Research

Bài viết đề cập và phân tích mối lo ngại về khả năng kết hợp giữa trí tuệ nhân tạo (cụ thể là mô hình Claude của Anthropic) và sinh học tổng hợp (synthetic biology) có thể dẫn tới nguy cơ phát triển vũ khí sinh học (bioweapons). Nội dung đặt trọng tâm vào các đánh giá an toàn sinh học (biosecurity) và sự cần thiết phải kiểm soát các rủi ro thảm họa công nghệ cao.

Nghiên cứu giới thiệu phương pháp 'Quantization-Aware Healing', tạo ra mô hình nén 4-bit có hiệu năng vượt trội hơn phiên bản gốc ở độ chính xác đầy đủ (full-precision), vượt qua giới hạn suy giảm chất lượng thường thấy khi lượng tử hóa.

Bài báo trên arXiv nghiên cứu mối quan hệ giữa năng lượng tiêu thụ và giá trị kinh tế của AI thông qua chỉ số Joules-to-GDP, nhằm xác định lượng giá trị kinh tế (GDP) mà các hệ thống AI có thể tạo ra trên mỗi đơn vị năng lượng tiêu tốn.

Theo bài viết trên Science, OpenAI và Anthropic tuyên bố AI đã giải quyết thành công một vấn đề nền tảng kéo dài 27 năm trong khoa học máy tính. Tuy nhiên, trích đoạn thông tin hiện chưa nêu rõ bài toán cụ thể hay phương pháp thực hiện.

Nghiên cứu chứng minh mô hình thế giới (world models) không cần dự đoán chính xác giá trị tuyệt đối vẫn có thể xếp hạng đúng các chính sách RL nhờ tách biệt sai số Bellman chung (common-mode) với sai số riêng. Từ đó, tác giả phát triển thuật toán RAVEL để chọn lọc chính sách thông qua kiểm toán thực tế. Mặc dù mô hình xếp hạng rất chuẩn (Kendall tau đạt 0.800 - 0.962), tương quan sai số kiểm toán thực tế lại rất thấp, khiến việc kiểm toán với ngân sách nhỏ không đạt mục tiêu tăng gấp đôi hiệu quả kỳ vọng.

Nghiên cứu giới thiệu CuraEval, một khung đánh giá chuẩn hóa nhằm kiểm định các phương pháp chọn lọc dữ liệu biểu diễn (demonstration curation) hỗn hợp kỹ năng trong học bắt chước robot sử dụng Diffusion Policy và BC-RNN trên bộ dữ liệu robomimic. Kết quả chỉ ra rằng chỉ số chấm điểm PSD thực chất tương quan gần như tuyệt đối với độ dài tập biểu diễn (ρ=0.999 trên nhiệm vụ square). Mặc dù việc lọc lấy 50% biểu diễn ngắn nhất giúp tăng tỷ lệ thành công của Diffusion Policy từ 70.7% lên 76.5%, một số phương pháp phức tạp như geometric-entropy LOO lại hoạt động kém hơn cả lấy mẫu ngẫu nhiên. Đáng chú ý, sau khi áp dụng hiệu chỉnh Holm, không có phương pháp lọc nào cho thấy sự vượt trội có ý nghĩa thống kê so với việc huấn luyện trên toàn bộ dữ liệu. Mã nguồn đã được công khai trên GitHub.

Một nghiên cứu trên arXiv (2510.13939) chỉ ra rằng độc giả có xu hướng ưa chuộng văn bản do AI được huấn luyện trên sách có bản quyền tạo ra hơn là tác phẩm của nhà văn chuyên gia. Kết quả này cung cấp bằng chứng thực nghiệm về giá trị vượt trội của dữ liệu sách chất lượng cao trong việc cải thiện văn phong của LLM, đồng thời làm sâu sắc thêm các tranh chấp pháp lý và đạo đức xoay quanh bản quyền dữ liệu huấn luyện.

Bài viết trên Latent Space ('AI is getting good at math, here's why') thảo luận về những bước đột phá giúp các mô hình AI ngày càng giải toán tốt hơn. Sự tiến bộ này đánh dấu bước chuyển mình quan trọng của trí tuệ nhân tạo từ mô hình sinh ngôn ngữ thống kê sang các hệ thống có năng lực suy luận chuỗi tư duy, kiểm chứng logic và giải quyết các bài toán cấu trúc cao.

