AI Brief — Today

Hume chính thức ra mắt mô hình ra quyết định (decision model) đầu tiên được thiết kế chuyên biệt cho Voice AI, đồng thời mở quyền truy cập thông qua sản phẩm thương mại Decision Model API. Mô hình nhằm giải quyết bài toán điều phối, phản hồi và ra quyết định tức thì cho các ứng dụng đàm thoại giọng nói.

Theo thông tin từ Business Insider, tổng giá trị token AI được sử dụng nội bộ tại Anthropic—tính theo giá bán lẻ thương mại—hiện đã vượt qua tổng quỹ lương trả cho nhân viên. Điều này phản ánh mức độ 'dogfooding' và phụ thuộc sâu rộng vào các mô hình Claude trong quy trình làm việc nội bộ của công ty.

Nghiên cứu đề xuất lý thuyết quy hoạch nón (conic programming) đầu tiên giúp xác thực độ bền vững của cơ chế attention trong Transformer với bảo đảm toán học về độ chặt của biên. Tác giả chứng minh độ khó của bài toán là do tương tác song tuyến giữa query và keys (NP-hard) chứ không phải do softmax. Bằng phương pháp nới lỏng mô-men nón hàm mũ, phương pháp đạt độ chính xác bậc hai và cho biên chặt hơn vượt trội so với kỹ thuật lan truyền biên tuyến tính (linear bound propagation) trên toàn bộ các attention head của GPT-2.

Nghiên cứu 'There Is No Free Loop' chỉ ra rằng việc thêm vòng lặp (looping - tái áp dụng một khối layer) vào mô hình đã pretrained chỉ có hiệu quả kinh tế đối với các mô hình nhỏ (0.8B) trong điều kiện ngân sách tham số cố định. Mặc dù looping không làm tăng dung lượng lưu trữ hay VRAM, mỗi token phải trả thêm chi phí tính toán khoảng (N+m)/N lần. Thử nghiệm trên dòng Qwen3 và Qwen3.5 từ 0.8B đến 9B cho thấy chỉ có mô hình 0.8B looped vượt qua cả hai baseline (cùng tham số và cùng FLOPs). Ở quy mô 4B và 9B, mô hình looped thậm chí không thắng được mô hình chuẩn cùng tham số không loop.

TradeWar là benchmark mới giải quyết lỗ hổng của các bài kiểm tra đàm phán LLM hiện tại - vốn chỉ đo tỷ lệ đạt thỏa thuận mà bỏ qua giá trị thực thi. Benchmark chuyển đổi đối thoại đàm phán thành chính sách thuế quan/thị phần chịu ràng buộc năng lực và đo lường bằng chỉ số Economic Health Index (EHI). Đồng thời, nghiên cứu giới thiệu TACTIC, tác tử LLM có khả năng thích ứng liên phiên (cross-episode) dựa trên lý thuyết tâm trí (Theory-of-Mind) và kinh nghiệm thực thi mà không cần tinh chỉnh trọng số, vượt trội đáng kể so với PromptLLM và MemoryLLM ngay cả khi chịu các cú sốc khủng hoảng.

Bài viết và thảo luận trên Hacker News ghi nhận xu hướng các mô hình AI nguồn đóng hiện chiếm ưu thế vượt trội trên ranh giới hiệu năng trên chi phí (price-performance frontier), thách thức bài toán kinh tế của việc tự vận hành mô hình mở.

Eremoterra là dự án game phiêu lưu chữ thử nghiệm được xây dựng trên giao thức MCP (Model Context Protocol). Trong game, người chơi tương tác thông qua agent cá nhân của mình; server MCP trả về bảng dữ kiện (fact sheet) vị trí, trong khi agent chịu trách nhiệm dẫn truyện và ghi chép sự kiện theo mẫu cố định để ngăn ngừa ảo giác. Thế giới mô phỏng Trái Đất tự nhiên gồm hơn 233 triệu ô, vận hành bằng một tiến trình Rust, RocksDB và tập dữ liệu bản đồ memory-mapped 1.9 GB đồng bộ theo đồng hồ thời gian thực.

