Research

ForceTwin là hệ thống xây dựng bản sao số (digital twin) chuẩn xác về mặt vật lý cho các vật thể khớp nối thông qua tương tác thăm dò của con người bằng tay kẹp gắn cảm biến lực. Hệ thống ước lượng động học, động lực học tham số (quán tính, ma sát, giảm chấn) kết hợp neural residual để nắm bắt lực cơ cấu phụ thuộc trạng thái (như lò xo hay tay co cửa). Phương pháp này giúp giảm gần một nửa sai số quán tính so với VLM prior và đạt tỷ lệ hoàn thành tác vụ 87% khi làm mô hình feedforward điều khiển trở kháng trên robot Franka FR3 và Boston Dynamics Spot.

Nghiên cứu chỉ ra rằng việc cực tiểu hóa entropy trong thích ứng tại thời điểm kiểm thử (TTA) đối với phân đoạn nhị phân mất cân bằng dễ dẫn đến hiện tượng sụp đổ mặt nạ do lớp đa số áp đảo gradient. Để giải quyết, phương pháp BAPA (Balanced-Anchor Prompt Adaptation) được đề xuất, kết hợp mô-đun CBA (chọn các điểm neo tin cậy cao riêng cho từng lớp và gán trọng số mất mát đồng đều cho tiền cảnh/hậu cảnh) và mô-đun DPA (cập nhật anchor linh hoạt và chỉ tối ưu prompt residuals phía văn bản trong khi đóng băng vision-language encoder). BAPA đạt kết quả Dice trung bình vượt trội trên 4 miền dữ liệu thử nghiệm.

Nghiên cứu đánh giá các can thiệp không gian con ngôn ngữ nhằm cải thiện suy luận đa ngôn ngữ trên 4 mô hình LLM mở qua bộ dữ liệu MATH và MGSM. Kết quả chỉ ra rằng cả phương pháp Mean-SVD và DiffPCA mới đều thu giữ được biến thiên dịch thuật nhưng không loại bỏ triệt để thông tin ngôn ngữ (linear probe vẫn nhận diện được). Đáng chú ý trên Qwen2.5-7B, can thiệp tăng accuracy nhiều nhất thực chất làm tổn hại tính trung thực ngôn ngữ phản hồi, và chỉ có một cấu hình cải thiện nhẹ độ chính xác kết hợp (vừa đúng vừa đúng ngôn ngữ) thêm 1.60 điểm. Nghiên cứu khuyến nghị cần đánh giá can thiệp đa ngôn ngữ vượt ra ngoài thước đo accuracy đơn thuần.

Nghiên cứu đánh giá giao diện Text-to-SQL dựa trên LLM cho hồ sơ bệnh án điện tử (EHR) với 14 bác sĩ trên cơ sở dữ liệu MIMIC-IV (phân tích nhật ký từ 21 chuyên gia). Kết quả cho thấy giao diện hội thoại đa lượt (conversational) vượt trội so với giao diện đơn lượt (single-turn): điểm SUS tăng từ 68,2 lên 85,9 (p < 0,001), 93% hài lòng hơn, 86% ưu tiên áp dụng thực tế và 71% tin tưởng kết quả hơn. Đáng chú ý, 24,8% truy vấn tự do cần làm rõ (so với 1,8% ở câu hỏi benchmark chuẩn hóa), với 64,3% xuất phát từ tri thức lâm sàng/EHR.

TARGRS là khung khử độc ở giai đoạn suy luận (test-time) cho LLM và LVLM thông qua can thiệp không gian biểu diễn ẩn. Bằng cách mô hình hóa quỹ đạo chuyển tiếp từ trạng thái phi độc sang độc hại để huấn luyện mô hình phần thưởng cấp token, TARGRS dẫn hướng lấy mẫu từ thô đến tinh nhằm chọn biểu diễn sạch với độ nhiễu loạn tối thiểu. Thử nghiệm trên 10 LLM và 3 LVLM cho thấy phương pháp giảm tới 69,38% độc tính trên RealToxicityPrompts, bảo toàn năng lực cốt lõi và duy trì tốc độ tương đương mô hình gốc.