Hệ thống AI (thuộc dự án HRDpath liên quan đến King's College London) có khả năng phát hiện 91% điểm yếu có thể điều trị ở bệnh nhân ung thư buồng trứng (nhiều khả năng là thiếu hụt tái tổ hợp tương đồng - HRD) trực tiếp từ hình ảnh mô bệnh học, mở ra hướng tiếp cận nhanh và tiết kiệm chi phí hơn so với xét nghiệm gen truyền thống.

Nghiên cứu đánh giá 6 mô hình ngôn ngữ lớn (LLM) trên 150 câu hỏi MedQA USMLE qua hai bài kiểm tra nhiễu tự động: Tính hợp lệ phản thực nghiệm (CFV) và Độ bền vững nhân khẩu học. Kết quả cho thấy độ chính xác không phản ánh đầy đủ năng lực: chỉ 25,3% lượt thử CFV hợp lệ và 20,3% câu trả lời bị thay đổi khi thêm tiền tố nhân khẩu học, kèm theo 3.128 cờ định kiến. MedGemma 27B thể hiện tốt nhất với độ chính xác 87,1% và CFV 63,3%, nhưng độ chính xác vẫn cao hơn đáng kể so với khả năng suy luận phản thực nghiệm. Kết quả này chỉ phù hợp cho việc sàng lọc an toàn chứ chưa chứng minh được khả năng triển khai thực tế do chưa có bác sĩ thẩm định.

OC-GS là phương pháp Gaussian Splatting tập trung vào vật thể, giải quyết vấn đề tái tạo 3D từ dữ liệu bàn xoay thưa và không đều do tốc độ quay không đồng nhất hoặc bị rơi khung hình. Phương pháp áp dụng cơ chế tinh chỉnh góc quay nhất quán theo quỹ đạo (orbit-consistent) với trục quay, tâm xoay và camera dùng chung, đồng thời tối ưu hóa song song hình học và góc chụp. Trên tập dữ liệu mô phỏng với 12, 8 và 6 góc nhìn, OC-GS đạt PSNR trung bình tiền cảnh lần lượt là 21.26, 19.36 và 15.83 dB (vượt trội hơn 4 baseline pose-free GS) và cải thiện 0.70 dB trên dữ liệu thực tế.

Một giáo sư đã tận dụng AI để xuất bản 200 bài báo khoa học cùng 14 cuốn sách chỉ trong vòng 9 tháng của năm 2026, làm dấy lên làn sóng tranh luận gay gắt về liêm chính nghiên cứu và nguy cơ rác học thuật do AI sinh ra.

EquiSELD là mạng nơ-ron chú ý đồng biến (equivariant attention network) đột phá cho bài toán định vị và phát hiện sự kiện âm thanh (SELD) từ tín hiệu First-order Ambisonics (FOA). Nhờ khai thác triệt để đối xứng không gian O(3) qua việc phân tách thành luồng vô hướng bất biến O(3) và vector cường độ đồng biến kết hợp Multi-ACCDOA, mô hình đạt độ chính xác cao vượt trội so với các mạng đồng biến trước đó với chi phí huấn luyện giảm mạnh, đồng thời duy trì hiệu năng cạnh tranh trên các bản ghi âm thực tế.

Vương quốc Anh công bố khoản đầu tư 100 triệu bảng Anh để thành lập phòng thí nghiệm an toàn sinh học AI (AI Biosecurity Lab) đầu tiên trên thế giới, nhằm nghiên cứu và phòng ngừa các rủi ro an toàn sinh học do AI gây ra.

Quantum-JEPA là khung mô hình thế giới JEPA tác vụ ẩn (latent-action JEPA) tích hợp phân phối tiên nghiệm lượng tử Born có điều kiện để học các phân phối biểu diễn tương lai trước sự bất định. Mô hình đo mạch lượng tử để tạo hành động ẩn nhị phân và ánh xạ sang các tương lai khả dĩ, hỗ trợ điều phối đa tác tử và sinh lộ trình tránh vật cản trên tập benchmark D3IL. Nghiên cứu đồng thời chứng minh tính khả thi khi suy luận trực tiếp trên bộ xử lý lượng tử (QPU) thực tế.

Quỹ Simons Foundation công bố khoản tài trợ 15 triệu USD nhằm hỗ trợ các nhà toán học tiếp cận, định hướng và ứng dụng trí tuệ nhân tạo trong nghiên cứu. Thông tin được nhà toán học Terence Tao đăng tải vào ngày 15/10/2026.

