Officially corrected errors persist in AI training data

{"tags": ["AI Training Data", "Data Quality", "Data Curation", "Zenodo", "Machine Learning", "Machine Unlearning"], "risks": ["Mô hình tiếp tục tạo ra kết quả sai lệch hoặc thông tin lỗi thời trong các lĩnh vực quan trọng như y tế, pháp lý và khoa học.", "Chi phí tốn kém và thách thức kỹ thuật lớn để thanh lọc dữ liệu hoặc huấn luyện lại mô hình từ đầu.", "Rủi ro pháp lý và trách nhiệm sản phẩm khi hệ thống AI trích dẫn các tài liệu nghiên cứu đã bị thu hồi hoặc bác bỏ."], "category": "Research", "entities": ["Zenodo", "Hacker News"], "summary_vi": "Nghiên cứu được công bố trên Zenodo chỉ ra rằng các lỗi đã được đính chính chính thức (errata, rút bài, chỉnh sửa) vẫn tiếp tục tồn tại dai dẳng trong dữ liệu huấn luyện AI. Do quy trình thu thập dữ liệu web tĩnh thường không đồng bộ các bản sửa đổi sau đó, các mô hình AI tiếp tục học và lan truyền thông tin sai lệch dù nguồn gốc đã được sửa đổi.", "key_changes": ["Phát hiện các lỗi đã được đính chính hoặc bài báo đã rút (errata/retractions) vẫn tồn tại phổ biến trong dữ liệu huấn luyện AI.", "Chỉ ra lỗ hổng trong các quy trình thu thập dữ liệu dạng tĩnh (static crawl snapshots) khi không có cơ chế theo dõi cập nhật từ nguồn gốc.", "Nhấn mạnh thách thức trong việc duy trì tính toàn vẹn và độ tin cậy của tri thức nạp vào các mô hình nền tảng."], "sub_category": "AI Training Data Integrity", "novelty_score": 68, "business_score": 65, "research_score": 85, "why_it_matters": "Vấn đề này ảnh hưởng trực tiếp đến độ chính xác và mức độ đáng tin cậy của các mô hình AI khi triển khai vào thực tế. Nếu các lỗi đã được khoa học hoặc tổ chức chính thức đính chính vẫn tồn tại trong tập dữ liệu huấn luyện, mô hình sẽ tiếp tục tái tạo ảo giác và tri thức sai, gây rủi ro lớn cho các ứng dụng chuyên ngành như y tế, pháp lý và kỹ thuật.", "developer_score": 70, "importance_score": 75, "possible_use_cases": ["Tích hợp cơ chế đối soát errata/retraction tự động vào data pipeline trước khi đưa vào pre-training hoặc fine-tuning.", "Ứng dụng kỹ thuật machine unlearning hoặc hiệu chỉnh tri thức (knowledge editing) để xóa bỏ các thông tin sai lệch đã được xác nhận khỏi mô hình.", "Xây dựng bộ benchmark kiểm tra mức độ lan truyền thông tin sai lệch đã đính chính trong các LLM thương mại."], "actionability_score": 62}