Research

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.

Nghiên cứu giới thiệu khái niệm Tỷ số mật độ log kỳ vọng (Expected Log Density Ratio - ELDR) cho các bài toán mà log density ratios được tích phân theo một phân phối thứ ba độc lập. Tác giả chứng minh rằng việc áp dụng ngây thơ các phương pháp ước lượng tỷ số mật độ thông thường (DRE) vào bài toán mật độ ẩn là không phù hợp do các giới hạn cơ bản trên mẫu hữu hạn. Đồng thời, bài báo đề xuất một cải tiến đơn giản đưa các mẫu hội tụ vào dữ liệu huấn luyện giúp giảm đáng kể sai số ước lượng trên benchmark thực nghiệm.

Nghiên cứu giới thiệu phương pháp mở rộng Trainable Weight Averaging (TWA) kết hợp hiệu chỉnh thành phần Rank-1 từ SVD để phát hiện dữ liệu ngoài phân phối (OOD). Bằng cách giải quyết giới hạn của TWA truyền thống (chỉ dùng một hệ số duy nhất cho mỗi checkpoint) và tận dụng các thành phần rank-1 dẫn đầu được học qua hàm mục tiêu phân loại in-distribution, phương pháp giúp kiểm soát các thành phần trọng số vượt trội gây ra hiện tượng tự tin thái quá. Thử nghiệm trên ResNet50 cho thấy hiệu quả vượt trội so với fine-tuning và TWA chuẩn trên các thang đo MSP và RankWeight, đặc biệt đạt hiệu quả cao nhất khi can thiệp vào các tầng gần classifier.

Bài viết trên Pansophics phản ánh tình trạng suy giảm chất lượng bình duyệt tại NeurIPS, IEEE và ACM, khiến các nghiên cứu chứa logic AI sai lệch vẫn được xuất bản, đe dọa tính tin cậy của các phát triển công nghệ dựa trên chúng.

Các nhà nghiên cứu tại Đại học Binghamton phát hiện nguy cơ kẻ tấn công lợi dụng các 'từ kích hoạt bí mật' (secret trigger words) để thao túng robot tích hợp AI thực hiện hành vi nguy hiểm, đồng thời phát triển giải pháp phòng vệ nhằm bảo vệ hệ thống trước loại tấn công này.

Trước làn sóng bài báo nghiên cứu bùng nổ do tác động của AI, các hội nghị khoa học máy tính hàng đầu đã bắt đầu áp đặt hạn mức (caps) đối với số lượng bài nộp nhằm giảm tải áp lực cho hệ thống bình duyệt (peer review).

Theo Chủ tịch khoa Toán Đại học Texas tại Austin (UT Austin), OpenAI đang chuẩn bị công bố 400 chứng minh toán học do AI tạo ra. Đây là tín hiệu cho thấy bước phát triển mới trong năng lực suy luận toán học và chứng minh định lý tự động của các mô hình AI.

Nghiên cứu trên arXiv (2110.01834) với chủ đề 'Thinking Fast and Slow in AI: The Role of Metacognition' cùng thảo luận trên Hacker News (83 điểm, 22 bình luận) tập trung vào việc áp dụng lý thuyết tư duy nhanh và chậm (System 1 và System 2) vào AI, nhấn mạnh vai trò cốt lõi của siêu nhận thức (metacognition) trong việc giúp hệ thống tự giám sát, đánh giá và điều phối tiến trình suy luận.

Phòng thí nghiệm sinh học AI của Anthropic đã phát hiện các đoạn ADN có đặc tính tương tự CRISPR ('CRISPR-like') bên trong virus, theo công bố trên tạp chí Nature. Đây là chỉ dấu cho thấy Anthropic đang tiến sâu vào lĩnh vực sinh học tính toán (AI for Science), mở ra khả năng tìm kiếm các công cụ chỉnh sửa gen mới do AI dẫn dắt.

Bài báo preprint trên arXiv (2609.04176) tuyên bố đã hoàn thành chứng minh tính vô tỉ của hằng số Catalan — một bài toán mở lâu năm trong lý thuyết số — với sự hỗ trợ của trí tuệ nhân tạo. Mặc dù chứng minh cần được cộng đồng toán học bình duyệt kỹ lưỡng để xác nhận tính chính xác, kết quả này cho thấy bước tiến đáng chú ý của AI trong việc hỗ trợ giải quyết các bài toán khoa học thuần túy.

Epoch AI cung cấp danh mục theo dõi các bài đánh giá chuẩn (benchmark registry) cho AI, bao gồm bộ lọc chuyên biệt để tra cứu các benchmark bị khiếm khuyết hoặc có lỗi (flawed benchmarks). Công cụ này giúp cộng đồng nhận diện các bộ đo lường năng lực mô hình không còn chuẩn xác hoặc chứa sai số.