Nghiên cứu đề xuất kiến trúc Inference on Demand (IoD), trừu tượng hóa kỹ thuật suy luận phân tách (split inference) thành API mạng viễn thông theo chuẩn CAMARA và mang ngữ cảnh tensor in-band qua mặt phẳng người dùng 5G (UPF). Thử nghiệm trên testbed UPF khả trình với tác vụ thị giác AI cho thấy khả năng lựa chọn điểm chia cắt mô hình thích ứng như một dịch vụ mạng, giúp tối ưu chi phí và độ trễ so với giải pháp tĩnh truyền thống.

Bài báo khoa học đăng trên tạp chí Nature công bố kết quả cho thấy hệ thống gia sư AI (AI tutoring) đem lại hiệu quả học tập vượt trội hơn so với phương pháp học tập chủ động trên lớp (in-class active learning).

Nghiên cứu từ Đại học Florida (tháng 09/2026) cho thấy các họa tiết thị giác đơn giản có thể đánh lừa hệ thống AI trên xe tự hành và robot. Đây là dạng tấn công đối kháng vật lý (physical adversarial attacks) gây sai lệch nhận thức thị giác mà không cần can thiệp kỹ thuật số phức tạp. Tuy nhiên, các thông số kỹ thuật chi tiết về loại họa tiết và kiến trúc mô hình cụ thể chưa được làm rõ trong nội dung văn bản nguồn.

Nghiên cứu đề xuất kiến trúc mạng nơ-ron đồ thị phân cấp (Hierarchical GNN) nhằm nâng cao khả năng tổng quát hóa trong bài toán phân bổ công suất đa lưới điện. Bằng việc trao đổi thông tin qua hai đồ thị rút gọn trong mạng hiệu chỉnh GENCO, kỹ thuật rút gọn Kron giúp giảm 85% sai số điện áp so với mạng phẳng Flat GENCO và 31% so với Quotient trên các topo đã học. Mô hình dùng chung một bộ tham số cho nhiều lưới điện nhưng hiện chưa vượt qua chuẩn tham chiếu khi chuyển giao sang các topo hoàn toàn mới.

Bài viết từ The Atlantic phản ánh vấn nạn các ấn phẩm khoa học đang bị tràn ngập bởi nội dung và bài báo kém chất lượng do AI tạo ra ('AI slop'), gây áp lực nặng nề lên quy trình bình duyệt và đe dọa tính toàn vẹn của tri thức nghiên cứu.

Nghiên cứu giới thiệu mô hình lý thuyết và thực nghiệm dựa trên suy luận biến phân đa tác tử (multi-agent variational inference) nhằm làm rõ tư tưởng đa nguyên lý thuyết của Paul Feyerabend. Mô hình so sánh cộng đồng tác tử đa nguyên (có khả năng duy trì song song các lý thuyết đối lập) với cộng đồng đơn nguyên (chỉ tích hợp thông tin vào một mô hình duy nhất), qua đó giải thích cơ chế chuyển dịch lý thuyết qua các giai đoạn bất định và tác động của giao tiếp liên cộng đồng đến niềm tin tập thể.

Bài viết 'Egoless Mathematics in the AI Era' của nhà toán học Terence Tao (đăng trên blog cá nhân và thảo luận sôi nổi trên Hacker News) đề cập đến sự thay đổi tư duy và phương pháp trong nghiên cứu toán học khi có sự xuất hiện của AI. Khái niệm 'Toán học phi bản ngã' gợi mở mô hình cộng tác khách quan, giảm bớt cái tôi cá nhân và hướng tới việc tận dụng các công cụ AI/hệ thống hình thức để tăng tốc độ khám phá khoa học. Lưu ý: Bằng chứng đầu vào chỉ gồm siêu dữ liệu và tiêu đề, không có toàn văn nội dung.

Thử nghiệm đánh giá năng lực của 11 mô hình AI trong vai trò chủ tọa điều phối và soạn thảo văn kiện đa phương (multilateral statement). Kết quả ghi nhận chỉ có 3 trong số 11 mô hình hoàn thành nhiệm vụ một cách đáng tin cậy, làm nổi bật khoảng cách lớn giữa khả năng sinh văn bản thông thường và năng lực điều phối, dung hòa ý kiến đa bên phức tạp.