Research

Nghiên cứu giới thiệu StarRTT, một khung làm việc thời gian thực toàn diện (end-to-end) giúp dự đoán độ trễ khứ hồi (RTT) không còn vùng mù trong mạng vệ tinh quỹ đạo thấp (LEO) Starlink. Khắc phục hạn chế của các phương pháp cũ vốn chỉ nhận dạng vệ tinh phục vụ vào cuối chu kỳ lập lịch tạo ra vùng mù thông tin, StarRTT tích hợp nhận dạng vệ tinh theo từng giây cùng mô hình RT-LSTM. Kiến trúc này gồm Historical LSTM mã hóa lịch sử RTT và Future LSTM xử lý dữ liệu quỹ đạo TLE dự phóng tương lai. Kết quả thử nghiệm thời gian thực đạt sai số MAE 1.405 ms, giảm từ 4.3% đến 22.1% sai số so với các baseline (LSTM, StarNet, ASTM).

Bài viết từ tạp chí Science cho biết AI đang tiến gần hơn tới việc giải quyết giả thuyết Riemann – một trong những bài toán thiên niên kỷ quan trọng và hóc búa nhất của toán học. Dù trích đoạn chưa cung cấp chi tiết kỹ thuật cụ thể, thông tin phản ánh bước nhảy vọt của AI trong việc hỗ trợ giải quyết các bài toán lý thuyết phức tạp thay vì chỉ dừng ở các tác vụ ứng dụng.

Nghiên cứu xác định chính xác số nhát cắt xấu nhất cần thiết cho bài toán chia bánh tỷ lệ với ràng buộc độ dài bằng nhau (equal-length proportional cake cutting) là 2n - 2 cho n tác nhân, cải thiện chặn trên bậc hai trước đó. Kỹ thuật chứng minh kết hợp định lý tách vòng cổ có ràng buộc và định lý Hall, đồng thời mở rộng sang phân bổ không đố kỵ (envy-free) đạt 2n - 2 khi n là lũy thừa số nguyên tố và O(n^1.525) cho n tổng quát. Về khía cạnh tính toán, bài báo chứng minh không có giao thức tất định hữu hạn nào trong mô hình Robertson-Webb giải được nghiệm chính xác, nhưng đưa ra thuật toán xấp xỉ O(n^2/ε) truy vấn (với tối đa 2n - 2 cắt) và thuật toán dùng truy vấn hai dao đạt 2n - 2 (n là lũy thừa của 2) hoặc O(n log n) cắt.

Nghiên cứu đề xuất kỹ thuật tinh chỉnh có định hướng oracle (oracle-guided fine-tuning) giúp LLM hậu biên tập kết quả nhận dạng giọng nói (ASR) từ danh sách N-best hypotheses. Bằng cách phân chia dữ liệu giám sát thành 3 nhóm (corrections để học chọn đáp án, regularizers để hạn chế sửa đổi khi top-1 đã đúng, và hard negatives để triệt tiêu ảo giác khi thiếu tham chiếu), mô hình hình thành chính sách lai 'chọn hoặc viết lại' hiệu quả hơn tinh chỉnh ngẫu nhiên. Phương pháp mang lại cải thiện rõ rệt nhất từ quy mô 3B tham số trên dữ liệu độc quyền, đồng thời chỉ ra rằng dữ liệu đọc công khai như CommonVoice có thể bị trùng lặp với dữ liệu tiền huấn luyện của LLM.

Yoshua Bengio, nhà khoa học tiên phong về AI và người đoạt giải Turing, công khai khuyên những người coi trọng an toàn AI nên rời bỏ các công ty AI hàng đầu (frontier AI companies) thay vì ở lại, phản ánh sự lo ngại sâu sắc về việc áp lực cạnh tranh thương mại đang lấn át các cam kết an toàn.

Nghiên cứu đề xuất khái niệm 'tối thiểu hóa prompt' (prompt minimization) nhằm rút gọn câu lệnh về dạng ngắn gọn và cô đọng thông tin nhất mà vẫn duy trì chất lượng phản hồi của LLM. Tác giả giới thiệu 3 biến thể khung làm việc để tìm kiếm và đánh giá prompt tối thiểu, chứng minh prompt ngắn có thể đạt hiệu quả tương đương bản dài, qua đó giúp cắt giảm chi phí tính toán, hạ độ trễ suy luận và ngăn ngừa nguy cơ suy giảm độ chính xác do ngữ cảnh dư thừa.

ReACT-TTS là khuôn khổ hai giai đoạn sử dụng chuỗi biểu cảm khuôn mặt dài 1 giây của người nghe ngay trước phản hồi để lập kế hoạch cảm xúc và ngữ điệu (prosody), sau đó kết nối với backbone Grad-TTS nhằm tổng hợp giọng nói đàm thoại end-to-end. Thử nghiệm trên giao thức MELD cho thấy mô hình temporal đạt macro-F1 và độ tương đồng VAD vượt trội so với chỉ dùng văn bản (text-only), đồng thời được 76% chuyên gia ưu tiên lựa chọn trong thử nghiệm đánh giá ngữ cảnh.

