Research

StateCraft là kiến trúc mới kết hợp mô hình ngôn ngữ (LLM) và mô hình khuếch tán video (video diffusion model) nhằm tăng cường suy luận trạng thái trừu tượng cho các mô hình thế giới video. Phương pháp này tách rời trạng thái trừu tượng bền vững (theo dõi các thay đổi của thực thể) khỏi trạng thái thị giác (khung nhìn hiện tại), giải quyết điểm yếu mất nhất quán khi hành động tác động lên các vùng không quan sát được. Nghiên cứu đi kèm pipeline thu thập dữ liệu tự động, benchmark chuyên biệt và chứng minh tính hiệu quả vượt trội trên giao diện tương tác cùng thử nghiệm không gian 3D.

Nghiên cứu cắt ngang trên 155 thanh thiếu niên (14–20 tuổi) nhằm đánh giá chuyển động mắt khi thực hiện tác vụ nhìn tự do cảm xúc - không gian và hồi tưởng định hướng trí nhớ như một dấu ấn sinh học kỹ thuật số khách quan cho mức độ trầm cảm (đo theo thang HDRS-17). Mô hình xu hướng thứ bậc hiệu chỉnh đồng biến chỉ ra rằng trầm cảm nặng hơn tương quan chặt chẽ với giảm entropy phân bổ ánh nhìn (standardized β = -0.599), giảm số lần chuyển vùng nhìn (β = -0.526), tăng thời gian trễ trước khi nhìn vào mục tiêu đầu tiên (β = 0.572) và giảm tỷ lệ dừng nhìn tại mục tiêu (β = -0.678) với q < 0.001. Đáng chú ý, các thước đo thiên kiến chú ý theo cảm xúc không tương quan với mức độ trầm cảm, còn mối liên hệ của độ phân tán định vị mắt suy yếu khi kiểm soát triệu chứng lo âu. Bộ phân loại tầng 3 giai đoạn kết hợp 44 đặc trưng chuyển động mắt và nhân khẩu học đạt hiệu năng phân tầng 4 mức độ cao nhất (Accuracy: 0.665, Macro-F1: 0.670, AUROC: 0.869), mở ra hướng tiếp cận hỗ trợ quyết định lâm sàng kịp thời.

ONESHOT là phương pháp phát hiện bất thường trên chuỗi thời gian giải quyết hạn chế không có mô hình tối ưu phổ quát bằng cách tận dụng một nhãn bất thường duy nhất được người vận hành xác nhận. Thay vì chọn cứng một detector hoặc tính trung bình giản đơn trên tập hợp mô hình (pool), ONESHOT chấm điểm từng detector trên sự kiện đã xác nhận đó để tạo trọng số hòa trộn mềm (soft mixture) cho toàn pool. Đánh giá trên 152 chuỗi đơn biến và 73 chuỗi đa biến cho thấy phương pháp tiệm cận mô hình tốt nhất cho chuỗi và vượt trội hơn detector đơn lẻ mạnh nhất cũng như phương pháp chọn detector tốt nhất trên sự kiện đó. Mã nguồn đã được công khai trên GitHub.

Vitalik Buterin ủng hộ đề xuất kích hoạt 'bunker mode' (chế độ phòng thủ nghiêm ngặt) cho crypto do Justin Drake khởi xướng, trong bối cảnh các tiến bộ toán học vượt bậc của AI được cảnh báo có thể phá vỡ tính bảo mật của ví tiền mã hóa trong vòng vài tháng.

Nghiên cứu giới thiệu HRIL (Higher-order Representation and Information Learning), một phương pháp học biểu diễn đa phương thức tự giám sát tập trung vào việc thu nhận thông tin hiệp đồng (synergy). HRIL xây dựng tensor mô-men chéo (empirical cross-moment tensor) trên các embedding, áp dụng phân tích Tucker để trích xuất core tensor và kết hợp bộ điều chuẩn nhận biết hiệp đồng (synergy-aware regularizer) để duy trì khả năng liên kết bậc cao, mang lại hiệu quả vượt trội trên các tác vụ đa tương tác phức tạp.

SeqSmoother là mô hình chuỗi thời gian dựa trên Transformer giúp ước tính nhịp tim khi ngủ chỉ từ gia tốc kế đeo tay mà không cần cảm biến quang học. Mô hình kết hợp đặc trưng phổ, mốc tần số từ Nightbeat và tỷ lệ hạ hài vật lý nhằm phát hiện lỗi bắt tần số hài (đạt AUROC 0.972). Trên 13 fold đánh giá, SeqSmoother đạt MAE 1.60 bpm và cung cấp độ phủ thời gian rộng hơn đáng kể so với Nightbeat (vốn chỉ đưa ra kết quả cho 72.85% khoảng thời gian hợp lệ).

