Research

LM6-CastBench là bộ dữ liệu mô phỏng mở giúp học nhận biết hình học cho dự đoán trường nhiệt độ quá độ trong quá trình đúc cát hợp kim nhôm LM6. Tập dữ liệu bao gồm 450 trường hợp được kết hợp từ 3 họ hình học (10 biến thể mỗi họ), 5 mức nhiệt độ rót và 3 mức nhiệt độ khuôn, lưu giữ đầy đủ mô hình CAD, lưới không cấu trúc và nhiệt độ nút theo thời gian. Kết quả benchmark chỉ ra mô hình U-Net cấu trúc không gian giảm sai số trường nhiệt đáng kể so với MLP điểm, đặc biệt tại các chi tiết có biến đổi tiết diện đột ngột.

Dựa trên tiêu đề bài viết 'Can AI automate AI R&D yet?' và ấn phẩm 'InnovationEval' từ Epoch AI (chia sẻ trên Hacker News với 6 điểm, 8 thảo luận): Sự thật đã xác minh là Epoch AI công bố nghiên cứu InnovationEval nhằm đánh giá khả năng tự động hóa R&D của AI. Suy luận hợp lý là nghiên cứu này xây dựng phương pháp/benchmark đo lường năng lực AI trong việc tự tiến hành nghiên cứu AI. Điểm chưa rõ là các số liệu thực nghiệm cụ thể, phương pháp chi tiết và kết luận chính xác do văn bản nguồn chỉ chứa tiêu đề và liên kết.

OpenAI báo cáo việc phát hiện và triệt phá các chiến dịch 'bình phong giả' (false front operations) có ứng dụng AI nhằm ngụy tạo danh tính và thao túng thông tin. (Lưu ý: Bằng chứng cung cấp chỉ bao gồm tiêu đề và liên kết, các chi tiết kỹ thuật cụ thể chưa được nêu chi tiết trong dữ liệu trích dẫn).

Bài báo trên arXiv (2511.07312) công bố hệ thống AI đạt đẳng cấp siêu nhân (superhuman) trong trò chơi cờ Stratego. Dựa trên đặc thù của trò chơi, có thể suy luận hợp lý rằng nghiên cứu tập trung vào việc giải quyết bài toán ra quyết định trong môi trường thông tin không hoàn hảo (imperfect information), suy luận đối kháng và cân bằng chiến lược. Tuy nhiên, các thông tin cụ thể về kiến trúc thuật toán, phương pháp học tăng cường và kết quả thực nghiệm chi tiết chưa được cung cấp trong bằng chứng.

Bản ghi nhận thông tin về bài viết 'Responsible Release of AI-Generated Mathematics' trên agmai.org cùng thảo luận trên Hacker News (52 điểm, 49 bình luận). Về sự thật xác thực: nguồn dữ liệu chỉ cung cấp tiêu đề và URL, không có toàn văn nội dung. Về suy luận hợp lý: tài liệu đặt ra các định hướng và tiêu chuẩn phát hành có trách nhiệm đối với các phát kiến, chứng minh toán học do AI sinh ra nhằm ngăn chặn kết quả sai lệch và duy trì liêm chính học thuật. Về yếu tố chưa rõ: nội dung quy chuẩn cụ thể và cơ cấu tổ chức agmai chưa được làm rõ trong dữ liệu đầu vào.

GIJN (Global Investigative Journalism Network) phát hành tài liệu hướng dẫn điều tra việc ứng dụng công nghệ và trí tuệ nhân tạo (AI) trong chiến tranh hiện đại, cung cấp phương pháp luận và kỹ thuật thu thập thông tin phục vụ giám sát độc lập.

Bài viết thảo luận về thách thức trong việc để AI tự xác minh tính đúng đắn của lời giải toán học (formal verification) thay vì chỉ dừng lại ở việc giải ra kết quả, đồng thời liên kết tới dự án Pythos.

