Research

Nghiên cứu được công bố trên Zenodo chỉ ra rằng các lỗi đã được đính chính chính thức (errata, rút bài, chỉnh sửa) vẫn tiếp tục tồn tại dai dẳng trong dữ liệu huấn luyện AI. Do quy trình thu thập dữ liệu web tĩnh thường không đồng bộ các bản sửa đổi sau đó, các mô hình AI tiếp tục học và lan truyền thông tin sai lệch dù nguồn gốc đã được sửa đổi.

Nghiên cứu giải quyết tranh cãi về vai trò của nén hạng (rank compression) trong hiện tượng grokking trên MLP và transformer 1 lớp giải bài toán số học modulo. Kết quả chỉ ra nén hạng là hệ quả thay vì nguyên nhân: sự sụt giảm hạng mạnh nhất diễn ra khoảng 900 bước sau khi bắt đầu grokking (test accuracy đạt 95%), đi kèm hiện tượng 'kết tinh không gian con' (subspace crystallization) khi số hướng kỳ dị trọng yếu giảm từ ≥25% xuống ~10%. Ngược lại, áp đặt trần rank thấp từ đầu không đẩy nhanh mà còn làm chậm hoặc ngăn chặn hoàn toàn khả năng tổng quát hóa.

Nghiên cứu giới thiệu Steered-Teacher OPSD (ST-OPSD), một cải tiến cho phương pháp chưng cất tự thân on-policy (OPSD) ở các mô hình tư duy (thinking models). OPSD tiêu chuẩn khiến mô hình giáo viên dễ gây ra ảo giác tham chiếu và ức chế khả năng tự rà soát, sửa sai của mô hình học sinh. ST-OPSD khắc phục điều này bằng cách sử dụng kỹ thuật điều hướng kích hoạt (activation steering) tác động lên các trạng thái ẩn của giáo viên để triệt tiêu hành vi viện dẫn tài liệu và thúc đẩy việc cân nhắc lại tại các bước suy luận không chắc chắn. Kết quả trên AIME và HMMT chứng minh ST-OPSD tăng độ chính xác và phục hồi hành vi suy luận lành mạnh về mức mô hình nền mà không cần can thiệp trực tiếp lên học sinh.

Nghiên cứu giới thiệu Certified Adaptive Selection (CAS), phương pháp lựa chọn chính xác top-k thuật toán hoặc lịch trình tối ưu dưới các kịch bản bất lợi với số lượt đánh giá tối thiểu. Thay vì đánh giá toàn bộ kịch bản, CAS duy trì cận trên/dưới cho Expected Shortfall (ES) và dừng ngay khi sự không chắc chắn không thể thay đổi kết quả top-k. Mô hình dự đoán chỉ đóng vai trò chọn lượt đánh giá tiếp theo mà không tham gia xác thực quyết định, đảm bảo độ chính xác tuyệt đối ngay cả khi dự đoán bị sai lệch hoặc đối kháng.

Nghiên cứu từ Yandex Research tái đánh giá thực nghiệm các hàm mục tiêu cho bài toán hồi quy deep learning trên dữ liệu bảng. Kết quả cho thấy phần lớn hàm loss mới không vượt trội nhất quán so với MSE được tinh chỉnh chuẩn mực, ngoại trừ quantile loss mang lại cải thiện ổn định. Nghiên cứu cũng chỉ ra hạn chế của cơ chế global early stopping khi đối mặt với dữ liệu có nhiễu không đồng nhất (heteroskedasticity), đồng thời đề xuất giải pháp mở rộng quantile loss kết hợp input-dependent label smoothing và công bố mã nguồn mở.

