Research

Nghiên cứu đề xuất khung học tăng cường (RL) giúp trợ lý AI chủ động làm rõ các yêu cầu chưa rõ ràng (underspecified intents) dựa trên bài toán giá trị thông tin (Value of Information - VoI). Thay vì phỏng đoán hay hỏi tràn lan, hệ thống học cách dự đoán và đặt câu hỏi mang lại giá trị tiện ích cao nhất trong giới hạn số lượt tương tác. Thử nghiệm trên bài toán tạo ảnh với 76 người tham gia (456 phiên) chứng minh mô hình giúp tạo ảnh sát ý định hơn nhưng giảm đáng kể số lượng câu hỏi, thời gian và chi phí tương tác.

RAGStress là một benchmark có kiểm soát dùng để stress-test độ bền vững của các hệ thống RAG trước tình trạng suy thoái cơ sở tri thức (KB). Thay vì giả định KB luôn sạch, RAGStress kết hợp 4 loại suy thoái tự nhiên (sai sự thật, lỗi gõ số, đầu độc độ liên quan, chèn mâu thuẫn) ở 3 mức độ nghiêm trọng trên 57 chủ đề MMLU và 182.546 tài liệu. Qua 52.500 lượt đánh giá, nghiên cứu chỉ ra rằng việc kiểm thử trên KB sạch che giấu sự bất ổn của hệ thống RAG, các sai lệch ngữ nghĩa gây hại hơn nhiều so với nhiễu tín hiệu, và độ chính xác khi không retrieval không phản ánh độ bền vững khi KB bị hỏng. Bộ artifact gồm mã nguồn, prompt suy thoái và schema được công bố đầy đủ.

Nghiên cứu giới thiệu CPF-DDNM (Consecutive Posterior Fusion Denoising Diffusion Null-Space Models), một phương pháp suy luận kết hợp các ước lượng posterior liên tiếp để cải thiện việc khôi phục cấu trúc ảnh không quan sát được trong các bài toán nghịch đảo. Hoạt động trên không gian rỗng (null-space) của DDNM, phương pháp bảo toàn dữ liệu đo đạc, không cần huấn luyện lại mô hình và không tốn thêm lượt đánh giá denoiser, cho hiệu quả vượt trội trong phục hồi ảnh CT liều thấp/thiếu góc và siêu phân giải ảnh y tế.

ARCH-B là bộ benchmark gồm 354 câu hỏi trắc nghiệm qua 11 dạng bài đối chiếu kiến trúc, được trích xuất từ 3,9 triệu hình ảnh nhằm đánh giá khả năng nhận diện một công trình qua nhiều định dạng (ảnh chụp, mặt bằng, mặt đứng, mặt cắt, bản dựng 3D). Thử nghiệm trên 25 mô hình đa phương thức cho thấy độ chính xác dao động từ 10,45% đến 83,90% (so với người không chuyên đạt 35,35%), trong đó các mô hình bộc lộ điểm yếu rõ rệt khi đối khớp bản vẽ mặt bằng với ảnh chụp thực tế.

Nghiên cứu đề xuất mô hình lai giữa Denoising Diffusion và Adversarial nhằm tạo cấu trúc vi mô 3D địa chất dị thể từ hình ảnh 2D. Do không có sẵn dữ liệu 3D đối chứng (ground truth), tác giả thay thế hàm mất mát khử nhiễu thông thường bằng hàm mất mát đối nghịch, giúp quá trình huấn luyện ổn định, giảm thiểu lỗi phân lát và đạt độ tương đồng cao về tỷ lệ pha cũng như các thông số cấu trúc so với thực tế.

Nghiên cứu giới thiệu S4L->Prolog, một khung dịch thuật 4 giai đoạn có cấu trúc giúp chuyển đổi trực tiếp luật giao thông từ ngôn ngữ tự nhiên thành mã logic Prolog có thể thực thi thông qua một prompt định hướng duy nhất. Bằng cách thực hiện trích xuất vai trò ngữ nghĩa, hoàn thiện ngữ cảnh, ánh xạ logic và sinh luật Prolog, S4L đạt độ chính xác 75% trên benchmark 20 quy tắc giao thông thực tế, vượt trội so với các baseline NL->Prolog (60%) và Logical English (55%), đặc biệt hiệu quả trong việc nắm bắt quan hệ nhân quả ngầm định, ngữ nghĩa nghĩa vụ và cấu trúc ngoại lệ.