Nghiên cứu giới thiệu phương pháp và bộ benchmark 'Watch, Infer, Coordinate' nhằm giải quyết bài toán phối hợp zero-shot giữa các robot trong các tác vụ thao tác vật lý liên kết. Bằng cách quan sát hành vi phối hợp chung giữa một robot đối tác có giới hạn phần cứng (do hao mòn hoặc lỗi bộ truyền động) với một robot khác, mô hình có thể suy luận chính xác các ràng buộc vật lý tiềm ẩn dù có sự bù trừ hành vi, từ đó phối hợp hiệu quả trong tác vụ mới mà không cần huấn luyện lại.

Nghiên cứu giới thiệu RoVR-GSPO, bộ tối ưu hóa chính sách theo nhóm (group-relative policy optimization) với kiến trúc hai kênh nhằm khắc phục độ nhạy cảm trước các điểm ngoại lai cục bộ. Phương pháp giải quyết riêng biệt hai điểm nghẽn: kênh phần thưởng kết hợp ước lượng tham chiếu mạnh mẽ cùng tín nhiệm phần dư có chặn để chống sụp đổ tương phản sau chuẩn hóa nhóm; kênh tỷ lệ sử dụng phép tổng hợp vi phân SoftRoVR để tạo trọng số chuỗi bền vững trước nhiễu log-ratio token. Thử nghiệm trên suy luận toán học, tóm tắt ngữ cảnh dài và chú thích gọi công cụ cho thấy RoVR-GSPO vượt trội rõ rệt so với GSPO về hiệu năng và khả năng chống chịu ô nhiễm phần thưởng.

Nghiên cứu giới thiệu UECR-GRPO nhằm giải quyết hạn chế của RLVR (chỉ giám sát đáp án cuối, thiếu tín hiệu token) và On-policy Distillation (phản hồi dày đặc nhưng giáo viên có thể sai lệch). Phương pháp thống nhất hai tín hiệu qua hai cơ chế: Path-Utility Unification (PUU) đưa tín hiệu giáo viên vào trước chuẩn hóa nhóm để ảnh hưởng xếp hạng câu trả lời, và Entropy-Calibrated Redistribution (ECR) dùng khoảng cách token cùng entropy toàn từ vựng để tái phân bổ tín chỉ nhưng vẫn bảo toàn tổng tín chỉ thông qua phép chiếu zero-sum. Thực nghiệm trên 5 bộ dữ liệu toán học với Qwen3-1.7B và Qwen3-4B vượt qua các baseline mạnh nhất.

CellCanon là mô hình thế giới tế bào dạng tác tử đầu tiên hợp nhất dự đoán biểu hiện gen đơn bào, giải thích dựa trên bằng chứng nguồn và cập nhật theo quan sát thực nghiệm. Nhờ trạng thái thế giới dùng chung và tái sử dụng bằng chứng sinh học, mô hình cải thiện 63,3% AUPRC và 17,3% Macro-F1 biểu hiện vi sai trên 339 điều kiện SciPlex3, đồng thời giảm hơn 98-99% lượng token LLM so với phương pháp suy luận từng gen và cập nhật hiệu quả từ dữ liệu đo mới mà không cần đổi trọng số.

SeqoFlow là framework runtime mới giúp tối ưu hóa và lập lịch đồng thời cho các truy vấn ngữ nghĩa kết hợp giữa xử lý quan hệ và toán tử LLM trên dữ liệu phi cấu trúc. Để giải quyết tính biến động động ở cả cấp độ liên truy vấn (thay đổi lưu lượng, tài nguyên) và nội bộ truy vấn (chi phí, độ chọn lọc thay đổi theo batch), SeqoFlow phân rã truy vấn thành các đơn vị batch mịn để thích ứng kế hoạch an toàn, kết hợp cơ chế ước tính đầu cơ nhẹ chi phí runtime nhằm loại bỏ sự phụ thuộc vòng giữa lập lịch và tối ưu hóa kế hoạch thực thi, từ đó giảm đáng kể độ trễ end-to-end.