Nghiên cứu khảo sát cơ chế suy luận Sliding-window KV trên các mô hình Transformer tiền huấn luyện mà không cần tinh chỉnh thêm, giúp giữ cố định dung lượng KV cache khi số lượng token tăng lên. Thực nghiệm trên 5 mô hình mã nguồn mở (gồm Qwen, Llama, Mistral và Muse Glimmer) cho thấy việc giữ lại các trạng thái KV đã tính trước đó giúp cải thiện khả năng truy xuất thông tin so với tính toán lại từ đầu. Đáng chú ý, Mistral 7B và Muse Glimmer thể hiện hiện tượng 'chuyển tiếp thông tin tiềm ẩn' mạnh mẽ nhất, cho phép khôi phục thông tin ngay cả khi token nguồn ban đầu đã nằm ngoài cửa sổ trượt của cache.

Nghiên cứu giới thiệu DeformView, bộ dữ liệu đa góc nhìn (wide-baseline MV) đầu tiên có gán nhãn pixel cho các điểm bất nhất quán hình học, đồng thời đề xuất bộ phân loại DEFECt3R. DEFECt3R sử dụng mối quan hệ đặc trưng giữa các góc nhìn và học từ hard negatives để định vị chính xác vùng ngụy tạo/lỗi hình học ở cấp độ điểm ảnh, khắc phục nhược điểm của các phương pháp đánh giá NVS hiện hành và giảm thiểu đáng kể dương tính giả.

Nghiên cứu trên arXiv cho thấy hệ thống gia sư AI mang lại hiệu quả cải thiện kết quả học tập cho kỳ thi GRE tương đương với gia sư con người.

Nghiên cứu giới thiệu Clifford-VAE, một mô hình Variational Autoencoder học cách ánh xạ dữ liệu phi cấu trúc lên hình xuyến Clifford (Clifford torus) với số chiều tùy ý. Mô hình giải quyết bài toán lâu năm trong Vector Symbolic Algebras (VSA) về việc nhúng dữ liệu cảm nhận vào không gian véc-tơ siêu chiều để lập luận biểu trưng. Thử nghiệm trên MNIST, FashionMNIST và CIFAR-10 cho thấy Clifford-VAE đạt hiệu năng phân loại bán giám sát tương đương Gaussian VAE và Hyperspherical VAE, đồng thời vượt trội trên các bài kiểm tra chuẩn của VSA như self-binding, unbinding, role-filler recovery và bundle capacity.

Nghiên cứu đánh giá hiệu quả mở rộng (scaling) của họ EfficientNet (B0-B7) trong transfer learning ở độ phân giải cố định (224x224) trên tập dữ liệu Kermany phân loại 4 nhóm bệnh võng mạc qua ảnh SD-OCT. Kết quả cho thấy mô hình lớn hơn không đồng nghĩa với hiệu quả cao hơn: EfficientNet-B1 đạt độ chính xác cao nhất (96,95%) và F1-score Drusen tốt nhất (0,8780), vượt trội hơn B7 (96,73%) dù B7 có số tham số gấp 16 lần và độ trễ CPU lớn hơn đáng kể. Thứ hạng hiệu năng trên OCT khác biệt rõ rệt so với ImageNet, chứng minh scaling phụ thuộc chặt chẽ vào nhiệm vụ và giao thức huấn luyện.

BridgeRouter là cơ chế định tuyến nhận biết mức tăng (gain-aware instance routing) nhằm giải quyết hạn chế của việc chọn một tuyến cầu nối biểu diễn cố định khi chuyển giao mô hình nền tảng EEG sang các tín hiệu sinh học khác (EMG, ECG). Phương pháp thiết lập Single Best Solver (SBS) làm tuyến mặc định và dùng một MLP gọn nhẹ dự đoán mức giảm sai số (negative log-likelihood gain) của các tuyến thay thế so với SBS từ đặc trưng của phương thức đích. Khi suy luận, hệ thống chỉ chạy duy nhất một tuyến (tuyến có gain cao nhất vượt ngưỡng hiệu chuẩn hoặc quay về SBS), giữ nguyên chi phí suy luận tuyến đơn mà không cần dữ liệu EEG. Thử nghiệm thực tế cho thấy BridgeRouter nâng balanced accuracy thêm 11.49 điểm % trên bài toán FOG (EMG) và 3.83 điểm % trên ISRUC (ECG) so với các SBS tương ứng.

