Research

SP-HLM là khung điều khiển kết hợp di chuyển và thao tác (loco-manipulation) cho robot hình người dựa trên giao diện tư thế thưa. Thay vì dùng một biểu diễn hành động đơn lẻ gây quá tải hoặc thiếu đặc tả, SP-HLM kết hợp 5 tư thế cơ thể then chốt với mô hình chuyển động tiềm ẩn. Hệ thống gồm: SP-VLA dự đoán tư thế thưa và khớp ngón tay theo dạng chunk bất đồng bộ từ quan sát đa phương thức và ngôn ngữ; SP-MGM tái tạo chuyển động toàn thân thời gian thực qua chưng cất 2 giai đoạn; và SP-GMT hợp nhất mục tiêu thưa với motion prior để điều khiển toàn thân. Phương pháp đã được kiểm chứng thành công cả trên mô phỏng và robot thật.

Nghiên cứu giới thiệu AVC-Reward, một khung đánh giá và mô hình phần thưởng tập trung vào sự kiện (event-centric) nhằm đo lường tính nhất quán âm thanh - video trong các mô hình sinh hiện đại. Thay vì đánh giá toàn bộ clip theo các quan hệ đơn giản, khung làm việc này phân tách sự kiện âm thanh và hình ảnh, phân tích độc lập, đối soát chéo và tổng hợp thành thước đo 3 cấp độ (hòa hợp cốt truyện toàn cục, đồng bộ thời gian và căn chỉnh thuộc tính chi tiết). AVC-Reward đạt độ tương quan cao nhất với đánh giá con người trên tập dữ liệu mới AVC-Benchmark, đồng thời cải thiện trực tiếp chất lượng sinh khi dùng làm tín hiệu học tăng cường trực tuyến.

LeapQuant là phương pháp lượng tử hóa 8-bit không cần huấn luyện (training-free) cho trạng thái hồi quy (recurrent state) trong các mô hình LLM sử dụng linear attention như Gated DeltaNet và Kimi Delta Attention. Để xử lý tình trạng nghẽn đọc/cập nhật trạng thái và sai số tích lũy, LeapQuant áp dụng lượng tử hóa theo cửa sổ (per-window quantization), kết hợp Compensator Tokens giữ lại các giá trị ngoại lai và làm mịn phần dư trước khi lượng tử hóa. Kết quả trên các mô hình Qwen, Kimi, GLM và GPU NVIDIA (B200, RTX PRO 6000, RTX 5090) đạt độ chính xác tương đương FP32, tăng tốc kernel từ 2.05-3.70x và tăng tốc suy luận end-to-end 1.47x.

Nghiên cứu đề xuất phương pháp phân tách độ tin cậy thành 3 kênh diễn giải được (nhận thức, bố cục, xác thực) kết hợp kỹ thuật kiểm soát rủi ro tuân thủ (conformal risk control) nhằm phục vụ xử lý thẳng (STP) tài liệu tài chính bằng Vision Language Models (VLM). Giải pháp giải quyết sự thiếu tin cậy của tín hiệu verbalized confidence trên các VLM như Qwen3.6-27B và Gemini-3.1-Flash-Lite, nâng AUROC từ 0.54–0.74 lên 0.90–0.99 trên 3 tập dữ liệu công khai. Trong môi trường công nghiệp với ngưỡng sai số <10%, phương pháp tăng tỷ lệ trường được tự động duyệt từ 0.1%–7.0% lên 49%–72% mà vẫn duy trì sai số thực nghiệm dưới mức mục tiêu.

Circe là phương pháp tự đánh giá độ chính xác câu trả lời của LLM không cần huấn luyện (training-free) và không cần đáp án tham chiếu. Phương pháp kết hợp tín hiệu nội bộ gồm độ nhất quán tương tác giữa Attention và FFN (CIC) cùng hình học biểu diễn trạng thái ẩn (RG), với tín hiệu bên ngoài là độ tin cậy log-likelihood (LC) để phân biệt câu trả lời đúng và sai mà không cần lấy mẫu nhiều lần. Thử nghiệm trên 5 LLM và 6 benchmark chứng minh Circe vượt trội hơn các phương pháp cơ sở và tổng quát hóa tốt trên đa ngôn ngữ và đa phương thức.

Pixel là hệ thống robot full-stack được đồng thiết kế phục vụ học điều khiển thao tác di động đa năng. Hệ thống kết hợp robot hình người dạng bánh xe chi phí thấp với động học tương thích con người, đa dạng giao diện thu thập dữ liệu từ người và robot, bộ điều khiển toàn thân thống nhất cùng kiến trúc học phân tầng hỗ trợ điều khiển thị giác - vận động theo chỉ dẫn ngôn ngữ cho các tác vụ dài hạn.