Nghiên cứu đề xuất khung làm việc neuro-symbolic kết hợp khả năng phân tích ngữ nghĩa của mô hình ngôn ngữ lớn (LLM) với bộ giải ký hiệu xác định Exact Cover nhằm giải quyết các câu đố logic dạng Zebra từ ngôn ngữ tự nhiên. LLM chuyển đổi thực thể và ràng buộc thành các tool call có cấu trúc để dựng bài toán Exact Cover, sau đó bộ giải ký hiệu tính toán nghiệm và phản hồi lặp lại (về trạng thái không hợp lệ, thiếu hoặc thừa ràng buộc) để mô hình tinh chỉnh mã hóa. Kết quả thực nghiệm trên nhiều quy mô tham số và họ LLM cho thấy giải pháp vượt trội đáng kể so với Chain-of-Thought và các phương pháp neuro-symbolic hiện có.

BURGER là một bộ benchmark đánh giá năng lực mô hình Vision-Language-Action (VLA) thông qua tác vụ điều khiển robot vẽ tranh theo ngôn ngữ tự nhiên. Nghiên cứu cung cấp pipeline tạo quỹ đạo vẽ tự động với 28.200 minh họa mô phỏng trên 282 tác vụ, đồng thời đánh giá 5 mô hình VLA tiêu biểu và triển khai thử nghiệm thực tế thành công trên cánh tay robot Franka Panda.

Bài tổng quan tích hợp nghiên cứu tác động dài hạn của AI tạo sinh đối với 'vốn nhận thức' (cognitive capital) của cá nhân và tổ chức — kho tri thức, kỹ năng nhận thức và siêu nhận thức cần thiết để học hỏi và ra quyết định. Nghiên cứu phân biệt rõ năng lực của hệ thống người-AI với năng lực độc lập còn lại của con người, chỉ ra rằng hiệu suất phối hợp gia tăng có thể diễn ra đồng thời với sự xói mòn năng lực tự thân. Tác giả đề xuất 4 cơ chế tác động, 7 nguyên lý thực nghiệm và 5 đòn bẩy thiết kế tổ chức nhằm quản trị việc ứng dụng AI một cách bền vững.

Convex-SKM-Net là một lớp mạng nơ-ron giải quyết bài toán thỏa mãn ràng buộc lồi với độ trễ thấp. Phương pháp xây dựng các nửa không gian tuyến tính hóa từ hàm oracle phần dư và (dưới) đạo hàm thay vì dựa vào các bộ chiếu bất đẳng thức đặc thù, kết hợp thuật toán dual PGD độ sâu cố định trên GPU. Kỹ thuật cùng huấn luyện bộ dự đoán và ma trận mobility giúp tăng tốc độ suy luận lên đến 144,3 lần trên SOC-MPC và 7,7 lần trên QCQP trong khi vẫn đảm bảo độ khả thi nghiêm ngặt.

Nghiên cứu giới thiệu khung Ego-Knowledge tái dựng trạng thái tri giác của người chơi từ dữ liệu telemetry tần số cao trong Counter-Strike 2 nhằm mô hình hóa phản ứng nhanh (cửa sổ 60–120 ms). Hai mô hình telemetry-native là EMBER (gradient boosting) và ORBIT (custom transformer) đạt độ chính xác lần lượt 73,5% và 71,2%, vượt trội so với baseline ngẫu nhiên (51,5%) và baseline LLM mạnh nhất (62,7%) với chi phí và độ trễ suy luận thấp hơn nhiều bậc độ lớn. Khi bổ sung cửa sổ ngắn sau kích hoạt, độ chính xác nhận diện phản ứng sớm đạt 85,15%.

Bài báo từ Quanta Magazine (tháng 10/2026) ghi nhận việc AI đã chứng minh Giả thuyết Quasi-Riemann (Quasi-Riemann Hypothesis) - một biến thể lý thuyết số quan trọng liên quan đến Giả thuyết Riemann. Mặc dù thông tin cung cấp chỉ gồm tiêu đề và liên kết mà chưa có chi tiết kỹ thuật, sự kiện này đánh dấu bước tiến lớn của AI trong lĩnh vực tự động chứng minh định lý và nghiên cứu khoa học lý thuyết.