Nghiên cứu giới thiệu Critic's Eye, một phương pháp suy luận dựa trên đồ thị cấu trúc tự sự (Narrative Topology Graph) cho bài toán Computational Motif Discovery. Mô hình đạt 84,8% Hit@5, vượt trội so với Gemini-3-pro-preview (22,6%), đồng thời chứng minh các mô hình chuỗi chạm 'trần ngữ nghĩa' trước các phụ thuộc dài hạn và việc dùng tiên đề cấu trúc tường minh mang lại hiệu quả vượt trội so với mở rộng tham số.

Nghiên cứu đề xuất PILOT, một khung huấn luyện multimodal embedding mô hình hóa suy luận tăng cường như biến ẩn với hai chế độ prior và posterior trên cùng một MLLM. Phân phối posterior tận dụng bằng chứng quan hệ lúc huấn luyện để định hướng tìm kiếm suy luận hữu ích cho truy xuất, sau đó chuyển giao sang prior thông qua hàm mục tiêu biến phân có trọng số. Thử nghiệm trên benchmark MMEB-V2 (78 tác vụ) cho thấy PILOT vượt baseline trên cả 12 nhóm tác vụ ở quy mô 2B (+3.2 điểm) và 7B (+3.3 điểm), với mức tăng mạnh nhất ở mảng visual-document retrieval (+6.1 đến +6.4 điểm).

DIGOM là khung mô hình đồ thị đa phương thức trong y tế, giúp dự đoán kết quả lâm sàng bằng cách học đồng thời ba tương tác: nội bệnh nhân liên phương thức, liên bệnh nhân cùng phương thức và liên bệnh nhân liên phương thức. Mô hình xây dựng đồ thị multiplex thưa với các góc nhìn phân tách qua cơ chế lấy mẫu khả vi, cho phép lựa chọn liên kết tối ưu theo từng bệnh nhân. DIGOM đạt AUROC cao nhất trên 5 tác vụ thuộc tập MIMIC-IV và NIH-TB, tối ưu số lượng kết nối và chống chịu tốt trước tình trạng khuyết thiếu phương thức dữ liệu.

Nghiên cứu đề xuất phương pháp không cần từ điển (codebook-free) để mã hóa thông tin bậc hai từ các đặc trưng CNN đa tỷ lệ trong khung làm việc Fisher Kernel. Phương pháp giúp tổng hợp biểu diễn vector nén nhưng có tính phân biệt cao, cải thiện rõ rệt độ chính xác tìm kiếm ảnh trên các bộ dữ liệu INRIA Holidays và UKBench mà chỉ làm tăng nhẹ số chiều vector.

Bài nghiên cứu từ AAI Labs phân tích nguyên nhân các engine bộ nhớ của trợ lý AI đánh mất chứng cứ và thông tin quan trọng khi phải xử lý dữ liệu chứa nhiều tạp âm (noise), qua đó làm rõ điểm nghẽn trong việc duy trì ngữ cảnh chính xác của các AI assistant hiện nay.

Nghiên cứu chỉ ra rằng thông tin Fisher (Fisher information) và hình học của hàm mất mát có thể phân tách khả năng tổng quát hóa khỏi việc học vẹt (ghi nhớ mẫu nhiễu) trong mạng nơ-ron. Khi chiếu trọng số mô hình lên các eigenvector hàng đầu của Fisher, hiệu năng tổng quát được giữ lại trong khi sự ghi nhớ dữ liệu nhiễu bị triệt tiêu, hiện tượng này được kiểm chứng trên mô hình thị giác (CIFAR-10), transformer nhỏ và mô hình tuyến tính.

Nghiên cứu trên arXiv (2610.07219) trình bày giải pháp phân tán và chạy mô hình ngôn ngữ lớn Inkling 975 tỷ tham số (975B) trên cụm 11 máy tính Intel AI PC cá nhân.

