Research

SLKR (Semantic Label Knowledge Retrieval) là khung RAG tập trung vào nhãn (label-centric) cho bài toán phân loại văn bản zero-shot, tách biệt pha xây dựng tri thức offline và suy luận nhẹ online. Ở pha offline, LLM đầu bảng tạo định nghĩa nhãn, từ khóa truy vấn và quy tắc ranh giới (boundary rules) cho các cặp nhãn dễ nhầm lẫn thành kho tri thức tái sử dụng, giúp khấu hao chi phí trên toàn bộ không gian nhãn. Ở pha online, hệ thống kết hợp truy xuất ngữ nghĩa và từ vựng để chọn top-K nhãn ứng viên cùng tối đa M quy tắc ranh giới liên quan đến đầu vào; sau đó LLM nhỏ (như Qwen3.5-4B hay Ministral-3-3B) chỉ cần một lượt gọi duy nhất với ngữ cảnh tinh gọn để phân loại chính xác mà không cần dữ liệu mẫu gán nhãn trước.

Nghiên cứu kiểm chứng mô hình quyết định (tiêu biểu là Jev) và LLM mã nguồn mở trong chẩn đoán lỗi hệ thống HVAC trên 128 ngày lỗi từ 4 bộ dữ liệu thực tế. Khi được cung cấp đặc trưng vật lý, mô hình chẩn đoán tốt các lỗi thể hiện trên một đặc trưng đơn lẻ và duy trì độ chính xác lẫn calibration trước phân phối lệch (thay đổi mùa, cấu hình, tòa nhà) – vượt trội so với mô hình giám sát (bị giảm 0.33 macro-F1). Tuy nhiên, khả năng phát hiện lỗi còn yếu, chưa xử lý được lỗi cần ngữ cảnh vận hành và xác suất vẫn cần hiệu chỉnh. Nghiên cứu đề xuất kiến trúc phân chia: code tính toán đặc trưng vật lý và mô hình xếp hạng các lỗi tiềm năng cho người vận hành.

Nghiên cứu giới thiệu Latent Flow Reasoning Models (LFRMs), một phương pháp tiếp cận mới áp dụng continuous latent diffusion vào các bài toán suy luận logic và sinh mã nguồn. Nhận thấy giải mã chính xác đơn thuần không đảm bảo năng lực suy luận tốt, nhóm tác giả học biểu diễn nén từ nhiều tầng của một autoregressive teacher model, cho phép khử nhiễu bất đồng bộ ở các tốc độ khác nhau. Mô hình sử dụng staged curriculum để huấn luyện bộ mã hóa prompt gọn nhẹ thay thế teacher khi suy luận, đồng thời kết hợp DiffusionNFT với gold-solution endpoints để xử lý vấn đề phần thưởng thưa thớt. Với quy mô 638M tham số, LFRM-L đạt 63.74% pass@1 trên GSM8K và 32.85% trên HumanEval, vượt qua các mô hình khuếch tán liên tục trước đó.

Nghiên cứu chỉ ra rằng độ chính xác, tính nhất quán và sự đồng thuận giữa các LLM trong hỗ trợ quyết định lâm sàng là các chỉ báo dễ gây hiểu lầm về độ trung thực (faithfulness) của lập luận. Tác giả đề xuất 3 chỉ số định lượng mới gồm ESI, CFS và PSS. Đánh giá 6 LLM trên 150 câu hỏi MedQA-USMLE cho thấy chỉ 23,3% khái niệm lâm sàng được mô hình nêu ra thực sự có tính chất nhân quả. Đặc biệt, các câu trả lời đúng lại có điểm CFS thấp hơn câu trả lời sai (0,212 so với 0,398) và tính nhất quán tỷ lệ nghịch với độ trung thực nhân quả.