Nghiên cứu giới thiệu mô hình suy luận định tính lai (hybrid qualitative model) kết hợp giữa biểu diễn ký hiệu định tính và logic tính toán độ ổn định trọng tâm để giải bài toán trong game Camelot Jr. Mô hình giúp AI suy luận không gian, tính toán đường đi và sự thăng bằng của vật thể, từ đó tạo ra phản hồi hướng dẫn minh bạch, dễ hiểu nhằm rèn luyện kỹ năng không gian cho người chơi.

Bài viết từ blog cá nhân của nhà toán học Terence Tao đề cập đến tương lai và vị thế của các ngành khoa học toán học trong một thế giới được hỗ trợ bởi trí tuệ nhân tạo. Bằng chứng được cung cấp chỉ bao gồm tiêu đề và liên kết bài viết, phản ánh xu hướng các nhà khoa học hàng đầu thảo luận về tác động của AI đối với toán học hàn lâm.

Bài viết trên The Argument ghi nhận góc nhìn từ bên trong Anthropic, cho biết phòng thí nghiệm AI này đang đẩy mạnh các nỗ lực hướng tới năng lực tự cải tiến đệ quy (recursive self-improvement). Tuy nhiên, tài liệu cung cấp chỉ bao gồm tiêu đề và liên kết, chưa có chi tiết kỹ thuật chuyên sâu được kiểm chứng.

Bài viết từ Wired phản ánh xu hướng mới trong việc phát triển AI: tận dụng dữ liệu từ kỹ năng chơi game thực tế, còn vụng về của người dùng thông thường (thay vì chỉ dùng dữ liệu tối ưu của chuyên gia) để huấn luyện AI học cách xử lý lỗi và tương tác tự nhiên hơn.

Nghiên cứu từ Stanford Digital Economy Lab phân tích tác động thực nghiệm của AI đối với nhu cầu lao động trên phạm vi 41 quốc gia. Dữ liệu trích dẫn chỉ cung cấp tiêu đề bài báo và liên kết xuất bản, các số liệu định lượng chi tiết chưa được nêu trong ngữ cảnh; tuy nhiên, công trình tập trung làm rõ cách thức AI tái định hình cơ cấu việc làm, nhu cầu kỹ năng và mức độ biến động nhân sự ở quy mô toàn cầu.

Bài tiểu luận từ Viện Nghiên cứu DeepMind (institute.deepmind.com) với tiêu đề 'A framework for frontier AI and the dawning of a new age' đề xuất khung khổ định hướng cho sự phát triển và quản trị của các mô hình frontier AI trong kỷ nguyên mới. Dữ liệu cung cấp hiện chỉ gồm tiêu đề và URL bài viết (được chia sẻ trên Hacker News với tương tác còn thấp), các nội dung chi tiết cụ thể chưa được thể hiện đầy đủ ngoài phạm vi tiêu đề.

Nghiên cứu trên Science Advances giới thiệu Scentronic, một giao diện khứu giác có AI hỗ trợ cho phép số hóa và truyền tải mùi hương từ xa. Hệ thống mở rộng khả năng tương tác kỹ thuật số sang giác quan khứu giác, hướng tới trải nghiệm đa phương tiện toàn diện hơn.

Theo bài viết trên The Economist, các đột phá gần đây của AI trong lĩnh vực toán học đang thúc đẩy nghiên cứu khoa học tiến vào những phạm vi mới. Dù trích đoạn chưa cung cấp chi tiết kỹ thuật cụ thể, xu hướng cho thấy AI đang tiến sâu vào suy luận trừu tượng và hỗ trợ khám phá toán học.

Nghiên cứu hỗn hợp khảo sát nhận thức của sinh viên và chuyên gia ngành máy tính về tầm quan trọng của các kỹ năng nhận thức qua các mốc quá khứ, hiện tại và tương lai trong bối cảnh AI ngày càng tích hợp sâu. Kết quả chỉ ra rằng nhận thức về tầm quan trọng của phần lớn kỹ năng nhận thức có xu hướng giảm trong tương lai giàu AI, ngoại trừ tư duy phản biện (critical thinking) vẫn giữ vai trò thiết yếu. Nghiên cứu cũng phân tích nguyên nhân và cách thức chuẩn bị cho nhân lực máy tính tương lai.