Nghiên cứu khảo sát hiện tượng mô hình ngôn ngữ lớn (LLM) dựa dẫm vào các 'đường tắt' trong câu truy vấn (query shortcuts) thay vì bám sát chuỗi suy luận (rationale) khi sử dụng Chain-of-Thought (CoT). Để khắc phục, tác giả đề xuất Rationale Contrastive Decoding (RCD) - một biến thể của Context-Aware Decoding (CAD) giúp khuếch đại các token có xác suất tăng lên nhờ vào rationale thông qua việc so sánh phân phối token khi có và không có rationale. Phương pháp này hoàn toàn không cần huấn luyện (training-free), có nền tảng lý thuyết từ bài toán tối ưu phần thưởng điều chuẩn KL, và đã được chứng minh qua 5 benchmark suy luận là giúp tăng độ chính xác cũng như gia tăng sự phụ thuộc thực chất của câu trả lời vào chuỗi suy luận.

Nghiên cứu phân tích nền tảng lý thuyết của bộ tối ưu Muon thông qua việc mở rộng Mô hình Độ cong Đẳng hướng (ICM) sang bán kính ngẫu nhiên (RR-ICM). Kết quả phát hiện hiện tượng 'dễ vỡ bán kính' (radial fragility): với phân phối bán kính liên tục bất kỳ, tính tối ưu của nhân tử cực ma trận gradient gặp phải hiện tượng 'cứng nhắc dung lượng bằng không' (chỉ tối ưu khi gradient là đẳng cự cột). Để giải quyết vấn đề này, tác giả đề xuất Minimax RR-ICM, thay thế lấy trung bình phương hướng bằng tối ưu hóa trường hợp xấu nhất, chứng minh rằng mọi cực tiểu toàn cục khác không đều nằm trên tia cực của gradient, thiết lập hình học phiến vết bán xác định dương cho Muon.

SpaceFlow là một pipeline sinh mô hình 3D không cần huấn luyện (training-free), cho phép kiểm soát cục bộ cả về mặt hình thái học và ngoại quan thông qua văn bản kết hợp với các khối hình học cơ bản (primitives). Phương pháp này cho phép người dùng tùy chỉnh mức độ tuân thủ hình dạng trên từng bộ phận và áp dụng điều kiện văn bản hoặc hình ảnh riêng biệt cho từng vùng nhằm triệt tiêu hiện tượng rò rỉ thuộc tính giữa các bộ phận.

BiasFlow là bộ công cụ hook-based dùng để giám sát hình học biểu diễn đặc trưng (gồm căn chỉnh trọng tâm lớp-thuộc tính IBMI, tách biệt trọng tâm trong cùng lớp W-IBMI và độ nhạy chiếu đặc trưng) nhằm chẩn đoán sự phụ thuộc vào thuộc tính giả. Nghiên cứu giới thiệu thêm BiasFlow Regularization (BFR) - một hàm phạt căn chỉnh trọng tâm có điều kiện theo lớp giúp cải thiện hoặc duy trì worst-group accuracy (WGA), đạt mức tăng tới +26.0 pp trên UrbanCars và tăng WGA từ 40.7% lên 64.1% khi kết hợp GroupDRO trên CelebA-Std trong bài kiểm tra đóng băng backbone rồi huấn luyện head mới trên dữ liệu thiên lệch.

CCQ là bộ dữ liệu quy mô lớn gồm 59.372 hồ sơ nhà cung cấp dịch vụ chăm sóc trẻ em tại 12 bang của Mỹ, phục vụ nghiên cứu ứng dụng AI trong chăm sóc sức khỏe và phát triển trẻ nhỏ. Dữ liệu được chuẩn hóa và khử định danh thông qua pipeline tự động hóa bằng LLM, phát hành dưới hai dạng văn bản và bảng biểu. Kết quả benchmark cho thấy các mô hình phân loại dạng bảng hoạt động tốt nhất trong nội bộ từng bang; khả năng zero-shot giữa các bang kém nhưng có thể phục hồi nhanh chóng chỉ với một lượng nhỏ dữ liệu giám sát từ bang đích. Dữ liệu và mã nguồn được công bố mở toàn bộ.

Nghiên cứu giới thiệu hệ thống phân tách điện năng không cần nhãn từ dữ liệu đồng hồ thông minh độ phân giải 30 phút, phân loại mức tiêu thụ thành 9 nhóm thiết bị bằng cách kết hợp phát hiện sự kiện tải cao và khảo sát người dùng. Thử nghiệm trên 4 bộ dữ liệu lớn cho thấy phương pháp đạt sai số thấp nhất so với các hệ thống độc lập hiện nay, giúp đưa ra khuyến nghị tối ưu chi phí và biểu giá điện hiệu quả.

