AI Brief — Today

MedPhysBench là bộ benchmark đánh giá các mô hình ngôn ngữ lớn (LLM) trong tính toán vật lý y khoa và phát hiện sai sót lâm sàng (như hiệu chuẩn chùm tia TG-51, tính toán monitor-unit MU). Benchmark bao gồm 10 bộ tạo bài toán ngẫu nhiên trên 4 lĩnh vực và tập kiểm thử 1.200 bài để kiểm tra khả năng tự tính toán và kiểm tra chéo (error detection) bài làm của đồng nghiệp. Kết quả trên 12 mô hình cho thấy điểm tính toán dao động từ 33,3% đến 100,0%, trong đó 4 mô hình dẫn đầu đạt 99,3-100%. Tuy nhiên, nhiều mô hình gặp khó ở các tác vụ lâm sàng cấp độ 3 (ví dụ Claude Sonnet 5.5 bỏ sót hiệu chỉnh nghịch đảo bình phương khoảng cách ở 19/20 bài MU). Về phát hiện lỗi, 5 mô hình phát hiện ≥96,7% lỗi cấy với tỷ lệ báo động giả ≤4%, nhưng xuất hiện hiện tượng bất đối xứng: Claude Opus 5.5 bỏ sót 6/20 kết quả sai dù tự tính đúng 20/20 bài. Mã nguồn, kết quả từng câu và dữ liệu kiểm thử đã được công bố công khai.

TailSteer là khung huấn luyện giai đoạn cuối giúp mô hình chỉnh sửa ảnh nhiều lượt chống trôi dạt thị giác tích lũy (drift-resistant). Phương pháp giữ nguyên động lực học khử nhiễu ban đầu và tập trung hiệu chỉnh bảo toàn ở phần đuôi quỹ đạo khử nhiễu bằng rollout on-policy mà không cần dữ liệu cặp có sẵn. Thử nghiệm trên FLUX, SenseNova và Qwen chứng minh khả năng duy trì chất lượng qua 15-20 lượt chỉnh sửa liên tiếp mà vẫn bảo toàn năng lực của mô hình nền.

TriAttention là kỹ thuật attention kết hợp độ thưa (sparsity) và độ chính xác hỗn hợp (mixed-precision) dành cho suy luận LLM ngữ cảnh dài. Phương pháp phân chia các khối query-key thành ba trạng thái: bỏ qua (skip), tính toán 4-bit hoặc 8-bit, đồng thời mã hóa vùng tính toán bằng hai biên đường chéo độc lập với độ dài ngữ cảnh. Nhờ fused kernel chuyên dụng và việc tái sử dụng key-value lượng tử hóa trong KV cache khi decode, TriAttention tăng tốc độ sinh chuỗi thực tế lên tới 7.88x so với PyTorch attention và 2.65x so với BF16 mà vẫn bảo đảm độ chính xác tương đương mô hình gốc. Mã nguồn được công khai tại GitHub.

LoopVQ là phương pháp lượng tử hóa vector (KV cache vector quantization) dưới 1-bit dành riêng cho looped transformers. Dù kiến trúc looped transformer giúp tiết kiệm tham số bằng cách tái sử dụng tầng qua nhiều bước lặp, KV cache lại phình to tuyến tính theo số bước lặp và trở thành nút thắt bộ nhớ lớn nhất. LoopVQ giải quyết vấn đề này bằng cách mã hóa liên hợp các kênh qua nhiều bước lặp và tinh chỉnh codebook để khớp với đầu ra full-precision. Ở mức 0.5 bit/element (và 0.25 bit/element khi kết hợp TaSQ), LoopVQ vượt trội các phương pháp VQ hiện nay trên các mô hình Ouro và Huginn mà vẫn giữ phần lớn độ chính xác BF16. Triển khai trong SGLang giúp giảm gần một nửa độ trễ giải mã ở context 32K và tăng thông lượng serving từ 4.3x đến 6.1x.