Nghiên cứu giải thích hiện tượng double descent trong học máy bằng cơ học thống kê và nguyên lý tác dụng tối thiểu. Quá trình huấn luyện gradient ngẫu nhiên được xem như hạt chuyển động trên bề mặt hàm mất mát ở nhiệt độ hiệu dụng T tuân theo phân phối Boltzmann. Do thời gian khuếch tán hữu hạn tạo ra cơ chế suy giảm trọng số hiệu dụng (effective weight decay), định lý phân bố đều năng lượng chỉ ra rằng việc tăng số tham số d sẽ làm giảm nhiệt độ T, kéo nghiệm về quỹ đạo dừng có chuẩn L2 thấp hơn, qua đó tự động tăng cường khả năng điều chuẩn.

Phòng thí nghiệm của César de la Fuente sử dụng Codex và ChatGPT để khai phá bộ gen của các sinh vật sống và sinh vật đã tuyệt chủng nhằm tìm kiếm các phân tử ứng viên kháng khuẩn chống lại các bệnh nhiễm trùng kháng thuốc.

Tổ chức METR công bố đánh giá độc lập về mức độ tăng tốc nghiên cứu và phát triển (R&D) AI tại Anthropic vào tháng 10/2026. Dù trích đoạn nguồn chỉ cung cấp tiêu đề và liên kết bài viết (chưa có nội dung toàn văn), chủ đề cốt lõi tập trung vào việc đo lường khách quan mức độ AI hỗ trợ hoặc tự động hóa quy trình nghiên cứu tại một trong những phòng thí nghiệm frontier AI hàng đầu.

Nghiên cứu đề xuất giải pháp phục hồi nhận thức bản sao (replica-aware recovery) cho suy luận phân tách (Split Inference) trong hệ thống Edge IoT khi có thiết bị gặp sự cố. Phương pháp sử dụng quy hoạch tuyến tính nguyên hỗn hợp (MILP) để cùng lúc chọn node chứa bản sao và giao thức truyền thông nhằm tối thiểu hóa độ trễ suy luận sau tái cấu hình, đảm bảo các ràng buộc về bộ nhớ flash và runtime. Mô phỏng với MobileNetV2 trên mạng 15 thiết bị IoT cho thấy độ trễ suy luận thấp hơn 6,8% so với Computation Greedy và 18,3% so với phương pháp ngẫu nhiên.

Nghiên cứu giới thiệu SHAKTI - bộ dữ liệu benchmark quy mô lớn cho tiếng Hindi bao phủ 4 thể loại, 8 họ LLM và các biến đổi đối kháng, nhằm giải quyết sự thiếu hụt công cụ đánh giá cho ngôn ngữ ít tài nguyên ngoài tiếng Anh. Đồng thời, nghiên cứu đề xuất TRIDENT, framework phát hiện văn bản AI dựa trên tính nhất quán ngữ nghĩa qua dịch vòng (round-trip translation) với 3 biến thể: TRIDENT-S (ngưỡng tĩnh), TRIDENT-D (ngưỡng động) và TRIDENT-C (hồi quy logistic). Kết quả cho thấy TRIDENT-S đạt hiệu năng cao nhất, vượt trội các baseline hiện có và hoạt động tốt trên 7 ngôn ngữ khác cùng các LLM mới, dù phụ thuộc vào chất lượng mô hình dịch.

Nghiên cứu đề xuất khung học theo ngữ cảnh (In-Context Learning) kết hợp meta-learning cho bài toán nhận dạng hệ thống (System Identification). Phương pháp sử dụng kiến trúc Transformer encoder-decoder với mô hình hóa xác suất và cơ chế xử lý chuỗi dài, cho phép dự đoán đầu ra zero-shot mà không cần ước lượng mô hình tường minh. Ngoài ra, meta-model được sử dụng như một bộ tạo dữ liệu tổng hợp nhận biết độ bất định nhằm điều chuẩn các mô hình tham số cổ điển khi dữ liệu thực khan hiếm, đạt kết quả cạnh tranh với SOTA trên benchmark phi tuyến và thích ứng tốt với dữ liệu lệch phân phối.

Bài viết từ Mercor thông báo kết quả thử nghiệm chuẩn hóa (benchmarks) với mức cơ sở con người, cho thấy các hệ thống AI hiện tại đã có hiệu suất vượt qua kế toán viên cấp độ sơ cấp (junior accountants) trong các bài kiểm tra nghiệp vụ.

Tài liệu đề cập đến nỗ lực của UK AISI (Viện An toàn AI Vương quốc Anh) và EvalEval trong việc giải quyết bài toán tái lập (reproducibility) kết quả kiểm chuẩn AI. Do văn bản nguồn chỉ có tiêu đề, các chi tiết phương pháp luận cụ thể chưa được nêu rõ, nhưng mục tiêu trọng tâm là khắc phục tình trạng kết quả benchmark thiếu nhất quán và khó kiểm chứng độc lập.