CS-ViT là khung mô hình dựa trên Vision Transformer nhằm ước lượng tư thế bàn tay 3D chính xác trong hệ tọa độ camera từ ảnh RGB đơn sắc. Phương pháp giải quyết hai rào cản lớn gồm sự mơ hồ về độ sâu (depth ambiguity) và hiệu ứng ghép cặp giữa tư thế cục bộ và vị trí cổ tay toàn cục trong phép chiếu phối cảnh. Mô hình áp dụng hai cơ chế mới là Transformation-Isomorphism Supervision và Perspective Information Embedding trong kiến trúc encoder-decoder, kết hợp chiến lược huấn luyện đa tập dữ liệu nhận biết tốc độ khung hình. CS-ViT vượt qua SOTA tới 37.1% về sai số CS-MJE trên tập dữ liệu HO3D và đã được mở nguồn mã nguồn.

Nghiên cứu giới thiệu phương pháp luận kết hợp mô hình thay thế (neural network ensembles) thích ứng và thiết kế ngược dựa trên mô phỏng cho thiết bị tạo giọt vi lưu (microdroplet generator). Bằng cách khai thác dữ liệu từ mô phỏng Volume-of-Fluid (VoF) độ chính xác cao và lượng hóa độ bất định nhận thức (epistemic uncertainty), nhóm nghiên cứu xác định độ bất định tập trung chủ yếu ở ranh giới chuyển tiếp chế độ dòng chảy. Chiến lược bổ sung mô phỏng nhắm mục tiêu vào các vùng nhạy cảm này kết hợp thuật toán Tối ưu hóa bầy đàn (PSO) giúp tăng gần gấp đôi tỷ lệ dự đoán chính xác cao (sai số 0-3%) và giảm mạnh chi phí điện toán khi thiết kế cấu hình vi lưu đạt kích thước giọt mong muốn.

Nghiên cứu giới thiệu kỹ thuật mã hóa SAT mới cho chuỗi ràng buộc At-Most-K dạng bậc thang (Ladder AMK). Bằng cách phân tách chuỗi ràng buộc thành các khối riêng biệt, mã hóa từng khối bằng Sequential Counter và liên kết các khối liền kề bằng các mệnh đề tương đương, phương pháp giúp giảm đáng kể số biến và mệnh đề sinh ra. Đây là nghiên cứu đầu tiên đề xuất mã hóa SAT cho Ladder AMK với k > 1, cho hiệu năng vượt trội hơn các bộ giải BDD, Constraint Programming (CP) và Mixed Integer Programming (MIP) trên hai bài toán tổ hợp thực tế là Anti-bandwidth và Nurse Rostering.

Nghiên cứu chỉ ra rằng trong tối ưu hóa prompt và mã nguồn bằng LLM với ngân sách ngắn, cơ chế kế thừa tuần tự từ phiên bản cha mẹ (greedy parent inheritance) đóng góp phần lớn hiệu quả, vượt trội hơn các kỹ thuật phản ánh lỗi phức tạp như gom cụm lỗi toàn tập hay dùng mô hình lớn hơn. Đồng thời, phân tích chi phí trong GEPA cho thấy khâu validation chiếm phần lớn ngân sách, do đó kế thừa tham lam trên các lỗi thô giúp đạt hiệu quả tối ưu cao với chi phí tính toán tiết kiệm hơn nhiều.

Nghiên cứu đề xuất chỉ số Temporal Variability Score (TVS) dựa trên các mô hình snapshot theo thời gian (point-in-time models) nhằm theo dõi động học tiếp thu tri thức trong quá trình pretraining LLM. Đánh giá trên 6 benchmark và 6 mô hình nguồn mở cho thấy các mục tri thức có biến thiên thời gian cao (high-TVS) và thấp (low-TVS) được học tương đương ở giai đoạn đầu, nhưng high-TVS bứt phá mạnh ở giai đoạn sau và vượt trội low-TVS trong 34/36 thiết lập (trung bình hơn 7,3 điểm chance-normalized accuracy), đặc biệt trên các tác vụ đòi hỏi nhiều tri thức.