FurE là phương pháp tái tạo lông thú 3D dạng sợi (strand-based) có thể chỉnh sửa từ ảnh chụp đa góc nhìn mà không cần tập dữ liệu lông thú chuyên biệt. Phương pháp tối ưu trường tiềm ẩn có điều kiện gốc sợi và giải mã hình học sợi qua bộ giải mã PCA được huấn luyện từ tóc người. Đồng thời, FurE bóc tách hình dạng cơ thể động vật bên dưới lớp lông bằng kỹ thuật Gaussian Frosting ràng buộc bề mặt kết hợp tiên nghiệm bộ phận. FurE đạt tốc độ huấn luyện nhanh gấp 10 lần so với các phương pháp SOTA hiện hành mà vẫn bảo toàn độ chân thực trên cả dữ liệu thực tế và tổng hợp.

Nghiên cứu 'Overwhelmed by Choice' chứng minh độ chính xác trong suy luận và ra quyết định của LLM suy giảm rõ rệt khi số lượng ứng viên lựa chọn tăng lên. Hiện tượng này không bắt nguồn hoàn toàn từ giới hạn truy xuất ngữ cảnh dài mà do hai cơ chế lỗi hệ thống: 'Gold-margin collapse' (khoảng cách điểm số giữa đáp án đúng và phương án gây nhiễu thu hẹp dần do giảm tự tin) và thiên vị ứng viên xuất hiện sớm (các lựa chọn sau ít có ảnh hưởng). Áp dụng phân vùng phân cấp và suy luận hoán vị giúp cải thiện ~20% độ chính xác ở quy mô N=160 trên HotpotQA và MIMIC.

CASPER là khung tóm tắt hội thoại hỏi cung (interrogative dialogues) dựa trên kỹ thuật kích hoạt chuỗi suy nghĩ theo thuộc tính (CoT Attribute-Specific Prompting) và tinh chỉnh lặp lại cho lĩnh vực điều tra, pháp y. Nghiên cứu giới thiệu tập dữ liệu MINDSum (6.000 cặp phát ngôn mở rộng từ MIND) cùng cơ chế đánh giá phân tầng RoleEval mô phỏng các vai trò điều tra viên để kiểm tra và nâng cao độ chính xác thực tế cũng như tính đầy đủ của ngữ cảnh.

Nghiên cứu tiếp cận bài toán cắt tỉa mô hình ngôn ngữ lớn (LLM Pruning) bằng cách mô hình hóa việc loại bỏ khối (block removal) thành bài toán tối ưu hóa Ising (Ising Optimization Problem) từ vật lý thống kê. Phương pháp này xem xét việc chọn lọc các block/layer cần giữ lại hoặc loại bỏ dưới dạng tương tác năng lượng nhị phân, hướng đến giảm chi phí tính toán và tối ưu hóa tài nguyên phần cứng.

Nghiên cứu đề xuất khung học máy lai kết hợp đặc trưng có khả năng giải thích nhằm dự đoán các sự kiện an toàn trong giai đoạn hạ cánh từ dữ liệu bay đa biến bị mất cân bằng nghiêm trọng. Hệ thống kết hợp sai số tái tạo liên tục từ LSTM Autoencoder (huấn luyện trên dữ liệu bay chuẩn) cùng các đặc trưng thống kê lịch sử bay, sau đó đưa vào bộ phân loại XGBoost có gán trọng số lớp để phân biệt các trạng thái Normal, Speed High, Path High và Flaps Late. Đánh giá trên 53.750 cửa sổ tiếp cận từ tập dữ liệu NASA DASHlink tại 3 sân bay cho thấy mô hình đạt macro recall trung bình trên 0,90, vượt trội hơn các phương pháp chỉ dùng sai số tái tạo hoặc hard-gate, đồng thời chứng minh mô hình chuyên biệt hóa theo sân bay tối ưu cho nơi nhiều dữ liệu và mô hình gộp tối ưu cho nơi ít dữ liệu.

FlowTranslator là khung dịch máy trong ảnh (IIMT) không cần huấn luyện (training-free), kết hợp OCR và LLM để sinh prompt rồi đưa vào mô hình Text-to-Image diffusion. Bằng cách áp dụng hai cơ chế kiểm soát quỹ đạo Region Coupling Release (RCR) và Coupling Expansion (CE), hệ thống dịch và tái tạo văn bản tự nhiên, giữ nguyên ngữ cảnh hình ảnh và vượt qua mô hình có huấn luyện UniTranslator.

Nghiên cứu giới thiệu HAIDL (Human-AI Interaction Description Language) và middleware HAIDL-X cho JupyterLab nhằm chuẩn hóa tương tác người-AI thành dữ liệu có cấu trúc hạng nhất (first-class data). Thay vì xem tương tác prompt-response là các trao đổi tạm thời, HAIDL lưu vết đầy đủ bối cảnh tính toán, provenance và phản hồi, cho phép truy vấn, tái hiện và phân tích định lượng hành vi người dùng.