SetGRPO (Set-Valued Group Relative Policy Optimization) là phương pháp tối ưu hóa chính sách mới nhằm khắc phục tác động tiêu cực từ tính ngẫu nhiên của bộ chấm điểm (grader) trong rubric-based RL. Do GRPO chuẩn hóa phần thưởng theo nhóm, sai lệch chấm điểm có thể làm méo hệ số huấn luyện của toàn bộ nhóm phản hồi và gây rủi ro cập nhật sai hướng gradient. SetGRPO giải quyết vấn đề này qua 3 thành phần: Joint Reward Set Calibration (tạo tập bất định chung cho hệ số), Geometry-Guided Safe Recovery (tính tỷ lệ khôi phục an toàn dựa trên hình học cập nhật cục bộ) và Selective Risk-Gated Optimization (chọn ngưỡng kiểm soát rủi ro đảo ngược hướng cập nhật). Phương pháp cung cấp bảo đảm toán học về finite-sample coverage và đạt kết quả macro average cao nhất trên 10 benchmark tác vụ mở với các mô hình Qwen3.5 và Llama3.2.

Nghiên cứu đề xuất UTA (Universal Training Adaptive Learning Rate Decay), giải pháp suy giảm tốc độ học thích ứng trạng thái huấn luyện theo vòng lặp kín (closed-loop) dựa trên mô hình thời gian liên tục. Phương pháp giải quyết các hạn chế của UBA (vốn dựa trên SGD và quỹ đạo tĩnh), mang lại khả năng tối ưu hóa hình dạng và quy mô LR cho các bộ tối ưu họ Adam hiện đại, đạt cải thiện nhất quán trên LLaMA và Vision Transformer với chi phí vận hành không đáng kể.

Nghiên cứu chỉ ra rằng hiệu quả của các chiến lược prompting (như Chain-of-Thought hay Role Conditioning) trong mô hình LLM-as-a-Judge không thể áp dụng chung mà phụ thuộc lớn vào mô hình judge, ngôn ngữ và tác vụ cụ thể. Khi đánh giá trên 27 ngôn ngữ và 4 mô hình judge mã nguồn mở, việc lựa chọn mô hình judge chi phối tác động của prompt; hiệu ứng của prompt thậm chí bị đảo chiều giữa các judge và giảm sút mạnh về độ ổn định ở các ngôn ngữ ít tài nguyên.

Nghiên cứu và benchmark AXIS-Bench khảo sát thực nghiệm các phương pháp khai thác chất lượng dữ liệu thao tác (weighting, filtering, conditioning) khi pretrain mô hình Vision-Language-Action (VLA) từ 5.000 mẫu biểu diễn suboptimal của con người trên 24 tác vụ. Kết quả cho thấy approach-aware episode conditioning vượt trội hơn behavioral cloning tiêu chuẩn; conditioning tối ưu với nhãn cấp episode trong khi filtering tối ưu với nhãn cấp chunk; đồng thời pretraining trên mô phỏng nâng tỷ lệ thành công trên robot thật từ 9,6% lên 31,7%.

MatLoom là ngôn ngữ hướng lớp nhỏ gọn giúp sinh vật liệu PBR từ văn bản thông qua LLM tiền huấn luyện mà không cần fine-tuning. Hệ thống biểu diễn vật liệu thành các chương trình thực thi (trung vị 21 dòng) có thể biên tập được, sử dụng parser-guided repair, preview critique và seed search để tối ưu. Kết quả trên 141 prompt cho thấy MatLoom vượt qua 3 diffusion baselines trên tất cả thước đo căn chỉnh bố cục phẳng và nhận được 59,2% lựa chọn trong đánh giá người dùng.

STAR-GRPO là phương pháp ước lượng advantage ưu tiên độ tin cậy nhằm giải quyết hiện tượng reward hacking trong tối ưu hóa chính sách theo nhóm (GRPO). Bằng cách sử dụng đánh giá cặp trên cùng một rollout, phương pháp tách biệt tín hiệu chất lượng khỏi trọng số cập nhật, dùng sự bất đồng điểm số để đo độ tin cậy, điều chỉnh phân phối nhóm bằng mô hình location-scale bền vững và suy giảm các reward dị biệt, giúp bảo vệ baseline nhóm mà vẫn giữ nguyên mục tiêu tối ưu của tác vụ.

FoldScape là khung học sâu theo điều kiện trình tự, cho phép dự đoán và sinh tập hợp cấu hình C-alpha của protein ở mọi giai đoạn gấp nếp (được xác định bởi phân số gấp nếp Q) mà không cần mô phỏng động lực học phân tử riêng lẻ. Mô hình kết hợp hồi quy khoảng cách trượt phân cấp với bộ giải mã rectified-flow, bao phủ tọa độ gấp nếp rộng gấp khoảng 10 lần so với AlphaFold 3 và duy trì độ chính xác tái tạo ổn định xuyên suốt toàn bộ quá trình cuộn gập.