Nghiên cứu giới thiệu SR-BEVS (Sparse Recovery Bird's-Eye View Model Soup), giải pháp nâng cao độ bền vững và độ chính xác cho mô hình nhận diện vật thể 3D từ camera dạng BEV (như Fast-BEV) mà không cần thêm dữ liệu hay thay đổi kiến trúc. Bằng cách tỉa ngẫu nhiên dựa trên độ lớn trọng số để tạo các mô hình thưa đa dạng, huấn luyện lại với tốc độ học ngẫu nhiên rồi trung bình hóa trọng số (model soup) thành một mô hình duy nhất, SR-BEVS giúp tăng tới 33.8% độ bền vững trước biến dạng môi trường và tăng 1.8% độ chính xác trên nuScenes mà không gây phát sinh độ trễ suy luận.

Nghiên cứu "Beyond Belief" đánh giá độ nhạy cảm của 5 mô hình ngôn ngữ lớn (LLM) có sử dụng công cụ đối với thông tin sai lệch trên tập dữ liệu gồm 196 thông báo giả mạo và 204 kịch bản tấn công. Kết quả chỉ ra sự mất kết nối nghiêm trọng giữa nhận thức và hành vi: các mô hình vẫn thực hiện các lệnh gọi công cụ gây hại trong 27%–99% trường hợp dù trước đó chính chúng đã xác định thông tin là không đáng tin cậy. Việc yêu cầu đánh giá độ tin cậy trước đóng vai trò như một yếu tố can thiệp làm giảm tỷ lệ thực thi độc hại khoảng 15 điểm phần trăm so với thực thi trực tiếp. Các biện pháp can thiệp cải thiện nhận thức không mang lại sự an toàn tương ứng trong hành động. Cảnh báo trước (forewarning) đơn giản giúp giảm đáng kể tác vụ độc hại ở 4/5 mô hình nhưng phải đánh đổi khả năng hoàn thành nhiệm vụ hợp lệ. Nghiên cứu khuyến nghị đánh giá an toàn cho AI Agent phải dựa trên hành vi thực thi thực tế song song với độ hữu dụng.

PriMa-Causa là kiến trúc bảo trì chỉ định nhân quả (causal prescriptive maintenance) cho sản xuất tự động, giúp xếp hạng hành động bảo trì theo hiệu ứng can thiệp thực tế thay vì tương quan thống kê từ dữ liệu quan sát. Hệ thống gồm ba thành phần: tầng suy luận nhân quả tích hợp vào mô hình PriMa, bộ mô phỏng tham số cung cấp dữ liệu can thiệp chuẩn, và mô hình nền tảng nhân quả dạng bảng điều kiện hóa bằng đồ thị được tiền huấn luyện để phản hồi truy vấn can thiệp chỉ trong một lượt chuyển tiếp. Giải pháp này giúp giảm sai số chỉ định hành động ngay cả khi dữ liệu thưa thớt mà không cần chuyên gia thiết lập mô hình cho từng trường hợp.

PhyNet là khung học sâu tích hợp biến vật lý nhằm chẩn đoán lỗi trong hệ thống vận chuyển chất lỏng công nghiệp có dữ liệu cảm biến không đồng nhất. Mô hình coi biến vật lý là ràng buộc vận hành toàn cục và tín hiệu phản hồi là bằng chứng chẩn đoán cục bộ, kết nối thông qua cơ chế cross-attention mà không cần căn chỉnh thời gian nghiêm ngặt. Thử nghiệm trên 4 bộ dữ liệu (3 tập xâm thực thực tế, 1 tập dòng chảy hai pha) cho thấy PhyNet vượt trội về độ chính xác và khả năng phân biệt trạng thái lỗi phức tạp.

Nghiên cứu đề xuất giải pháp suy luận bảo vệ quyền riêng tư cho mô hình ngôn ngữ lớn (Qwen3.8-27B) bằng cách biến đổi vector nhúng đầu vào ngay trên thiết bị khách. Bằng việc tra cứu embedding cục bộ và đưa vector qua mạng nơ-ron nhỏ 55,6M tham số trước khi truyền tải, máy chủ đám mây chỉ nhận vector đã biến đổi mà không tiếp cận văn bản thô hay token ID. Mạng biến đổi được huấn luyện kết hợp giữa hàm forward-KL và mục tiêu phụ đẩy lệch hướng vector gốc. Thử nghiệm trên 1.490 câu hỏi MMLU cho thấy độ chính xác chỉ giảm 1,5 điểm phần trăm (80,7% so với 82,3%) trong khi 30,1% token nội dung không thể giải mã ngược lại bằng tra cứu láng giềng gần nhất.

