Research

BELIEFRAG là bộ điều khiển vòng lặp kín (closed-loop controller) dành cho Adaptive RAG nhằm khắc phục hiện tượng phân mảnh trạng thái bằng chứng trong truy xuất đa bước. Hệ thống duy trì trạng thái tường minh về tính đầy đủ, độ tin cậy, xung đột, sự bất định, khoảng trống chứng cứ và chi phí, từ đó chọn hành động tối ưu (truy xuất, viết lại truy vấn, kiểm chứng, trả lời, dừng hoặc từ chối). Thử nghiệm trên 6 benchmark cho thấy BELIEFRAG nâng cao điểm F1 đồng thời giảm 35-39% lượng token tiêu thụ trên gpt-oss-120b và Qwen3-32B. Điểm mấu chốt mang lại hiệu năng là cơ chế truy xuất lại để sửa sai kết hợp khả năng trả lời đã qua hiệu chuẩn.

Nghiên cứu trình bày phương pháp tiếp cận thị giác máy tính sử dụng mô hình mạng nơ-ron tích chập YOLOv8 để phát hiện website lừa đảo (phishing) dựa trên phân tích ảnh chụp màn hình toàn trang. Thay vì chỉ phụ thuộc vào URL, mã nguồn HTML hay thông tin tên miền vốn dễ bị kẻ tấn công làm mờ hoặc thay đổi, mô hình đánh giá trực quan dựa trên bố cục, vị trí logo, bảng màu và cấu trúc biểu mẫu đăng nhập tương tự cách mắt người quan sát. Hệ thống đạt độ chính xác 92% trên tập kiểm thử độc lập với tốc độ xử lý khoảng 100 ms mỗi ảnh, đồng thời giảm 11% tỷ lệ dương tính giả nhờ kỹ thuật tăng cường dữ liệu nhắm vào ánh sáng, độ nén và tỷ lệ co giãn. Giải pháp được định vị như một lớp phòng thủ bổ trợ phối hợp với các phương thức phòng thủ URL và nội dung truyền thống.

Nghiên cứu kiểm chứng tính hợp lệ của các 'Hallucination Neurons' (H-neurons) trong LLM, vốn được xác định qua phương pháp sparse probing (điều chuẩn L1). Nhóm tác giả đề xuất quy trình chẩn đoán 5 bước nhằm kiểm tra tương quan đặc trưng, độ ổn định bootstrap, bất đồng xếp hạng sparse/dense, baseline can thiệp và đánh giá chéo tập dữ liệu. Thử nghiệm trên Gemma 3 4B và MedGemma 4B với các tập TriviaQA, BioASQ, NQ-Open cho thấy khả năng phát hiện ảo giác tái lập tốt và vượt chênh lệch AUROC gốc, đồng thời can thiệp nhân quả (n=500, 5 seeds) có ý nghĩa thống kê. Tuy nhiên, các neuron này không mang tính định vị độc bản (19/22 neuron trong Gemma 3 4B có |r| > 0.7 với đặc trưng khác, độ ổn định bootstrap trung bình, trùng lặp thứ hạng yếu). Nghiên cứu kết luận cấu trúc dự đoán thưa có thể đồng tồn tại với neuron không độc bản, đòi hỏi kiểm chuẩn chẩn đoán để phân biệt giữa năng lực phát hiện và định vị thực sự.

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.

DenseTwins là framework học tự giám sát đa phương thức (multimodal self-supervised learning) cho phép học các biểu diễn dày đặc (dense representations) bằng cách tách biệt không gian đặc trưng thành thành phần dùng chung và thành phần riêng biệt của từng phương thức. Phương pháp kết hợp đối chiếu dày đặc giữa các phương thức với cơ chế giảm dư thừa, khắc phục nhược điểm làm mất thông tin đặc thù hoặc mất cấu trúc không gian của các giải pháp hiện nay.

Nghiên cứu giới thiệu IntentGEO và phương pháp tối ưu hóa meta neo (AMO - Anchored Meta-Optimization) nhằm nâng cao khả năng hiển thị của sản phẩm trong các gợi ý của mô hình ngôn ngữ lớn (LLM). Nhóm tác giả phát hiện các phương pháp tối ưu prompt tự động hiện tại dễ bị 'trôi dạt prompt' (prompt drift) sang các chiến thuật tiếp thị chung chung, dẫn đến hiệu quả kém hơn prompt thủ công ban đầu. AMO khắc phục điều này bằng cách giữ nguyên chỉ thị gợi ý cốt lõi và tối ưu hóa các chiến lược bổ sung qua phản hồi trích dẫn, giúp cải thiện 35% thứ hạng trích dẫn trên 4 lĩnh vực và hoạt động hiệu quả trên trợ lý Doubao.