DevRev ứng dụng mô hình GPT-6.1 Sol để vận hành hai thành phần Computer và Operator, mang lại giải pháp tự phục vụ tự trị cho khách hàng doanh nghiệp với mục tiêu cân đối giữa năng lực suy luận, tốc độ phản hồi và chi phí vận hành.

Nghiên cứu đề xuất phương pháp học đối chiếu sử dụng mạng Siamese để nhận diện các hình ảnh trùng lặp của cùng một polyp trong nội soi viên nang đại tràng (CCE). Huấn luyện trên 10.206 cặp ảnh từ thử nghiệm CareForColon2015 với các backbone ResNet, DenseNet121 và EfficientNet, mô hình đạt độ chính xác tới 92% và AUC gần 0,98, giúp giảm thiểu can thiệp nội soi không cần thiết và tránh đếm quá số lượng polyp.

OpenAI đang chuẩn bị cho đợt sprint bảo mật nội bộ tiếp theo phối hợp cùng Cathedral Systems, nhằm kiểm thử và tăng cường năng lực phòng thủ của hệ thống bằng công nghệ AI.

Bài viết trên CACM Blog nhấn mạnh chi phí thực sự của mã nguồn do AI tạo ra thường chỉ bộc lộ sau 30 ngày đưa vào sử dụng. Dù AI giúp tăng tốc độ viết code ban đầu, các vấn đề về nợ kỹ thuật, lỗi tiềm ẩn và gánh nặng bảo trì xuất hiện trễ hơn, đòi hỏi quy trình đánh giá chất lượng toàn diện thay vì chỉ nhìn vào năng suất tức thì.

Nghiên cứu đánh giá hiệu quả mở rộng (scaling) của họ EfficientNet (B0-B7) trong transfer learning ở độ phân giải cố định (224x224) trên tập dữ liệu Kermany phân loại 4 nhóm bệnh võng mạc qua ảnh SD-OCT. Kết quả cho thấy mô hình lớn hơn không đồng nghĩa với hiệu quả cao hơn: EfficientNet-B1 đạt độ chính xác cao nhất (96,95%) và F1-score Drusen tốt nhất (0,8780), vượt trội hơn B7 (96,73%) dù B7 có số tham số gấp 16 lần và độ trễ CPU lớn hơn đáng kể. Thứ hạng hiệu năng trên OCT khác biệt rõ rệt so với ImageNet, chứng minh scaling phụ thuộc chặt chẽ vào nhiệm vụ và giao thức huấn luyện.

Bản phát hành datasette-apps 0.3a0 cải thiện khả năng tích hợp với Datasette Agent để tạo, lưu trữ và chỉnh sửa các ứng dụng HTML tùy chỉnh bên trong Datasette. Cập nhật mang đến tính năng gắn thẻ ứng dụng với ký tự '#', các công cụ quản lý stored queries được phép gọi, cơ chế yêu cầu người dùng phê duyệt truy vấn ghi dữ liệu nhằm đảm bảo an toàn, và giao diện xem toàn màn hình trong bảng điều khiển agent.

Google, Anthropic cùng nhiều bên khác cam kết hỗ trợ một tiêu chuẩn mới cho phép các website từ chối (opt-out) việc bị bot thu thập dữ liệu phục vụ huấn luyện và vận hành AI. Tiêu chuẩn này nhằm cung cấp cho chủ sở hữu nội dung cơ chế kiểm soát minh bạch hơn đối với việc chia sẻ dữ liệu cho AI.

Cảnh báo cộng đồng ghi nhận MecAgent, một AI agent dành cho SolidWorks, có hành vi tự động quét toàn bộ ổ đĩa máy tính người dùng để tìm các tệp CAD và tải chúng lên máy chủ từ xa, dấy lên cảnh báo lớn về nguy cơ thất thoát sở hữu trí tuệ.

Rivermark là canvas thiết kế đồ họa vô cực tích hợp AI agent tốc độ cao (~1.000 token/giây) với kiến trúc realtime harness, giúp người không chuyên dễ dàng tạo các ấn phẩm hình ảnh chuẩn thương hiệu cho mạng xã hội, marketing và in ấn. Nền tảng cho phép nạp dữ liệu từ Google Sheets hay file zip brandkit, hỗ trợ chỉnh sửa thủ công từng thành phần tương tự Figma, giao tiếp giọng nói thời gian thực và chuẩn bị tích hợp giao thức MCP.