VascuSR là khung mô hình khuếch tán (diffusion) nhận thức giải phẫu dạng lặp dành cho siêu phân giải ảnh cắt lớp vi tính (CT), kết hợp tái tạo hình ảnh với hướng dẫn mạch máu 3D tường minh. Phương pháp sử dụng biểu diễn mạch máu 3D cùng bộ tinh chỉnh tạo sinh 3D nhẹ để tập trung vào cấu trúc hình học thay vì ngoại quan CT phức tạp, kết hợp bộ điều khiển giải phẫu đưa cấu trúc vào bộ giải mã diffusion và cập nhật lặp qua từng thể tích tái tạo. Trên tập dữ liệu MSD Task08 và HVM, VascuSR vượt trội hơn các phương pháp nội suy và học sâu về độ chính xác phân vùng (Dice, clDice) và tính toàn vẹn cấu trúc mạch (giảm hơn 20% thành phần liên thông phân mảnh), đồng thời duy trì chất lượng ảnh tương đương mô hình gốc.

Nghiên cứu chứng minh rằng tính ổn định tiến hóa không đồng nghĩa với khả năng tiếp cận học tập trong các hệ thống học tăng cường đa tác nhân (MARL). Thông qua mô hình trò chơi quản trị ba bên (chính phủ, nền tảng, người dùng) trong bối cảnh xe đạp chia sẻ, nhóm tác giả phát hiện rằng dù lưu vực tiến hóa đạt mức tối đa (VE = 1.00), lưu vực học tập thực nghiệm của các thuật toán học tăng cường độc lập phân tán lại rất chênh lệch: ε-IQL đạt 0.88 trong khi Boltzmann exploration và SA-EA BQL đạt 0.00. Kết quả nhấn mạnh việc đa dạng hành vi không đảm bảo duy trì hợp tác, đặt ra khung chuẩn để đánh giá khả năng hội tụ hợp tác thực tế trong mẫu hữu hạn.

FPTR (Feasibility-Preserving Transactional Refinement) là phương pháp tối ưu hóa phân bổ tài nguyên và búp sóng (beam) trong mạng không dây với ràng buộc thời hạn nghiêm ngặt (< 100 ms). Hệ thống luôn duy trì một giải pháp khả thi hợp lệ (incumbent) và tinh chỉnh qua 4 giai đoạn độc lập: ứng viên mới chỉ thay thế incumbent nếu hoàn chỉnh, vượt qua kiểm định tính khả thi trước hạn cutoff và cải thiện hiệu năng. Thử nghiệm cho thấy FPTR tăng lưu lượng truyền tải 1.79% - 8.35% so với các giải thuật heuristic phổ biến (GA, SA, Tabu, ALNS) và đạt độ tin cậy 100% khả thi trong giới hạn thời gian.

Cycle WAM là mô hình thế giới hành động (World Action Model) mới giải quyết vấn đề thiếu nhất quán nhân quả giữa hành động robot và hệ quả hình ảnh. Bằng cách kết hợp đồng huấn luyện chuyển đổi hai chiều và hàm mục tiêu tái tạo chu trình khả vi (cycle-reconstruction objective), mô hình hỗ trợ cả forward và inverse dynamics, tận dụng tối đa pretrained video priors, đồng thời đạt hiệu năng SOTA trên LIBERO-Pro và cải thiện vượt trội trên DROID.