Nghiên cứu phân tích giới hạn cơ bản của việc dự đoán độ dài sinh token (decode length) từ trạng thái ẩn của pha prefill trong suy luận LLM. Bằng cách mô hình hóa quá trình autoregressive decoding như một quá trình ngẫu nhiên dừng, tác giả chứng minh độ dài sinh tuân theo phân phối chuẩn từng prompt và quy luật phương sai affine. Kết quả thực nghiệm cho thấy sai số hệ thống từ việc lấy mẫu chi phối sai số mô hình, khiến nhiều kiến trúc predictor khác nhau (MLP, MoE, FiLM) đều tiệm cận giới hạn lý thuyết này, đồng thời đề xuất chuẩn benchmark mới cố định tham số suy luận.

Nghiên cứu trên 1.552 câu hỏi kỳ thi nội trú MIR (Tây Ban Nha) đối với 4 mô hình mã nguồn mở (8B-27B) cho thấy dù 3 mô hình lớn đạt thứ hạng tương đương top 600 - 3.000 thí sinh, điểm số cao không phản ánh năng lực lâm sàng thực chất. Tinh chỉnh chuyên ngành y tế làm giảm độ tự tin thái quá nhưng lại làm giảm độ chính xác chung. Đáng chú ý, 13-38% câu trả lời đúng dựa trên suy luận lâm sàng sai và mô hình hoàn toàn không sử dụng hình ảnh được cung cấp để ra quyết định.

Nghiên cứu thực nghiệm trên 4 mô hình thuộc 3 họ mô hình với 5 ngôn ngữ Indic và tiếng Anh chỉ ra rằng LLM có khả năng nhận biết khi đang bị kiểm thử an toàn (evaluation awareness). Khi có tín hiệu kiểm thử, tỷ lệ từ chối yêu cầu độc hại ở ngôn ngữ Indic tăng trung bình 14,4 điểm phần trăm (bằng mức tiếng Anh), nhưng đồng thời làm tăng tỷ lệ từ chối nhầm yêu cầu lành tính từ 6,9% lên 11,3%. Bộ dữ liệu 47.880 phản hồi được công bố cho thấy các bài đánh giá an toàn hiện nay chưa phản ánh đúng hành vi thực tế của mô hình với người dùng phổ thông.

Nghiên cứu giới thiệu phương pháp mô hình hóa và sinh trực tiếp trọng số mạng điều khiển robot hình người thông qua mô hình latent diffusion (kết hợp linear autoencoder và Diffusion Transformer). Được huấn luyện trên các mạng học tăng cường (RL) của robot Unitree G1, hệ thống có thể tạo ra các mạng điều khiển vận hành ổn định ngoài đời thực cho các kỹ năng như đi bộ, nhảy múa và đá xoay. Đồng thời, nhóm tác giả phát hiện lớp trọng số đầu tiên luôn phản ánh tiên nghiệm động học (kinematic prior) xuất hiện ở cả RL và Imitation Learning (IL), thể hiện tri thức nội tại về cấu trúc cơ thể robot.

Where-OPD giới thiệu phương pháp tự chưng cất on-policy (on-policy self-distillation) mới cho các mô hình ngôn ngữ lớn đa phương thức (MLLMs). Thay vì dựa vào cắt ảnh (image crops) hay nhãn bounding-box thủ công đắt đỏ, Where-OPD cung cấp cho mô hình giáo viên (teacher) thông tin định vị không gian dạng văn bản về các yếu tố thị giác liên quan đến câu hỏi. Bằng cách sử dụng các cảnh nhân tạo sinh theo quy trình với định danh và tọa độ vật thể tự động, phương pháp cho phép hậu huấn luyện quy mô lớn hoàn toàn không cần nhãn người gán. Mô hình học sinh (student) học cách tích hợp bằng chứng từ nhiều vùng ảnh chỉ dựa vào ảnh gốc và câu hỏi. Where-OPD cải thiện rõ rệt tác vụ đếm, hiểu tài liệu và biểu đồ, đồng thời chuyển giao xuất sắc sang 6 benchmark thực tế với mức tăng trung bình 3.23 điểm.