Nghiên cứu chỉ ra rằng việc mô hình ngôn ngữ học một sự thật tách biệt hoàn toàn với việc học cách truy xuất sự thật đó qua các dạng câu hỏi khác nhau. Mô hình có thể học cơ chế truy xuất từ trước thông qua việc tiếp xúc với nhiều dạng yêu cầu. Trạng thái ẩn ngay trước câu trả lời (context state) đóng vai trò then chốt: đa dạng hóa dạng câu hỏi giúp context state đồng nhất hơn, và can thiệp vào trạng thái này lúc huấn luyện hoặc truy xuất có thể bật hoặc tắt khả năng truy xuất dữ kiện trên nhiều mối quan hệ thực tế khác nhau.

Nghiên cứu đề xuất quy trình phát hiện hiện tượng học đường tắt (shortcut learning) trong các bộ phân loại âm thanh bằng cách tìm các khái niệm lặp lại trong phần giải thích theo thời gian. Phương pháp này cô lập các đoạn âm thanh quyết định, sinh mô tả bằng tập hợp mô hình âm thanh - ngôn ngữ lớn (LALM) và dùng LLM để trích xuất khái niệm lặp lại giúp chuyên gia kiểm định. Thử nghiệm trên AudioSet Strong chứng minh khả năng phát hiện chính xác các tương quan giả như việc mô hình nghe tiếng cười để suy đoán tiếng vỗ tay.

UQ-LOB là mô-đun định lượng độ bất định (uncertainty quantification) gọn nhẹ và độc lập kiến trúc (encoder-agnostic), có thể gắn vào bất kỳ bộ mã hóa Limit Order Book (LOB) đã huấn luyện trước nào trong giao dịch thuật toán. Lấy cảm hứng từ attentive neural processes, UQ-LOB điều kiện hóa dự báo dựa trên tập ngữ cảnh gồm các cửa sổ vừa hoàn thành đã biết kết quả thực tế. Mô-đun hỗ trợ hai biến thể: UQ-regression (xuất phân phối Gauss chuẩn hóa qua độ dịch chuyển tick, sử dụng SNR dự đoán làm độ tin cậy) và UQ-classification (xuất phân phối xác suất phân loại 3 trạng thái down/up/stationary). Thử nghiệm trên 5,2 tỷ sự kiện LOB thuộc 7 tài sản crypto ở các khung 5s, 10s và 15s cho thấy UQ-regression đạt độ bao phủ khoảng tin cậy xấp xỉ 68%. Khi chỉ giữ lại 10% dự đoán có độ tin cậy cao nhất, chỉ số macro F1 định hướng tăng 0,11–0,15 (regression) và 0,05–0,11 (classification), đạt F1 tới 0,88 (chiều giảm) và 0,83 (chiều tăng) ở khung 5s đối với các bước dịch chuyển giá lớn.

BiCFlow-MER là khung làm việc mới cho nhận dạng cảm xúc đa phương thức (audio-text), kết hợp giữa cơ chế phân biệt và mô hình hóa bằng chứng tạo sinh qua chuyển dịch có điều kiện (conditional transport). Phương pháp này tách biệt cảm xúc khỏi phong cách nói và ngữ nghĩa từ vựng, giải quyết mâu thuẫn giữa các phương thức bằng dòng chỉnh lưu hai chiều (bidirectional rectified flow) cùng cơ chế xác thực kép. Mô hình đạt hiệu quả vượt trội trên các benchmark IEMOCAP, MELD và zero-shot CASE.

Nghiên cứu chỉ ra các hạn chế nghiêm trọng của bảng xếp hạng LLM tổng quát hiện nay, bao gồm: sự sai lệch giữa cấu hình thử nghiệm và phiên bản phát hành, xung đột lợi ích thương mại, nhiễm bẩn dữ liệu và bão hòa benchmark, việc mô hình khai thác kẽ hở tính điểm, cùng sự thiếu tương quan với tác vụ thực tế. Tác giả đề xuất quy trình đánh giá minh bạch cấu hình, đo lường toàn diện kèm chi phí và thời gian thực thi, đồng thời phân tích nền tảng crowdsource Isotanta để chứng minh rằng việc mở rộng tập câu hỏi và lấy mẫu lặp lại không thể thay thế cho việc đánh giá chuyên biệt theo từng tác vụ (task-specific evaluation).

Nghiên cứu đề xuất khung phân loại khuyết tật bản đồ wafer (wafer map) 6 lớp theo hướng zero-shot, không cần huấn luyện (training-free) dựa trên mô hình đa phương thức lớn (LMM) đóng băng. Phương pháp kết hợp làm nổi bật thành phần liên thông với các prompt nhận biết hình thái, vị trí và luật loại trừ có thứ tự. Thử nghiệm đạt độ chính xác tổng thể 93.8% trên Mixed-WM38 và 81.3% trên WM811K.