Open ASR Leaderboard đã chính thức bổ sung tiếng Anh giọng Ai Cập (Egyptian English) và tiếng Anh giọng Nigeria (Nigerian English) vào hệ thống đánh giá chuẩn, giúp đo lường và so sánh hiệu năng của các mô hình nhận dạng giọng nói tự động trên các phương ngữ tiếng Anh đặc thù này.

Nghiên cứu chứng minh cấu trúc nhân quả của không-thời gian có thể tự xuất hiện trong bộ nhớ của một agent học tăng cường dựa trên mô hình (model-based RL). Khi được huấn luyện để tối đa hóa thông tin tương hỗ lượng tử giữa các đầu dò tương tác với trường lượng tử Minkowski mà không có sẵn thông tin metric, planner nội bộ của agent đã tự hình thành cấu trúc nón ánh sáng (null structure), cho phép tái dựng cấu trúc nhân quả Minkowski với độ chính xác cao.

STLT là hệ thống suy luận phân tán nhận biết năng lượng gồm hai giai đoạn dành cho mạng lưới vệ tinh LEO và trạm mặt đất. Bằng cách phân tích kiến trúc DNN ngoại tuyến để thu hẹp 30,7% không gian tìm kiếm điểm chia cắt mô hình và áp dụng thuật toán chọn điểm chia cắt động siêu nhẹ trên vệ tinh, STLT giúp giảm 25,1% độ trễ ra quyết định, giảm 27,5% năng lượng và thực hiện thêm tới 20,1% tác vụ suy luận so với các giải pháp hiện nay.

Nghiên cứu giới thiệu PAGE, một framework ứng dụng trí tuệ nhân tạo (đặc biệt là mô hình thị giác-ngôn ngữ) để phân tích truyện tranh quy mô lớn. Hệ thống tự động phân tách bản scan thành từng khung hình, văn bản và thông tin thư mục, sau đó chú giải hình ảnh theo quy chuẩn nghiêm ngặt và đối chiếu với con người. Được thử nghiệm trên 3.929 truyện tranh Mỹ (1938–1956) và 87 tập manga Nhật Bản, PAGE mở ra khả năng tìm kiếm kho lưu trữ bằng hình vẽ, hỗ trợ người khiếm thị tiếp cận tác phẩm và bảo tồn di sản truyện tranh.

Nghiên cứu động lực học vĩ mô của sổ lệnh giới hạn (LOB) khi toàn bộ người tham gia là các tác tử giao dịch học tăng cường (RL) tự trị. Tác giả phát hiện các ranh giới chuyển pha rõ rệt giữa trạng thái khám phá giá có trật tự và trạng thái sụp đổ siêu biến động (cascade states) dựa trên ngưỡng số lượng tác tử và độ sâu thị trường quan sát; đồng thời chứng minh tác động thị trường lệch khỏi quy luật căn bậc hai cổ điển, xuất hiện các chế độ tiêu tán, cân bằng và phi tiêu tán do các vòng phản hồi phi tuyến.

Bearings là framework học tự giám sát (self-supervised) đầu tiên trích xuất biểu diễn trường âm thanh (soundfield embeddings) từ định dạng First-Order Ambisonics (FOA) không gán nhãn. Mô hình sử dụng kiến trúc masked auto-encoder kết hợp decoder được điều kiện hóa bởi acoustic embeddings đóng băng từ audio encoder đơn kênh có sẵn. Các soundfield embeddings này có thể gắn trực tiếp vào các audio encoder đóng băng thông qua một fusion head gọn nhẹ mà không cần huấn luyện lại bất kỳ mô hình nào, giải quyết điểm mù về không gian của các audio encoder hiện nay và nâng F-score phụ thuộc vị trí từ dưới 4 lên 50 trên TAU-NIGENS 2021 và đạt 39 trên STARSS23.

Gricea là nền tảng khoa học mở dành cho nghiên cứu AI đàm thoại (Conversational AI - CAI), chuyển đổi các nghiên cứu thành các tạo tác (research artifacts) có thể cấu hình, triển khai, tái lập và chia sẻ. Nền tảng kết hợp quy trình nghiên cứu, hệ thống tương tác người dùng và hành vi tác vụ đàm thoại. Thử nghiệm trên các bài báo tại CUI 2026 cho thấy Gricea tái lập thành công cấu hình của 93% bài báo đủ điều kiện, đồng thời phát hiện 96% công bố thiếu dữ liệu tái lập trung thực, qua đó thúc đẩy việc tích lũy tri thức mở trong cộng đồng nghiên cứu AI.

Theo bài viết trên tạp chí Science, AI đã phát hiện ra giải pháp cho các bài toán thuộc 22 lĩnh vực khoa học khác nhau từ những dữ liệu và mối liên hệ vốn đã tồn tại sẵn nhưng bị bỏ sót ('hiding in plain sight').

TaxCalcBench là bộ benchmark đánh giá năng lực của trí tuệ nhân tạo trong việc tính toán và kê khai thuế ('Can AI file your taxes?'). Dự án tập trung kiểm thử khả năng suy luận logic theo quy định pháp lý, tính toán số học chính xác và mức độ tuân thủ của các mô hình AI trong bài toán thuế vốn có dung sai lỗi bằng không.