Bài báo nghiên cứu trên arXiv (2604.09537) đề xuất phương pháp tự động xác thực căn cứ (automated grounding verification) cho các nhận định của AI về ảnh chụp X-quang ngực. Nghiên cứu nhằm mục tiêu kiểm chứng xem các câu mô tả bệnh lý do mô hình tạo ra có thực sự bắt nguồn từ bằng chứng trực quan trên phim X-quang hay không, giúp ngăn chặn ảo giác và cải thiện độ tin cậy lâm sàng.

Nhà toán học Terence Tao chia sẻ trên Science Friday về việc các giải pháp toán học do AI tạo ra hiện nay thường đi chệch bản chất ('miss the point'). Giá trị thực sự của toán học không chỉ nằm ở việc tìm ra đáp án số học hay suy luận kết quả đơn lẻ, mà ở sự thấu suốt cấu trúc, hình thành trực giác toán học và phương pháp luận có thể tổng quát hóa - điều mà các mô hình AI hiện thời vẫn chưa đạt được.

Nghiên cứu mới công bố cho thấy phần cứng AI có thể bị can thiệp và tấn công, khiến các chatbot vượt qua rào cản an toàn để đưa ra những câu trả lời nguy hiểm.

Nghiên cứu đề xuất tích hợp thông tin cấu hình kênh (CFG) vào tiền huấn luyện Radio Foundation Model (RFM) nhằm tạo ra các biểu diễn nhúng giàu tiên nghiệm quy nạp cho các tác vụ viễn thông hạ nguồn trong bối cảnh thiếu nhãn. Kết quả thực nghiệm trên các tác vụ phân loại LoS/NLoS, ước lượng Timing Advance và chọn búp sóng cho thấy phương pháp mới vượt trội hoặc cạnh tranh tốt với các mô hình cơ sở ở cả kịch bản cấu hình đã biết và chưa từng thấy (out-of-distribution).

Tài liệu là một luận án tiến sĩ (Dissertation) có tiêu đề 'Heterogeneity in AI: Pathways from Inference to Compound Systems', được lưu trữ trên Texas ScholarWorks (DOI: 10.26153/tsw/64881). Dựa trên tiêu đề học thuật, nghiên cứu đi sâu vào tính không đồng nhất (heterogeneity) trong AI, phân tích lộ trình chuyển đổi từ tối ưu hóa suy luận đơn lẻ sang xây dựng các hệ thống AI phức hợp (compound AI systems). Lưu ý rằng dữ kiện đầu vào chỉ gồm tiêu đề và liên kết bài đăng, chi tiết phương pháp và số liệu đo lường cụ thể chưa được cung cấp trong ngữ cảnh.

Nghiên cứu giới thiệu phương pháp chẩn đoán cục bộ cho các biểu diễn sự kiện học sâu nhằm phát hiện bất thường tại HL-LHC. Trên tập dữ liệu 750 triệu sự kiện COLLIDE-2V, mô hình nhúng có giám sát kết hợp autoencoder đạt hiệu quả tín hiệu vượt trội. Nhóm tác giả phát triển pipeline dùng Gaussian Mixture Model (GMM) trên không gian ẩn của Mô hình Chuẩn để xếp hạng các đại lượng quan sát phân biệt, giúp giải thích bản chất vật lý của các sự kiện bất thường và phát hiện sự sai lệch giữa điểm bất thường với đại lượng phân biệt thực tế.

Nghiên cứu chỉ ra sự hạn chế của các dự án liên ngành AI hiện nay khi thường rơi vào tình trạng hợp tác một chiều (đối tác chuyên ngành như AHSS chỉ cung cấp dữ liệu/góp ý đạo đức, còn nhóm kỹ thuật chỉ đóng vai trò gia công phần mềm). Dựa trên bài học hội tụ từ các tổ chức di sản văn hóa (GLAMs), nhóm tác giả đề xuất mô hình hợp tác tương hỗ (reciprocal collaboration) cùng khung làm việc gồm 5 thực hành then chốt để cả hai bên cùng thấu hiểu, đồng sáng tạo và tối ưu hóa tác động của công nghệ AI.

AI đang tạo ra số lượng ý tưởng và giả thuyết khoa học vượt xa năng lực kiểm chứng thực tế của các phòng thí nghiệm. Trong khi năng lực tính toán và mô hình hóa tăng theo cấp số nhân, quy trình thí nghiệm vật lý (wet lab) vẫn phụ thuộc vào thiết bị, con người và thời gian, tạo thành nút thắt cổ chai lớn trong nghiên cứu khoa học.

NVIDIA Research giới thiệu VFlash, nghiên cứu nhằm xây dựng và tối ưu các mô hình thị giác - ngôn ngữ (VLM) hoạt động theo cơ chế System-1 (phản xạ nhanh, độ trễ thấp) cho Physical AI (AI vật lý/robotics). Nghiên cứu hướng đến việc thu hẹp khoảng cách giữa hiểu biết thị giác đa phương thức và khả năng điều khiển phản xạ thời gian thực trong môi trường thế giới thực.