Nghiên cứu đề xuất quy trình hồi quy biểu tượng (symbolic regression) có hiệu chuẩn dành cho quang phổ học tập hợp tâm nitrogen-vacancy (NV) trong kim cương. Phương pháp này liên kết phổ tập thể với cấu trúc spin vi mô của từng tâm đơn lẻ thông qua việc tìm kiếm có ràng buộc các toán tử Hermitian từ dữ liệu ODMR và hiệu chuẩn đáp ứng quang học cũng như nhiễu loạn cục bộ. Kết quả thực nghiệm cho thấy sai số RMSE giảm 56,2% ở điều kiện không từ trường và dự đoán chính xác phổ ở 5,17 mT trong mô phỏng QuTiP với sai số tương đương độ lệch chuẩn của nhiễu.

SemantEq là phương pháp xác thực tương đương ngữ nghĩa hai chiều (bidirectional equivalence) cho quá trình tự động hình thức hóa toán học sang Lean 4. Phương pháp giải quyết nghịch lý khi kiểm tra tương đương logic thông thường (P ↔ Q) bị chấp nhận tầm thường nếu thư viện chứng minh được cả hai (P ↔ True ↔ Q). SemantEq ràng buộc phép chuyển đổi chỉ qua các bước hợp lệ (sắp xếp logic, viết lại phương trình thư viện) và kiểm tra trực tiếp proof term của Lean. Thuật toán SemantEq-Eval đạt 100% precision và 65.6% recall trên ProofNetVerif. Kết hợp SemantEq-ProofAudit để kiểm định chứng minh từ LLM, hệ thống loại bỏ toàn bộ 104 cặp không tương đương (chấp nhận 0%) và nâng recall lên 81.1% trên 407 cặp tương đương.

Nghiên cứu chỉ ra rằng các mô hình suy luận có khả năng kiểm soát chuỗi suy luận (CoT) cao hơn nhiều so với các đánh giá trước đây nếu ràng buộc được đưa vào dưới dạng tự hướng dẫn (self-instruction) bên trong chính CoT thay vì chỉ ở user prompt. Kỹ thuật này có thể được kích hoạt gián tiếp từ prompt người dùng mà không cần can thiệp kênh suy luận. Tuy nhiên, khả năng này cũng làm tăng rủi ro né tránh giám sát an toàn (monitor evasion).

Nghiên cứu chỉ ra điểm yếu của các mô hình MLLM khi không nhận diện được 'Squint Text' (chữ ẩn trong cấu trúc thô của ảnh mà mắt người đọc được khi nheo mắt) trong các luồng kiểm duyệt thực tế. Nhóm tác giả công bố hai bộ dữ liệu SquintBench và SquintCtrl, đồng thời chứng minh điểm nghẽn chính nằm ở khâu lựa chọn không gian và ảnh hưởng của tần số cao. Để giải quyết, phương pháp Squint OPSD sử dụng mô hình giáo viên với ngữ cảnh đặc quyền (ảnh thu nhỏ và nhãn chuẩn) để chưng cất on-policy cho học sinh, giúp nâng điểm ANLS trên SquintBench từ 26.50 lên 88.61 trên ảnh gốc mà không cần thêm ảnh phụ trợ lúc suy luận.

Nghiên cứu giới thiệu khung làm việc xây dựng và diễn giải các mô hình Transformer tối giản bằng cách cố định kích thước embedding và attention head về 2. Thiết kế này cho phép trực quan hóa 2D toàn bộ các biểu diễn nội bộ (embedding, ma trận Q/K/V, ma trận attention, residual stream và ranh giới quyết định), chứng minh rằng hình học thông tin học được phản ánh một thuật toán xử lý từng bước cụ thể.

Nghiên cứu đề xuất khung truy xuất nguồn gốc tạo sinh (generation provenance) bằng cách đóng gói đối tượng nghiên cứu tổng hợp (synthetic research objects) liên kết thông số nguồn, waveform, checklist dữ kiện, tín hiệu chất lượng và manifest bất biến. Thử nghiệm trên pipeline bàn giao y tế tiếng Nhật (113 tài sản, 1,552 giờ thoại) cho thấy nguồn gốc tạo sinh là điều kiện cần để xác định đồ thị nhân quả, nhưng việc quy gán hành vi mô hình vẫn bị cản trở bởi prompt không phiên bản hóa, thiếu tem nhãn TTS/code và bí danh bộ tạo trôi nổi.