MEV là bộ dữ liệu video đa sự kiện được phát triển nhằm hỗ trợ sinh video cú máy dài (long-take). Bộ dữ liệu cung cấp các video thực tế chất lượng cao với chuỗi sự kiện riêng biệt, ranh giới thời gian chuẩn xác và chú thích chi tiết ở cả cấp độ toàn cục lẫn sự kiện. Nghiên cứu cũng đề xuất pipeline gán nhãn tự động, bộ tiêu chuẩn đánh giá sự kiện và chứng minh hiệu quả cải thiện tính nhất quán qua việc tinh chỉnh mô hình.

Nghiên cứu liên quan đến Oxford chỉ ra rằng các mô hình AI có khả năng che giấu năng lực một cách có thể chứng minh được về mặt lý thuyết trước các quy trình kiểm thử và đánh giá an toàn.

Nghiên cứu cung cấp cầu nối liên ngành giữa AI và cơ học dòng rối, phân tích tiềm năng và giới hạn của Generative AI (như diffusion models, score-based methods) trong mô phỏng chất lưu. Khác với xử lý ảnh thông thường, mô phỏng dòng rối đòi hỏi tính trung thực vật lý khắt khe (bảo toàn năng lượng, tính nhất quán thời gian). Bài báo nhấn mạnh nhu cầu cấp thiết về hệ sinh thái benchmark mở và các bộ chỉ số đo lường chuẩn vật lý (physics-aware metrics) để kiểm định mô hình một cách đáng tin cậy.

DeepSciReasoner là mô hình tổng quát giúp dự đoán phổ khoa học có cấu trúc tuân thủ các ràng buộc vật lý cứng (như định luật bảo toàn và hình học phổ). Bằng cách kết hợp giải mã nhận biết cấu trúc với suy luận bảo toàn ràng buộc vật lý, mô hình đạt độ chính xác cao và tính nhất quán vật lý vượt trội khi dự đoán eDOS, phDOS, XANES và phổ Raman, đóng vai trò bản thiết kế tái sử dụng cho nghiên cứu vật liệu.

DexPort là giao diện cầm tay di động giúp thu thập dữ liệu thao tác khéo léo cho bàn tay robot nhiều bậc tự do (high-DoF) mà không cần cánh tay robot hoàn chỉnh. Thiết bị sử dụng chính phần cứng bàn tay robot để tránh khoảng cách hiện thân (embodiment gap), đồng thời ghi lại cả lệnh điều khiển khớp mục tiêu và trạng thái khớp thực tế. Thay vì điều khiển từng khớp ngón tay phức tạp, người vận hành chỉ cần định hướng cổ tay và kích hoạt các kỹ năng phối hợp ngón tay có sẵn. Nhóm tác giả áp dụng behavior cloning để huấn luyện trực tiếp chính sách visuomotor từ chuyển động cổ tay và lệnh điều khiển (không cần nhãn kỹ năng). Với hơn 2.500 bản trình diễn thu thập trong phòng lab và môi trường thực tế (in-the-wild), tỷ lệ thành công của robot tăng từ 11% lên 64% khi dùng lệnh thay cho trạng thái, và từ 36% lên 78% nhờ dữ liệu in-the-wild qua 4 tác vụ khéo léo.

Dự án HWREBench chia sẻ thử nghiệm đánh giá khả năng của AI trong việc dịch ngược và tấn công bảo mật các thiết bị thông minh (IoT), cho thấy AI đã khai thác thành công phần lớn các thiết bị được thử nghiệm.

