Research

Công bố giải pháp do AI tạo ra cho Bài toán Thiên niên kỷ Navier–Stokes, đi kèm bài viết giải trình chi tiết và chứng minh hình thức được kiểm chứng bằng ngôn ngữ Lean.

Phòng thí nghiệm của César de la Fuente sử dụng Codex và ChatGPT để khai phá bộ gen của các sinh vật sống và sinh vật đã tuyệt chủng nhằm tìm kiếm các phân tử ứng viên kháng khuẩn chống lại các bệnh nhiễm trùng kháng thuốc.

Nghiên cứu giới thiệu phương pháp 'Quantization-Aware Healing', tạo ra mô hình nén 4-bit có hiệu năng vượt trội hơn phiên bản gốc ở độ chính xác đầy đủ (full-precision), vượt qua giới hạn suy giảm chất lượng thường thấy khi lượng tử hóa.

OpenAI triển khai chương trình tài trợ 5 triệu USD nhằm hỗ trợ các nghiên cứu độc lập về tác động của AI tạo sinh đối với sự phát triển, sức khỏe tinh thần và sự an toàn của thanh thiếu niên.

Nghiên cứu thử nghiệm ngẫu nhiên trên hơn 1.000 sinh viên kiểm tra tác động kết hợp của ChatGPT và đào tạo tư duy phản biện đối với hiệu suất làm bài tập đại học, tính độc bản và khả năng mở rộng tư duy.

Dự án đúc kết các bài học từ việc tái lập (reproduce) 2.200 bài báo khoa học từ hội nghị học máy ICML (International Conference on Machine Learning). - Sự thật xác minh: Trọng tâm là tái hiện kết quả thực nghiệm của 2.200 công trình nghiên cứu tại ICML. - Suy luận hợp lý: Đánh giá thực trạng khả năng tái lập trong nghiên cứu AI/ML, chỉ ra các lỗ hổng về mã nguồn, dữ liệu và môi trường chạy thử nghiệm. - Điểm chưa rõ (Unknowns): Tỷ lệ tái lập thành công cụ thể, phương pháp kiểm thử chi tiết và danh tính nhóm thực hiện không được cung cấp trong văn bản nguồn.

Một nhà nghiên cứu tại MIT đã sử dụng mô hình GPT-5.6 Sol kết hợp với Codex để tự động hóa quá trình vận hành thí nghiệm điện toán lượng tử, phân tích kết quả và hiệu chuẩn các qubit một cách tự chủ.

Phân tích vấn đề an toàn AI ('Safety for Whom?'), đề xuất định hướng xử lý hiện tượng từ chối quá mức (over-refusal) bằng cách chỉ từ chối tập con thực sự độc hại thay vì chặn toàn bộ chủ đề nhạy cảm.

Google giới thiệu AMIE, hệ thống AI y tế nghiên cứu có khả năng tư vấn lâm sàng qua video theo thời gian thực, được chứng minh qua nghiên cứu tiên phong trong môi trường mô phỏng.

- Sự thật xác minh: Jakub Pachocki đưa ra suy ngẫm về các hệ thống AI ngày càng có năng lực cao như một trí tuệ ngoại lai ('An Alien Mind') cùng thách thức duy trì căn chỉnh (alignment); ông kêu gọi thiết lập các biện pháp bảo vệ (safeguards) mạnh mẽ hơn và tăng cường điều phối quốc tế. - Suy luận hợp lý: Mối lo ngại về an toàn và kiểm soát AI đang tăng cao trong giới nghiên cứu AI biên (frontier AI) khi mô hình phát triển năng lực vượt bậc, đòi hỏi sự hợp tác đa phương thay vì nỗ lực đơn lẻ. - Chưa xác định: Chưa có thông tin chi tiết về các giải pháp kỹ thuật cụ thể hay khuôn khổ điều phối quốc tế nào đang được đề xuất triển khai.

Văn bản nguồn chỉ cung cấp tiêu đề 'BenchMIRT: What are LLM benchmarks actually measuring?'. Về sự thật xác thực (verified facts), tài liệu đề cập đến BenchMIRT và đặt câu hỏi về việc các thước đo benchmark LLM thực chất đang đo lường điều gì. Suy luận hợp lý (reasonable inference) cho thấy BenchMIRT có thể là phương pháp ứng dụng Lý thuyết Phản hồi Câu hỏi Đa chiều (Multidimensional Item Response Theory - MIRT) từ tâm trắc học nhằm mổ xẻ năng lực tiềm ẩn và độ phân loại câu hỏi của các bài kiểm tra LLM. Điểm chưa rõ (unknowns) là chi tiết kỹ thuật, dữ liệu thực nghiệm và kết quả cụ thể do văn bản không cung cấp thêm.