PRIME là tầng quyết định 'plug-and-play' giúp chuyển đổi phản hồi thành hành động sửa đổi tối ưu cho các hệ thống sinh ý tưởng khoa học bằng LLM. Nhằm giải quyết hiện tượng 'lệch pha chẩn đoán - can thiệp' (diagnosis-intervention mismatch) khi việc sửa đổi cục bộ tại vị trí phát hiện lỗi không mang lại ý tưởng tốt hơn, PRIME vận hành qua 3 bước: quy gán cấu trúc (Structural Attribution) trên chuỗi vấn đề - giả thuyết - giải pháp, định tuyến phản thực tế (Counterfactual Routing) qua các mô phỏng rollout nhẹ, và thực thi can thiệp (Intervention Execution) với các ràng buộc bảo toàn chặt chẽ. Kết quả trên 4 bộ benchmark cho thấy PRIME cải thiện vượt trội chất lượng ý tưởng kế nhiệm và độ tin cậy định tuyến.

Nghiên cứu đề xuất Hierarchical Cooperative GFlowNets (HCG), một giải pháp giải quyết hiện tượng sụp đổ khám phá (mode collapse) ở Generative Flow Networks thông qua việc phân vùng động không gian tìm kiếm. HCG thiết lập thứ tự phân cấp, trong đó mô hình bậc cao nhất khám phá toàn bộ không gian còn các mô hình bậc thấp được đẩy sang các vùng chưa được bao phủ, kết hợp với bộ phân loại dùng chung để huấn luyện bất đồng bộ độc lập. Phương pháp đưa ra quy tắc tổng hợp có trọng số chuẩn hóa được chứng minh lý thuyết khôi phục đúng phân phối mục tiêu, cải thiện vượt trội độ bao phủ mode trong tối ưu hóa tổ hợp và thiết kế chuỗi sinh học.

Nghiên cứu đề xuất giải quyết triệt để khoảng cách phương thức (modality gap) trong các mô hình tương phản như CLIP và CLAP bằng cách chuyển đổi hình học miền không gian nhúng từ mặt cầu đơn vị sang đơn diện xác suất (probability simplex). Với các ràng buộc giá trị không âm và tổng bằng 1, đơn diện đóng vai trò như bộ hiệu chuẩn buộc các phương thức dùng chung một hệ tọa độ. Bằng cách tích hợp adapter softmax gọn nhẹ và dùng độ tương đồng Total Variation, phương pháp này giảm khoảng cách centroid l_2 tới 97–99% trên 5 benchmark truy xuất mà vẫn đạt hoặc vượt hiệu năng ban đầu.

TopKLoRA là biến thể LoRA thưa được thiết kế có khả năng diễn giải, chỉ kích hoạt k adapter latent lớn nhất cho mỗi token và được tối ưu hóa trực tiếp theo downstream loss để học các latent mang tính nhân quả. Phương pháp này giúp phát hiện và phẫu thuật loại bỏ chính xác các mạch backdoor (sleeper-agent) trên Gemma-2-2b và Qwen2.5 với kích thước mạch nhỏ hơn tới một bậc độ lớn so với LoRA thông thường, bảo toàn nguyên vẹn hiệu năng instruction-following.

VISH là khung làm việc không cần huấn luyện (training-free), cắm-và-chạy nhằm tiền chọn lọc từ khóa (hotwords) cho mô hình Speech-LLM ASR thông qua thuật toán tìm kiếm Viterbi có ràng buộc trên phân phối xác suất hậu nghiệm CTC cấp khung hình. Biến thể M-VISH và Bi-MVISH giúp mở rộng quy mô danh sách ứng viên lớn, tăng tới 11.7% Best-F1 và giảm 75.2% độ trễ tìm kiếm so với các phương pháp hiện hành.

PerSo là bộ benchmark mới đánh giá hai khía cạnh của trí tuệ xã hội ở các mô hình ngôn ngữ lớn (LLM): trí tuệ nhận thức (suy luận trạng thái tinh thần) và trí tuệ hành vi (chọn hành động phù hợp để đạt mục tiêu). Thay vì dùng kịch bản nhân tạo tách rời, PerSo sử dụng các cuộc đối thoại thuyết phục thực tế từ diễn đàn Reddit ChangeMyView qua quy trình LLM-in-the-loop có con người kiểm định. Kết quả cho thấy mô hình lớn hơn nhìn chung thể hiện tốt hơn; LLM mạnh nhất vượt nhẹ con người giỏi nhất về mặt hành vi, nhưng con người vẫn dẫn đầu về năng lực nhận thức.