Nghiên cứu từ Đại học Georgetown chỉ ra rằng các bản tóm tắt do AI tạo ra chứa thông tin sai lệch có khả năng bóp méo và làm sai lệch trí nhớ của con người. Khi người dùng phụ thuộc vào AI để nắm bắt nhanh tài liệu, các lỗi ảo giác hoặc chi tiết không chính xác có thể bị não bộ hấp thụ và lưu lại như ký ức thực, gây ảnh hưởng lâu dài đến nhận thức thực tế và khả năng ra quyết định.

Nghiên cứu giới thiệu mô hình thế giới bệnh nhân (Patient World Model) nhằm dự báo sớm kết quả các chiến dịch y tế số trực tiếp đến người tiêu dùng (DTC). Bằng cách tiếp cận bài toán dưới dạng hệ thống động lực với trạng thái ẩn cho từng bệnh nhân kết hợp tỷ lệ rủi ro chuyển đổi hàng tuần và giám sát tiếp xúc kế tiếp, mô hình đạt sai số dự báo lượng đơn thuốc mới chỉ 2,9% từ tuần thứ 4 (vượt trội so với 13,6–33,1% của mô hình gradient boosting). Tuy nhiên, kết quả mô phỏng can thiệp cảnh báo rõ giới hạn của việc diễn giải nhân quả từ dữ liệu quan sát do chịu tác động của hiệu ứng chọn lọc.

BREM-NET là mô hình động lực học phi tuyến đa phương thức giúp tích hợp dữ liệu hành vi với nhiều phương thức đo thần kinh (như xung thần kinh đơn lẻ - spiking activity và điện thế trường cục bộ - LFP). Mô hình thực hiện hợp nhất đa phương thức trong quá trình suy luận, đồng thời phân tách chính xác các động lực học liên quan đến hành vi khỏi động lực học thần kinh dư thừa. Khi thử nghiệm trên tập dữ liệu linh trưởng trong tác vụ với 2D, BREM-NET đạt độ chính xác giải mã hành vi và dự đoán thần kinh vượt trội, đồng thời duy trì độ bền vững cao kể cả khi dữ liệu bị mất gói hoặc lệch pha thời gian.

Nghiên cứu đề xuất khung tích hợp cảm biến và truyền thông đa điểm (multistatic ISAC) cho 5G và tương lai, ứng dụng học sâu (deep learning) với kiến trúc residual và attention để triệt tiêu nhiễu phản xạ động và dày đặc. Giải pháp giúp nâng cao đáng kể độ chính xác trong ước tính cự ly, Doppler, vị trí và vận tốc mục tiêu so với các phương pháp xử lý tín hiệu truyền thống.

Nghiên cứu giới thiệu EEGBiFormer, mô hình lai CNN-Transformer giúp phân loại trạng thái tập trung (focus vs nonfocus) theo thời gian thực từ tín hiệu EEG 16 kênh. Tận dụng phần cứng thu nhận AFE tùy chỉnh, mô hình đạt độ trễ dưới 100 ms, độ chính xác mức cửa sổ 91,3% (F1: 94,5%) và mức bản ghi 88,2%. Hệ thống được ứng dụng thành công để tối ưu hóa kích thích âm thanh, giúp cải thiện 20% điểm số chú ý trong thử nghiệm thực tế với 37 đối tượng.

Nghiên cứu giới thiệu HAD-VLM, mô hình thị giác - ngôn ngữ lai ghép giữa autoregressive và diffusion nhằm giải quyết sự bất tương thích giữa việc biểu diễn token rời rạc và các mục tiêu đo lường liên tục trong phân tích ảnh y tế. Mô hình sử dụng diffusion để dự đoán biểu diễn 5 thành phần (tọa độ caliper và chiều dài) kết hợp cơ chế nhất quán tọa độ - chiều dài, giúp giảm đáng kể sai số đo lường trên siêu âm tim và X-quang mà vẫn bảo toàn năng lực hỏi đáp y tế.