CAT-CKD là phương pháp thích ứng miền không cần dữ liệu nguồn đa nguồn (MSFDA) mới cho chẩn đoán ung thư da (phân biệt melanoma và nốt ruồi lành tính). Nhằm khắc phục hạn chế của việc fine-tune toàn bộ mô hình và nhãn giả bị nhiễu, CAT-CKD gồm hai thành phần: (1) Contrastive Adapter Training (CAT) huấn luyện adapter ConvPass nhẹ (4.3M tham số) trên ViT backbone đóng băng bằng Supervised Contrastive Learning để tạo không gian đặc trưng bất biến miền, và (2) Consensus Knowledge Distillation (CKD) tổng hợp logit từ các mô hình nguồn để chưng cất tri thức sang mô hình học sinh trên dữ liệu đích không gán nhãn qua phân kỳ KL. Phương pháp đạt AUROC trung bình 86,1% trên 5 tập dữ liệu công khai và mã nguồn được mở trên GitHub.

Nghiên cứu giới thiệu phương pháp tái tạo kiến trúc 3D theo thủ tục (procedural reconstruction) từ ảnh chụp thực tế bằng cách chuyển đổi ảnh đơn thành chương trình CGA có thể thực thi. Quy trình phân rã thành hai giai đoạn: khôi phục bố cục mặt tiền qua cây cấu trúc toàn cục và ánh xạ các ô mặt tiền thành tham số thành phần cục bộ, sau đó biên dịch tất định ra mã CGA giúp tạo tài nguyên 3D có thể chỉnh sửa và tái sử dụng.

HEMO là giải pháp thiết kế toán tử tự động (AOD) mới cho bài toán tối ưu hóa tổ hợp đa mục tiêu (MOCO), cho phép biến chính khung điều phối (harness) thành đối tượng tự tiến hóa thay vì chỉ tiến hóa các toán tử đơn lẻ. Hệ thống duy trì trạng thái harness liên tục, cập nhật từng mô-đun một (truy xuất kinh nghiệm, lựa chọn toán tử/cha mẹ, điều phối tìm kiếm) theo chất lượng giải pháp và thời gian chạy, kết hợp bộ lập lịch UCB chiết khấu và bộ nhớ bền vững. Thử nghiệm trên 8 tác vụ MOCO cho thấy HEMO vượt trội so với các phương pháp tiến hóa, mạng nơ-ron và AOD dựa trên LLM thông thường, đồng thời có khả năng chuyển giao hiệu quả sang các bài toán liên quan.

GUIDER là phương pháp mới nhằm tối ưu hóa khả năng suy luận theo hướng dẫn lâm sàng của LLM thông qua việc đồng huấn luyện một bộ điều khiển luồng quyết định (controller) và một chính sách suy luận (policy). Phương pháp này giải quyết hai bài toán nan giải trong suy luận y khoa: khoảng cách giữa luồng quyết định và đáp án (path-answer gap) và sự tồn tại của nhiều luồng quyết định hợp lệ (path multiplicity). Bằng cách tính toán phần thưởng tiến trình (process reward) dựa trên nhiều luồng hợp lệ và gắn điều kiện thưởng với tính chính xác của câu trả lời, GUIDER giúp mô hình vừa nâng cao độ chính xác vừa đảm bảo tuân thủ phác đồ điều trị trên các benchmark như MedGUIDE, AMEGA-LLM, RealMedQA và CancerGUIDE.

DeoGen là công cụ tạo benchmark tự động và có thể tham số hóa dành cho đánh giá năng lực suy luận theo quy tắc (deontic reasoning) của LLM. Bằng cách chuyển đổi chính sách sang logic bậc một để dựng cây quyết định, DeoGen kiểm tra cả khả năng đưa ra phán quyết khi đủ dữ liệu và khả năng từ chối phán quyết khi thiếu thông tin. Thực nghiệm cho thấy các mô hình biên giới đạt 89-92% khi đủ dữ kiện nhưng tụt xuống chỉ còn 22-40% khi thiếu thông tin cần thiết.

Nghiên cứu chỉ ra rằng độ nhạy lượng tử hóa của mô hình ngôn ngữ khuếch tán (DLM) phụ thuộc vào cả tác vụ và bước thời gian khử nhiễu. Tác giả giới thiệu T 2Quant, khung lượng tử hóa mixed-precision nhận biết tác vụ và thời gian, sử dụng tín hiệu độ nhạy không cần nhãn để phân bổ tối ưu độ chính xác kích hoạt trong ngân sách bit cố định, giúp cải thiện độ chính xác lên tới 6.7 điểm phần trăm trên 3 DLM và 6 benchmark.