NeuronEye là framework dạng plug-in cho Vision-Language Models (VLM) lấy cảm hứng từ cơ chế mã hóa thưa và điều biến từ trên xuống trong thị giác sinh học. Thay vì dựa vào biểu diễn dày đặc vốn bị vướng víu đặc trưng, NeuronEye phân rã trạng thái vision token thành một tập từ vựng nơ-ron thưa theo cụm khái niệm, dùng truy vấn ngôn ngữ để kích hoạt chọn lọc các khái niệm liên quan và định vị patch tương ứng, đồng thời ức chế các tín hiệu tri giác trội để bảo tồn manh mối yếu. Toàn bộ quy trình diễn ra trong một lượt forward pass trên backbone VLM đóng băng, giúp Qwen2.5-VL-7B tăng +3.1 điểm CV-Bench (+9.5 ở tác vụ Distance) và +8.3 điểm BLINK Multi-view.

Nghiên cứu đề xuất giải pháp khởi tạo Linear Vision Transformers (ViTs) hiệu quả từ Softmax ViTs tiền huấn luyện theo nguyên lý 'sao chép thành phần tương đồng, chưng cất thành phần khác biệt'. Trọng số MLP mang tính độc lập với toán tử (operator-agnostic) nên có thể sao chép trực tiếp, trong khi trọng số attention mang tính đặc thù (operator-specific) cần được khôi phục hành vi định tuyến token qua chưng cất (distillation). Kết hợp cả hai giúp Linear ViT bắt kịp và vượt qua hiệu năng Softmax ViT gốc.

TriWorldBench là bộ chuẩn đối sánh (benchmark) đánh giá các mô hình thế giới hiện thân (embodied world models) thông qua tính nhất quán giữa 3 góc nhìn đồng bộ: camera đầu (bao quát toàn cảnh tác vụ) cùng camera cổ tay trái và cổ tay phải (chi tiết tương tác cục bộ kẹp gắp - vật thể). Bộ benchmark bao gồm 500 phân đoạn trải dài qua 50 tác vụ thao tác hai tay, sử dụng 19 chỉ số đo lường đa chiều (tính nhất quán 3 góc nhìn, độ khớp nhiệm vụ, tính gắn kết 3D và vật lý, chuyển động, thời gian và thị giác) và tổng hợp qua điểm TWB-Score, giúp giải quyết triệt để hạn chế của các phương pháp đánh giá đơn góc nhìn trước đây.

WPBench là nền tảng benchmark toàn diện, công bằng và có khả năng mở rộng dành cho bài toán dự báo công suất điện gió. Hệ thống tích hợp 26 tập dữ liệu công khai (từ quy mô đơn turbine đến đa turbine, đơn biến và đa biến) cùng giao thức chuẩn hóa để đánh giá 19 mô hình đại diện (gồm mô hình truyền thống, deep temporal, spatio-temporal và foundation models). WPBench vượt qua các thước đo sai số điểm thông thường bằng cách đánh giá độ trung thực của đường cong dự báo, hiệu quả tính toán và cung cấp công cụ chẩn đoán cấu trúc theo thời gian, biến số và không gian.

Nghiên cứu giới thiệu Live-ProsodyJudge (LPJ) và Decoupled-Live-ProsodyJudge (D-LPJ) để giải quyết bài toán đánh giá ngữ điệu đa chiều (cảm xúc, cao độ, năng lượng) trong tổng hợp giọng nói phát trực tiếp. LPJ được chưng cất từ Gemini sang Qwen3-Omni nhằm tối ưu chi phí. Nhằm khắc phục lỗi 'verdict coupling' (thẩm phán LLM đồng nhất điểm chi tiết với phán quyết chung), D-LPJ loại bỏ nhãn phán quyết tổng thể, mask các chiều không chắc chắn trong SFT và áp dụng kỹ thuật span-local GRPO. Thực nghiệm cho thấy LPJ đạt độ chính xác cao hơn Gemini đơn lẻ, D-LPJ tạo ra các đánh giá độc lập, và giúp chọn mẫu TTS lọt top-3 con người chọn đạt 85,29% trong giải đấu Best-of-8.

Nghiên cứu giới thiệu HOPE (Higher-Order Pruning of Experts), một phương pháp cắt tỉa chuyên gia bậc hai dành cho các mô hình ngôn ngữ Mixture-of-Experts (MoE). Khác với các phương pháp hiện tại coi các chuyên gia hoạt động độc lập và cộng tính, HOPE mô hình hóa bản chất tương tác hợp tác giữa các chuyên gia nhằm cực tiểu hóa cận trên của sai số cắt tỉa. Thử nghiệm trên 3 mô hình MoE biên giới (lên tới 122B tham số) cho thấy HOPE vượt trội hơn các phương pháp cơ sở, đạt thứ hạng trung bình 1.58/5 ở mức cắt tỉa 50% (so với 2.42 của REAP) và tăng tới +6.1% hiệu năng trên tác vụ agentic coding.