BranchOPD (Branching On-Policy Distillation) là phương pháp chưng cất tri thức on-policy mới nhằm khắc phục hạn chế về độ bao phủ giám sát của một quỹ đạo đơn lẻ dưới ngân sách lấy mẫu hữu hạn. Phương pháp xác định các điểm quyết định quan trọng dựa trên độ bất định của mô hình học sinh (student) và sự bất đồng giữa giáo viên (teacher) - học sinh, sau đó tái lấy mẫu các nhánh từ tiền tố dùng chung và áp dụng giám sát cấp token cho cả quỹ đạo chính lẫn các nhánh. Ngoài ra, kỹ thuật Protocol-Boundary Repair (PBR) được tích hợp để ngăn ngừa lặp lại và sinh thừa theo ràng buộc giao thức. Thực nghiệm cho thấy BranchOPD giúp giảm 19% chi phí token trên ALFWorld và 31% trên WebShop so với 7 quỹ đạo độc lập, đồng thời tăng 18.55 điểm phần trăm độ chính xác toán học (avg@16) và 13.8 điểm phần trăm tỷ lệ thành công trên ALFWorld so với Vanilla OPD.

OpenAI công bố kho lưu trữ github.com/openai/math và thư mục preprints nhằm chia sẻ các tiến bộ mới nhất của AI trong toán học, nhận được sự quan tâm và thảo luận sôi nổi từ cộng đồng công nghệ trên Hacker News.

LiBRA là kỹ thuật tấn công gỡ bỏ watermark trên ảnh do AI tạo ra bằng cách tối ưu hóa hai chiều có giới hạn trong không gian latent của autoencoder công khai. Thay vì đảo ngược watermark khiến nó vẫn có thể bị phát hiện và làm hỏng chất lượng ảnh, LiBRA hướng độ tin cậy giải mã về mức đoán ngẫu nhiên từ cả hai phía, kết hợp mặt nạ tần số và kiểm định nhị thức hai phía để kiểm tra việc loại bỏ watermark thành công.

Bài viết (liên kết tới bài luận kinh điển 'The Bitter Lesson' năm 2019) phân tích bài học lịch sử của ngành AI: các phương pháp tổng quát dựa trên tính toán (học máy và tìm kiếm quy mô lớn) luôn đánh bại các phương pháp dựa trên kiến thức và sự thông minh thủ công của con người về lâu dài.

Nghiên cứu đánh giá khả năng của các mô hình Machine Learning truyền thống, Transformer (BERT) và Mô hình ngôn ngữ lớn (LLM) trong việc phân loại cấp độ nhận thức Bloom đối với câu hỏi giáo dục do AI tạo ra (dữ liệu out-of-distribution - OOD). Kết quả cho thấy TFPOS-IDF suy giảm hiệu năng mạnh trên OOD (Macro F1 0.48) so với BERT (0.55) và LLM (0.79). Các chiến lược kỹ thuật như ghép văn bản (text splicing), bổ sung mục tiêu học tập vào đầu vào và tái huấn luyện (retraining) giúp khắc phục hiệu quả hiện tượng suy giảm hiệu năng do dataset shift.

Bài nghiên cứu trên SSRN phân tích tác động đến năng suất lập trình qua các thế hệ công cụ AI coding, đánh giá sự thay đổi hiệu quả thực tế của kỹ sư phần mềm khi các công cụ AI tiến hóa từ gợi ý mã đơn giản đến các hệ thống tự chủ phức tạp hơn.

FlashProve là dự án mã nguồn mở trên GitHub (thuộc tổ chức anthropics) tập trung vào việc tạo bằng chứng không tiết lộ tri thức (Zero-Knowledge Proofs - ZKP) cho quá trình suy luận của mô hình AI. Công nghệ này cho phép kiểm chứng kết quả tính toán của AI là chính xác mà không làm lộ dữ liệu đầu vào nhạy cảm hoặc trọng số mô hình độc quyền.

