉ xem xét hành động được chỉ định hoặc phản hồi cuối) bỏ sót tới 46,9% lượng rò rỉ dữ liệu so với việc giám sát toàn bộ các lối thoát hiển thị. ASLEval giải quyết vấn đề bằng cách đăng ký trước mục tiêu ẩn, đo lường toàn bộ ranh giới thoát và lưu vết nội bộ, đồng thời nhấn mạnh việc đánh giá quyền riêng tư song hành với hiệu năng hoàn thành tác vụ.

Anthropic đang xây dựng phòng thí nghiệm ướt (wet lab) chuyên dụng nhằm phục vụ nghiên cứu và phát hiện thuốc được dẫn dắt bởi AI. Động thái này đánh dấu bước mở rộng chiến lược của công ty từ AI tính toán thuần túy sang kiểm chứng sinh học thực nghiệm.

Theo Reuters, một hacker đã sử dụng các tác nhân AI (AI agents) cùng chi phí chỉ vài nghìn USD để xâm nhập thành công vào 100 trang web. Sự việc phản ánh bước ngoặt nguy hiểm khi AI agent giúp giảm mạnh rào cản chi phí và kỹ thuật, biến các cuộc tấn công mạng quy mô lớn thành quy trình tự động hóa giá rẻ.

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.

Lumentum, nhà cung cấp linh kiện quang học và kết nối hàng đầu cho máy chủ AI, đã bán hết toàn bộ công suất sản xuất linh kiện máy chủ AI cho đến năm 2029, phản ánh tình trạng quá tải nghiêm trọng trong chuỗi cung ứng hạ tầng AI toàn cầu.

Systemic Risk Index là pipeline đánh giá mã nguồn mở và dashboard tương tác nhằm minh bạch hóa bằng chứng thực nghiệm về rủi ro mô hình AI theo Bộ quy tắc thực hành (Code of Practice) cho GPAI của EU AI Act. Nghiên cứu tổ chức 19 benchmark công khai vào 4 nhóm rủi ro hệ thống (CBRN, tấn công mạng, thao túng gây hại, mất kiểm soát) và đánh giá mô hình bằng các nhiễu loạn bảo toàn tác hại cùng bối cảnh triển khai giả lập. Trên 18 mô hình, điểm số sụt giảm từ 14 đến 37 điểm dưới cơ chế tổng hợp worst-case so với điểm trung bình, giúp phát hiện các rủi ro tiềm ẩn. Đánh giá bằng LLM đạt độ tương đồng cao với con người (κ = 0.78–0.82) và 83% phép biến đổi giữ nguyên tác hại qua kiểm toán mù.

OpenAI và Ironclad hợp tác nghiên cứu, huấn luyện và đánh giá các tác tử AI (AI agents) trên các quy trình quản lý hợp đồng phức tạp, nhằm thúc đẩy năng lực sử dụng máy tính (computer use) phục vụ công việc chuyên môn trong doanh nghiệp.

Nghiên cứu giới thiệu khung làm việc Causal Constrained Offline RL cho hệ thống Next Best Action (NBA), giúp tối ưu hóa can thiệp khách hàng (như giảm giá, khuyến mại) dựa trên giá trị kinh tế dài hạn và các ràng buộc vận hành. Phương pháp tiếp cận mô hình hóa bài toán dưới dạng CMDP và đưa cơ chế hiệu chỉnh nhân quả off-policy trực tiếp vào quy hoạch tuyến tính (LP). Cách tiếp cận này vừa thực thi các rào cản kinh doanh vừa cung cấp giá bóng (shadow prices) để giải thích sự đánh đổi kinh tế. Trong thử nghiệm thực tế với dịch vụ gọi xe sử dụng trạng thái RFM, chính sách tối ưu giúp tăng 19% giá trị vòng đời khách hàng (LTV) so với chính sách hành vi và 8% so với baseline cận thị.

Nghiên cứu/bài viết đề xuất phương pháp chuyên biệt hóa bộ từ vựng cho các mô hình ngôn ngữ nhỏ (SLM), giúp cắt giảm chi phí suy luận tới 77% trong ứng dụng thực tế nhờ thu gọn kích thước mô hình và tối ưu tài nguyên cho miền tác vụ cụ thể.

EuroHPC JU chính thức mở cổng đăng ký cho sáng kiến AI Factories, cấp quyền truy cập miễn phí vào hạ tầng siêu máy tính dành cho các startup AI trong Liên minh Châu Âu (EU).

Bài viết phân tích tài nguyên tính toán AI (compute) đang trở thành loại 'dầu mỏ' mới của nền kinh tế số và đòi hỏi phải hình thành cơ chế thị trường mới (tương tự thị trường giao dịch hàng hóa/năng lượng) nhằm chuẩn hóa giao dịch, nâng cao thanh khoản và phân bổ hiệu quả hạ tầng tính toán.

RPG (Reconstruct, Practice, Go Real) là khung tự hoàn thiện cho tác nhân robot (embodied agents) mà không cần cập nhật trọng số mô hình. RPG nhận diện khả năng thao tác từ tập dữ liệu offline và tái tạo các tác vụ luyện tập trong mô phỏng. Bằng cách kết hợp phản hồi thực thi, trạng thái đặc quyền của simulator và video dữ liệu, RPG chẩn đoán lỗi để tự sinh kỹ năng ký hiệu tái sử dụng, hiệu chỉnh kỹ năng cũ và cập nhật system prompt. Sau khi kiểm tra chéo liên tác vụ, mô hình ngôn ngữ đa phương thức (multimodal LLM) sử dụng thư viện kỹ năng và prompt này để điều phối cảm giác và điều khiển robot. RPG nâng tỷ lệ thành công trên 22 tác vụ từ 28,6% lên 95,0% sau 15 vòng, vượt trội hơn ASPIRE (75,5%) và CaP-Agent0 chạy GPT-6 Astra Pro (60,0%), đồng thời đạt thành công 100% trong 30 thử nghiệm trên robot vật lý thực tế.

Z.ai đã phải vô hiệu hóa các tính năng trợ lý lập trình AI sau sự cố bảo mật nghiêm trọng, khi công cụ này bị phát hiện tự động tải các kho mã nguồn cục bộ của lập trình viên lên dịch vụ đám mây ở nước ngoài mà không có sự đồng ý của người dùng. Sự việc đang được theo dõi dưới góc độ pháp lý và đặt ra cảnh báo lớn về bảo mật dữ liệu doanh nghiệp khi sử dụng các công cụ AI hỗ trợ viết mã.

Làn sóng sử dụng AI để dịch ngược (decompile) game và phần mềm đang tạo ra cả đột phá lẫn rủi ro lớn. Ở khía cạnh tích cực, công nghệ này thúc đẩy bảo tồn game cổ điển, hỗ trợ port và chạy lại trên phần cứng hiện đại (như nền tảng web qua WebAssembly), đồng thời bảo đảm quyền sở hữu phần mềm của người dùng khi máy chủ của nhà phát hành bị đóng. Ở khía cạnh tiêu cực, khả năng dịch ngược đại trà cho phép bất kỳ ai cũng có thể trích xuất mã nguồn từ phần mềm thương mại, gây nguy cơ đánh cắp tài sản trí tuệ và mở mã nguồn trái ý muốn của nhà phát triển.