AnyGoal là bộ benchmark và thư viện mã nguồn mở nghiên cứu khả năng khái quát hóa kết hợp (compositional generalization) của mô hình thế giới (world models) khi vượt ra ngoài các quỹ đạo chuyên gia (expert rollouts). Nghiên cứu phát hiện các mô hình hiện nay liên tục thất bại trong việc mô phỏng và lập kế hoạch khi phải tái kết hợp các trạng thái và hành động quen thuộc vào các mục tiêu bị dịch chuyển (goal-shifted).

Nghiên cứu giới thiệu Lineage-Preserving Sequential Monte Carlo (LP-SMC), một thuật toán giải mã inference-time nhằm nâng cao độ chính xác suy luận cho masked diffusion LLM mà không cần hậu huấn luyện. Bằng cách kết hợp lấy mẫu lại Chopthin với ngưỡng sàn trọng số đầu vào (input weight floor), LP-SMC khắc phục tình trạng sụp đổ đa dạng dòng dõi do multinomial resampling gây ra. Thử nghiệm trên LLaDA-1.5 và Dream-7B qua các tác vụ giải toán và lập trình chứng minh LP-SMC tăng oracle coverage từ 1.8 đến 25.6 điểm và tăng độ chính xác đầu-cuối lên tới 18.3 điểm, khẳng định tính đa dạng và tín hiệu phần thưởng đóng góp độc lập vào hiệu quả tìm kiếm lúc suy luận.

Unravel là framework không cần huấn luyện (training-free) giúp tái tạo cảnh 3D tương tác từ một ảnh đơn, trong đó mỗi vật thể là một asset độc lập có thể di chuyển. Thay vì tạo một khối hình học dính liền hay dự đoán đồng loạt dễ sinh lỗi, Unravel sử dụng hệ thống agentic để bóc tách ảnh từng lớp: VLM xác định vật thể nhìn rõ, công cụ chỉnh sửa ảnh xóa chúng và khôi phục vùng che khuất kèm bước kiểm định. Sau đó, cảnh được tái dựng theo thứ tự ngược lại (vật nâng đỡ đặt trước), sử dụng đám mây điểm làm cận dưới kích thước, mô phỏng vật lý loại bỏ xuyên thấu/lơ lửng, và agentic audit sửa lỗi vị trí còn sót lại.

Chuyên gia mật mã học Matthew Green cảnh báo nguy cơ AI làm suy giảm niềm tin vào các thuật toán mã hóa khóa công khai hiện tại (15% xác suất) và khả năng tồn tại trong thế giới 'Minicrypt' (1% xác suất) nơi mã hóa khóa công khai bất khả thi. Thách thức cốt lõi nằm ở độ trễ lớn giữa tốc độ AI tạo ra bất ngờ và tốc độ con người cập nhật tiêu chuẩn bảo mật, đòi hỏi các tổ chức phải chủ động chuẩn bị các phương án phòng bị từ sớm.

Nghiên cứu thực nghiệm chỉ ra rằng các lựa chọn về giao thức đánh giá (cách chia dữ liệu, bộ phân tích cú pháp, mức độ hiển thị dữ liệu đích) có thể làm thay đổi hoàn toàn kết luận về hiệu năng của các mô hình phát hiện bất thường trong nhật ký log trên tập dữ liệu HDFS và BGL. Việc chia ngẫu nhiên hoặc rò rỉ thông tin template đích tạo ra kết quả ảo tưởng gần mức trần, trong khi đánh giá theo thời gian và chia group-disjoint phản ánh sát thực tế hơn, đồng thời nhấn mạnh sự cần thiết của việc đo lường chi phí tài nguyên từng thành phần.

Nghiên cứu giới thiệu MEND (Masked Empirical-Bayes Neural Denoising), phương pháp không cần nhãn (label-free) giúp phát hiện, định vị và hiệu chỉnh hiện tượng ảo giác tiềm ẩn (latent hallucination) trong World Models tại thời điểm suy luận trên mô hình đóng băng. Với mạng conditional score network duy nhất được huấn luyện qua denoising score matching, MEND đạt AUROC tới 0.80 trong phát hiện ảo giác và AUPRC tới 0.87 trong định vị lỗi trên từng patch ảnh trong hai môi trường điều hướng.