Tài liệu đề cập đến chủ đề đo lường mức độ tối ưu hóa trên các bộ chuẩn kiểm thử (benchmark) trong lĩnh vực nhận dạng giọng nói (Speech Recognition/ASR). Do dữ liệu nguồn chỉ cung cấp tiêu đề ngắn, nội dung phản ánh trọng tâm nghiên cứu về tính chuẩn xác và độ tin cậy của các phép đo hiệu năng ASR.

Thông điệp định hướng về việc phát triển AI nhằm đẩy nhanh tiến độ nghiên cứu khoa học và cải thiện cuộc sống con người, lấy tác động thực tế làm thước đo giá trị.

Phi hành gia Christina Koch và James Manyika (Phó Chủ tịch Cấp cao phụ trách Nghiên cứu, Labs, Công nghệ & Xã hội của Google) tham gia buổi đối thoại về chủ đề không gian, công nghệ và sự khám phá khoa học.

Nghiên cứu phân tách hai trục thiết kế cốt lõi của thuật toán tokenisation (BPE và UnigramLM) gồm mục tiêu tối ưu (nén vs. log-likelihood) và quy trình tìm kiếm (ghép từ dưới lên vs. cắt tỉa từ trên xuống). Bằng việc đề xuất hai thuật toán mới BottomUpLL và TopDownComp để hoàn thiện không gian thiết kế 2x2, nghiên cứu chỉ ra rằng quy trình tìm kiếm từ dưới lên (bottom-up) chính là yếu tố quyết định giúp đạt bits-per-byte thấp hơn, trong khi mục tiêu tối ưu hóa không tạo ra sự khác biệt mang tính chi phối.

Nghiên cứu giới thiệu Comparison-based Preference Optimization (ComPO), một phương pháp căn chỉnh sở thích bậc không (zeroth-order) dựa trên comparison oracles cho mô hình ngôn ngữ lớn (LLM). ComPO giải quyết vấn đề dịch chuyển likelihood (likelihood displacement) bằng cách trích xuất thông tin định hướng từ các cặp sở thích có biên likelihood nhỏ mà không cần tối ưu hóa trực tiếp hàm mất mát khả vi. Bài báo thiết lập bảo chứng hội tụ toán học cho sơ đồ offline, đồng thời phát triển phiên bản online với kiểm soát reverse-KL đối với mô hình tham chiếu. Thực nghiệm trên Mistral, Llama, Gemma-2, Qwen3 và Gemma-3 chứng minh ComPO cải thiện tỷ lệ thắng có kiểm soát độ dài và giảm thiểu hiệu quả hiện tượng dịch chuyển likelihood so với các phương pháp căn chỉnh trực tiếp hiện hành.

Nghiên cứu đề xuất pipeline kết hợp mô hình tạo video và âm thanh để giải quyết hạn chế thiếu thông tin lực của các phương pháp điều khiển robot dựa trên video. Bằng cách dùng độ lớn âm thanh tiếp xúc được sinh ra để tạo biên dạng lực mong muốn theo thời gian, hệ thống cho phép robot Franka Panda thực thi thành công các tác vụ tiếp xúc phức tạp qua bộ điều áp lực vòng kín, đồng thời đóng vai trò làm bộ máy sinh dữ liệu huấn luyện policy robot.

rMuscle là một framework suy luận thời gian thực cho các mô hình Vision-Language-Action (VLA) trong robot học, lấy cảm hứng từ cơ chế trí nhớ cơ bắp (muscle memory) của con người. Tận dụng đặc điểm công việc lặp lại trong nhà máy có tính tương đồng cao về trạng thái nội tại của mô hình, rMuscle giới thiệu cơ chế bộ nhớ đệm hai giai đoạn: Context Cache (tái sử dụng đầu ra visual-token để giảm khối lượng tính toán) và Action Cache (tái sử dụng mẫu kích hoạt neuron để giảm truy cập trọng số). Kết hợp cùng kỹ thuật tính toán lại trực tuyến, truy xuất cửa sổ trượt và chia sẻ mặt nạ khử nhiễu, rMuscle đạt tốc độ tăng từ 1.29x đến 1.42x trên RTX 4090 và Jetson Thor mà vẫn duy trì tỷ lệ thành công ban đầu trên robot thực tế.