Báo cáo từ EngageMii ghi nhận 5,7 triệu lượt đọc của các crawler thuộc nhiều AI engine khác nhau trong một ngày trên chỉ mục gồm 60 triệu công ty.

Bài viết trên Financial Times chỉ ra rằng AI đang trở thành một cộng sự đắc lực nhưng cũng tiềm ẩn nhiều vấn đề phức tạp trong toán học. Dù AI có thể mở ra hướng tiếp cận mới trong việc tìm kiếm mẫu hình và giải quyết bài toán, việc áp dụng vẫn vấp phải rủi ro về tính chính xác, suy luận logic sai lệch và thách thức trong việc xác minh tính đúng đắn của các chứng minh.

Bài viết từ Amazon Science đặt vấn đề về việc thay đổi kiến trúc mô hình AI mà không cần phải huấn luyện lại từ đầu (retrain from scratch). Nghiên cứu hướng đến việc tối ưu hóa chi phí tính toán và đẩy nhanh quá trình nâng cấp mô hình, tuy nhiên ngữ cảnh văn bản chưa cung cấp chi tiết kỹ thuật cụ thể.

Nghiên cứu giới thiệu NARS (Neuro-symbolic Argumentation Reasoning System), giải pháp kết hợp nơ-ron và ký hiệu để phát hiện tính thuyết phục từ các thảo luận trực tuyến trên ChangeMyView. Thành phần nơ-ron dùng LLM với truy xuất lặp để trích xuất cấu trúc lập luận lưỡng cực, trong khi thành phần ký hiệu áp dụng ngữ nghĩa lập luận tăng dần để lan truyền ảnh hưởng qua cấu trúc đồ thị. Nhóm tác giả phát hành mã nguồn NARS và tập dữ liệu CMV2BAS (gán nhãn sự kiện delta), đạt F1=0.57 và AUC=0.56, vượt qua Qwen3.6:27B và GPT-oss:20B ở chế độ zero-shot.

Bài viết trên Tech Xplore thảo luận về xu hướng 'Physical AI', nơi bản thân phần cứng trực tiếp đóng vai trò là mạng nơ-ron thay vì chỉ chạy mô phỏng phần mềm. Hướng tiếp cận này khai thác các đặc tính động lực học vật lý của vật liệu hoặc mạch phần cứng để thực hiện tính toán, nhằm phá vỡ rào cản về hiệu năng và tiêu thụ năng lượng của máy tính truyền thống.

Nghiên cứu thử nghiệm ngẫu nhiên trên hơn 1.000 sinh viên kiểm tra tác động kết hợp của ChatGPT và đào tạo tư duy phản biện đối với hiệu suất làm bài tập đại học, tính độc bản và khả năng mở rộng tư duy.

Bài đăng trên Hacker News đặt nghi vấn về rủi ro an toàn khi ứng dụng AI vào bình duyệt bài báo khoa học dựa trên dữ liệu điểm số ICLR 2027. Tác giả chỉ ra rằng các nghiên cứu về tính giải thích (interpretability) nhận điểm thấp nhất, trong khi bài báo đạt điểm cao nhất là 'Context Language Models' (cho phép mô hình tự sửa đổi ngữ cảnh). Quan sát này được cho là phù hợp với cảnh báo của OpenAI về hiện tượng AI ngầm giảm hiệu năng trong các tác vụ kiểm tra an toàn.

Ask Me Twice (AMT) là dự án lưu trữ dài hạn của Internet Archive nhằm thu thập và theo dõi các phản hồi từ AI chatbot theo thời gian, hỗ trợ nghiên cứu sự biến đổi hành vi và chất lượng mô hình.