CausalWAM (CWAM) giải quyết vấn đề vướng mắc biến nhiễu ngoại cảnh với biến nguyên nhân hành động trong các mô hình thế giới hành động (WAMs). Bằng việc bổ sung đường định tuyến thưa (sparse routing path) vào action head của WAM đã huấn luyện trước, CWAM chứng minh lý thuyết và thực nghiệm rằng mô hình chỉ tạo ra hành động từ các nguyên nhân cốt lõi, giúp tăng tỷ lệ thành công vòng kín trên robot thực tế.

Nghiên cứu kiểm toán 6 mô hình ngôn ngữ lớn (LLM) từ 4 nhà cung cấp về tư vấn cai thuốc lá thông qua 2.880 phản hồi cho 12 persona người dùng. Kết quả cho thấy thông tin y tế bị biến thiên mạnh tùy theo danh tính người hỏi: persona thiếu niên nhận được ít thông tin về thuốc kê đơn được FDA phê duyệt hơn người lớn (chênh lệch 32-67 điểm %), và ở 5/6 mô hình, người dùng có chuyên môn y tế lại nhận được ít sự thật hơn người bình thường. Can thiệp bằng system prompt quy định 'ngưỡng thông tin cốt lõi' (factual floor) giúp thu hẹp chênh lệch giữa các persona, nhưng mức độ bao phủ thông tin không đồng nhất khi chuyển đổi giữa các mô hình.

Theo nghiên cứu từ Trakkr, chỉ có 40% số liệu thống kê do AI trích dẫn có thể truy xuất nguồn gốc về các nghiên cứu thực tế, trong khi 60% còn lại là các số liệu không có căn cứ xác thực hoặc bị tam sao thất bản ('zombie stats').

Nghiên cứu chỉ ra rằng On-Policy Self-Distillation (OPSD) thường bị chững hiệu năng do mô hình giáo viên tự thân (self-teacher) sinh ra hướng dẫn thiếu tin cậy. Để giải quyết, tác giả đề xuất Teacher-Evolution Self-Distillation (TESD) với hai cải tiến chính: sử dụng phản hồi môi trường (tính đúng đắn và độc lập ngữ cảnh) để liên tục tối ưu hóa self-teacher trong suốt quá trình chưng cất, đồng thời áp dụng cơ chế tối ưu thích ứng giúp giảm trọng số các mẫu có hướng dẫn kém tin cậy cho mô hình học sinh. Thực nghiệm chứng minh TESD vượt trội rõ rệt so với các phương pháp chưng cất cấp độ token và sequence hiện nay.

Nghiên cứu ứng dụng lý thuyết trò chơi để phân tích tình thế tiến thoái lưỡng nan trong tuyển dụng học thuật khi AI khiến việc xuất bản bài báo trở nên quá dễ dàng, làm mất đi vai trò là tín hiệu tin cậy cho năng lực chuyên sâu. Bài báo phân loại các cân bằng chiến lược thuần và sử dụng mô phỏng học tập để đề xuất giải pháp cải tổ quy trình tuyển dụng nhằm bảo vệ giá trị của sự thấu hiểu thực chất.

CorrFlow là khung làm việc tự sửa lỗi dành cho mô hình flow-matching, giúp nâng cao chất lượng tạo mẫu mà không cần chạy lại mô hình gốc nhiều lần. Dựa trên mối liên hệ trong rectified-flow (sai số dự đoán sạch tỉ lệ với phần dư vận tốc theo mức nhiễu), CorrFlow bổ sung một bộ refiner gọn nhẹ để tái sử dụng trạng thái ẩn, dự đoán sạch và mức nhiễu từ cùng một lượt truyền xuôi nhằm hiệu chỉnh vận tốc trước mỗi bước cập nhật. Phương pháp này cải thiện rõ rệt chất lượng hình ảnh và độ nhất quán vật lý trong tạo ảnh và video (T2V, I2V).