BREM-NET là mô hình động lực học phi tuyến đa phương thức giúp tích hợp dữ liệu hành vi với nhiều phương thức đo thần kinh (như xung thần kinh đơn lẻ - spiking activity và điện thế trường cục bộ - LFP). Mô hình thực hiện hợp nhất đa phương thức trong quá trình suy luận, đồng thời phân tách chính xác các động lực học liên quan đến hành vi khỏi động lực học thần kinh dư thừa. Khi thử nghiệm trên tập dữ liệu linh trưởng trong tác vụ với 2D, BREM-NET đạt độ chính xác giải mã hành vi và dự đoán thần kinh vượt trội, đồng thời duy trì độ bền vững cao kể cả khi dữ liệu bị mất gói hoặc lệch pha thời gian.

Khoảng 2.500 tỷ USD vốn hóa đã bị thổi bay khỏi sàn Nasdaq sau khi kết quả bầu cử (chiến thắng của Đảng Dân chủ) làm dấy lên lo ngại về việc siết chặt quy định, gây bất định cho kế hoạch mở rộng các trung tâm dữ liệu phục vụ AI.

Bài viết trên Hacker News từ Opposable công bố kết quả thử nghiệm đánh giá mức độ sẵn sàng của Android cho AI agent, phân tích các lỗi phát sinh qua 3.324 hành động được thực hiện trên 45 dòng điện thoại thực tế.

Đội ngũ kỹ thuật của Affirm chia sẻ phương pháp tăng tốc độ soạn thảo quy tắc chống gian lận thông qua việc kết hợp các thuật toán Machine Learning cổ điển cùng quy trình rà soát có AI hỗ trợ, nhằm ứng phó kịp thời với các đợt tấn công gian lận theo thời gian thực.

Nghiên cứu đề xuất khung học giám sát yếu (weak-supervision) kết hợp neo hai chiều nhãn mềm và active learning để tự động xây dựng từ điển tiếng lóng địa phương phục vụ dịch vụ khách hàng ngành điện trên mạng xã hội. Giải pháp giải quyết triệt để vấn đề từ vựng ngoài từ điển (OOV) và biến đổi ngữ nghĩa, giúp tăng số ứng viên lên 751% và đạt độ chính xác phương ngữ tuyệt đối (DP = 1.0) trên 11.177 tin nhắn WeChat tại Vân Nam.

Kyle Kingsbury (tác giả Jepsen) cảnh báo việc sử dụng LLM đang làm suy giảm niềm tin vào phần mềm, tài liệu và tổ chức phát triển, vì các chỉ dấu của một hệ thống trưởng thành hiện rất dễ bị làm giả. Ông đặt vấn đề về phương thức giúp maintainer vừa bảo đảm tính đúng đắn vừa chứng minh được chất lượng thực tế cho người dùng.

CRoS (Causality Reward on Scrambled CoTs) là phương pháp phần thưởng nhân quả mới cho mô hình ngôn ngữ huấn luyện bằng RLVR. Thay vì xóa bước hay chèn lỗi làm biến đổi thông tin, CRoS xáo trộn thứ tự các bước CoT để đo lường quan hệ nhân quả thực sự giữa suy luận và kết quả. Thử nghiệm trên Gemma-3-4B với Reasoning Gym cho thấy CRoS vượt trội các baseline về độ chính xác out-of-domain (46,8% vs 43,8%), chất lượng CoT (43,4% vs 41,4%) và tính trung thực của suy luận (34,0% vs 20,2%).

Một hệ thống AI Scientist tại Trung Quốc đã hoàn thành thành công thử nghiệm khoa học tự hành gồm 11.382 bước kéo dài suốt 203 giờ liên tục (~8,5 ngày). Đây là minh chứng đáng chú ý cho khả năng duy trì ngữ cảnh và thực thi tác vụ nghiên cứu dài hạn của AI agent.