Nghiên cứu cắt ngang trên 761 chuyên gia y tế tại Nigeria (12/2025 - 03/2026) cho thấy mức độ nhận biết về AI rất cao (92,6%) nhưng kiến thức và mức độ sẵn sàng thực tế còn hạn chế: 40,9% có kiến thức thấp/rất thấp và chỉ 63,0% cảm thấy sẵn sàng áp dụng lâm sàng. Dù vậy, 92,5% mong muốn được đào tạo và 78,7% ủng hộ đưa AI vào chương trình đại học. Các rào cản chính gồm thiếu đào tạo (84,7%), hạ tầng yếu (71,1%), chi phí cao (61,0%), sợ mất việc (60,6%), đạo đức (52,9%) và bảo mật dữ liệu (52,7%). Kết quả nhấn mạnh khoảng cách lớn giữa nhận thức và năng lực thực tế, đòi hỏi đầu tư hạ tầng và đào tạo chuẩn hóa cho các nước đang phát triển.

Nghiên cứu chỉ ra sự thiếu đồng nhất trong phong cách viết báo cáo X-quang của các bác sĩ làm sai lệch kết quả đánh giá và thứ hạng các mô hình AI sinh báo cáo (RRG). Tác giả đề xuất hệ thống phân loại biến thể báo cáo, phương pháp viết lại tham chiếu ReRef bảo toàn chẩn đoán lâm sàng, và cung cấp bộ dữ liệu thẩm định MIMIC-CXR-Ext-ReRef gồm 120 cặp báo cáo để nâng cao độ tin cậy khi đánh giá mô hình.

Nghiên cứu chỉ ra rằng kẻ tấn công có thể lợi dụng sự nhập nhằng trong các bản ghi syndrome thụ động của mã toric để biến khuyến nghị từ cố vấn AI thành các cập nhật sửa lỗi lượng tử (QEC) gây hại. Để khắc phục, nhóm tác giả đề xuất sử dụng phép đo hiệu chuẩn logic trên trạng thái đã biết kết hợp với bộ đánh giá độc lập dựa trên giới hạn độ trôi nhằm chứng nhận an toàn cho các cập nhật phục hồi trước khi áp dụng.

MUSE là bộ benchmark mới được thiết kế để đánh giá các mô hình thị giác - ngôn ngữ lớn (LVLM) về khả năng hiểu hình ảnh nghệ thuật trong giáo dục tình huống (như học ngôn ngữ tương tác). Benchmark gồm 12 tác vụ bao quát từ nhận thức thị giác, cảm xúc, ngữ nghĩa đến văn hóa đa dạng (tập trung vào Singapore, Đông Nam Á và phương Tây), sử dụng kỹ thuật tách biệt gán nhãn và tạo câu hỏi để tối ưu hóa việc kiểm soát độ khó. Kết quả cho thấy các mô hình hiện tại còn bộc lộ nhiều hạn chế lớn về diễn giải cảm xúc và suy luận bố cục.

Nghiên cứu đề xuất Probabilistic Linear Explanations (PLE), một khung giải thích hình thức dựa trên các mô hình tuyến tính thưa và được neo (anchored), áp dụng đồng thời cho phân loại nhị phân và hồi quy liên tục. Bằng cách ánh xạ dữ liệu lên siêu lập phương Boolean, phương pháp này tổng quát hóa các hướng tiếp cận dựa trên tập con, thu nhận cả độ lớn và hướng đóng góp của đặc trưng trong khi vẫn đảm bảo ngân sách độ thưa k. Nghiên cứu chứng minh việc tối thiểu hóa sai số liên quan (relevance error) trên mạng nơ-ron là NP^PP-hard, đồng thời thiết lập cận lý thuyết liên hệ nó với sai số độ trung thực (fidelity error). Hai giải thuật được đưa ra gồm: Quy hoạch số nguyên hỗn hợp (MIP) cho nghiệm tối ưu thực nghiệm và Ngưỡng cứng lặp (IHT) thời gian đa thức với bảo đảm xấp xỉ, vượt trội hơn LIME và MAPLE về tính chuẩn xác và thỏa mãn ràng buộc.

Nghiên cứu giải thích hiện tượng double descent trong học máy bằng cơ học thống kê và nguyên lý tác dụng tối thiểu. Quá trình huấn luyện gradient ngẫu nhiên được xem như hạt chuyển động trên bề mặt hàm mất mát ở nhiệt độ hiệu dụng T tuân theo phân phối Boltzmann. Do thời gian khuếch tán hữu hạn tạo ra cơ chế suy giảm trọng số hiệu dụng (effective weight decay), định lý phân bố đều năng lượng chỉ ra rằng việc tăng số tham số d sẽ làm giảm nhiệt độ T, kéo nghiệm về quỹ đạo dừng có chuẩn L2 thấp hơn, qua đó tự động tăng cường khả năng điều chuẩn.