Nghiên cứu giải thích cơ chế các mô hình lai (kết hợp các lớp trộn cục bộ như sliding window attention và gated linear attention với các lớp global attention không dùng mã hóa vị trí - NoPE) có thể ngầm định mã hóa vị trí tương đối. Nhờ 'recency bias' sinh ra trong luồng dư (residual stream) từ các lớp cục bộ và được chọn lọc bởi global attention logits, mô hình duy trì được thông tin vị trí trên chuỗi dài, mở ra hướng đi cho việc ngoại suy độ dài ngữ cảnh vô hạn.

Nghiên cứu đánh giá thực nghiệm vai trò của ràng buộc residual từ phương trình vật lý đã biết trên các mô hình Neural PDE so với các phương pháp regularize thông thường và baseline từ đầu. Kết quả cho thấy residual vật lý vượt trội bền vững và mở rộng theo dung lượng mô hình trên các PDE phi tuyến tính (Burgers, KdV, Allen-Cahn), ngay cả trong điều kiện giám sát đầy đủ dữ liệu; tuy nhiên lợi thế này biến mất trên các PDE tuyến tính. Đáng chú ý, việc áp đặt residual sẽ phản tác dụng khi độ phân giải lưới quá thô, và các phương pháp pretraining liên họ phương trình không vượt trội hơn mô hình baseline chuẩn.

Nghiên cứu kiểm tra tính trung thực nhân quả trong lý do từ chối ứng viên của mô hình ngôn ngữ bằng phương pháp can thiệp chèn sự kiện thực tế vào hồ sơ đối thủ dưới chế độ greedy decoding. Thử nghiệm trên 6 mô hình mở với 2WikiMultihopQA cho thấy việc bổ sung sự kiện bị thiếu làm thay đổi lựa chọn nhiều hơn câu đối chứng không liên quan (OR 3.57, p=0.0210). Tuy nhiên, một câu không liên quan chèn vào đối thủ được nêu tên lại tạo ra thay đổi mạnh nhất (p=0.0008), chứng minh phản hồi bị chi phối nhiều bởi vị trí chèn hơn là nội dung ngữ nghĩa logic. Ngoài ra, đo lường xác suất token đơn mâu thuẫn với lựa chọn văn bản tự do, và quy tắc phân tích chuỗi gặp lỗi parsing tới 17.1%.

Nghiên cứu chỉ ra điểm mù lớn của các phương pháp ICL post-training hiện nay: tập trung vào trích xuất mẫu từ ngữ cảnh nhưng bỏ qua thẩm quyền ngữ cảnh (context authority), khiến độ chính xác thực tế giảm tới 14,95 điểm % khi gặp ngữ cảnh sai lệch. Nhóm tác giả giới thiệu bộ benchmark FakeContextBench trên 7 lĩnh vực và đề xuất khung huấn luyện Jurisdiction In-Context Learning (J-ICL) tích hợp xác thực ngữ cảnh. J-ICL giúp tăng ICLEval thêm 5,84 điểm %, độ chính xác thực tế thêm 9,20 điểm % trên 4 mô hình nền tảng và tăng Reality Rate thêm 18,09 điểm so với MetaICL và Symbol Tuning.

Dựa trên tập dữ liệu sản xuất GenTD26 của Alibaba, nghiên cứu phân tích mạng lưới đồng xuất hiện của LoRA adapter trong dịch vụ suy luận mô hình diffusion. Kết quả cho thấy mạng lưới cực kỳ thưa thớt theo phân phối đuôi dài; nạp adapter đầu tiên làm tăng 66,1% độ trễ nhưng chi phí biên giảm dần; 90,6% yêu cầu đa adapter dùng chung base model; và top 10 model có tỷ lệ biến động 54,5% mỗi 12 giờ. Tác giả đề xuất giải pháp nạp trước dựa trên top-k co-occurrence, đạt độ bao phủ 81,0% với k=3, tạo cơ sở thực nghiệm tối ưu bộ nhớ GPU và lập lịch suy luận.

GrapeSplat là kiến trúc feed-forward 3D Gaussian Splatting cho phép tái tạo cảnh 3D hoàn chỉnh từ các bức ảnh chưa biết thông số và góc chụp camera (pose-free, uncalibrated) trong một lần chạy duy nhất mà không cần tối ưu hóa từng cảnh. Mô hình sử dụng Atlas Encoder để ánh xạ các góc nhìn thành đặc trưng hình học - diện mạo gắn với điểm 3D, module PEACH-Vox nén không gian mở thành lưới voxel thưa, và Sparse Decoder để giải mã các Gaussian từ các ô bị chiếm dụng. GrapeSplat có khả năng tổng quát hóa zero-shot từ 4 đến 64 góc nhìn và đã được công khai mã nguồn cùng trọng số tiền huấn luyện trên GitHub.