Nghiên cứu đề xuất giải pháp phát hiện người đi bộ bị che khuất không tốn chi phí huấn luyện hay nhãn gán, bằng cách so sánh sự bất đồng thứ tự giữa hai tín hiệu khoảng cách đơn kính sẵn có: chiều cao biểu kiến từ bounding box và độ sâu metric từ depth map. Phương pháp đạt AUC 0.909 trên KITTI và 0.819 trên CARLA, giải quyết hiệu quả bài toán sụt giảm hiệu năng khi triển khai ngoài phân phối dữ liệu (như từ Đức sang Lagos, Nigeria).

Nghiên cứu từ Glow.io cảnh báo các AI coding agent đang tự động gợi ý và cài đặt các máy chủ MCP (Model Context Protocol) đã bị bỏ hoang hoặc ngưng bảo trì dựa trên dữ liệu huấn luyện, khiến hệ thống của lập trình viên đối mặt với các lỗ hổng bảo mật nghiêm trọng đã biết.

RECAP là giải pháp speculative decoding không cần huấn luyện (training-free) dành cho Vision-Language Models (VLM), khắc phục hạn chế nhầm lẫn ngữ cảnh của phương pháp Token Recycling truyền thống. Bằng cách phân tách bộ nhớ thành bộ nhớ ngữ cảnh cục bộ theo request (khóa 1, 2, 3 token gắn liền với ảnh) và bộ nhớ cấp token lâu dài giữa các request, kết hợp cơ chế tính trọng số entropy-độ tin cậy và tìm kiếm cây Best-First Search, RECAP giúp tăng tốc giải mã trung bình 1.66x trên Qwen2.5-VL-7B và 1.56x trên LLaVA-1.6-7B mà không cần mô hình draft phụ trợ.

PEARL (Prediction Error-Adaptive Regularized Learning) là phương pháp neural contextual bandit giải quyết bài toán trôi dạt sở thích cục bộ (partial preference drift) trong cá nhân hóa LLM và hệ thống gợi ý. Thay vì quên đồng nhất mọi chiều đặc trưng như các phương pháp sliding-window hay discounted truyền thống, PEARL thực hiện quên có chọn lọc bằng cách đảo ngược cập nhật ma trận Gram dọc theo các hướng đặc trưng có sai số dự đoán bất thường, bảo toàn tri thức ở các chiều còn hợp lệ. Thuật toán có bảo đảm lý thuyết với regret tích lũy chỉ tỷ lệ theo số người dùng đổi sở thích (N_s) thay vì tổng dân số (N). Trên benchmark PRISM (1.500 người dùng, 21 LLM), PEARL vượt greedy +4,0 điểm, vượt neural bandit tốt nhất +2,5 điểm (p < 0,001) và vượt sliding-window/discounted từ 3–10 điểm. Chính sách là MLP ~100K tham số chạy mili-giây trên CPU, giữ nguyên trọng số LLM và hoạt động với mọi API LLM.

DreamX là phương pháp tái sử dụng mô hình video diffusion tiền huấn luyện để học biểu diễn hành động tiềm ẩn phổ quát. Bằng cách nén mỗi khung hình video 300 lần (từ 1.200 xuống 4 token) và tận dụng generative prior, DreamX trích xuất các động lực học cốt lõi tách biệt khỏi diện mạo thị giác. Không gian tiềm ẩn này hoạt động như một giao diện chung giữa người và robot, đạt kết quả SOTA trên LARY-Bench, hỗ trợ zero-shot action transfer và giảm tải chi phí tính toán cho các chính sách dựa trên video diffusion.

Nghiên cứu đánh giá hiện tượng 'trấn an sai lệch' (false reassurance) của LLM trong chỉ dẫn thời tiết nguy hiểm bằng cách tái hiện 117 ca thực tế từ cơ quan NWS qua 5 điều kiện pipeline dựa trên Claude. Kết quả cho thấy tỷ lệ trấn an sai là 0% khi có dữ liệu cảnh báo thực tế, nhưng lên tới 37.7% khi không có cảnh báo và tăng thành 44.9% nếu yêu cầu LLM tự khai báo điểm mù. Ngoài ra, chỉ cấp dữ liệu cảnh báo với prompt trung tính lại gây báo động giả tới 87.5% ở ca bình thường, đòi hỏi prompt sản xuất được tối ưu để kiểm soát. Nghiên cứu cũng cảnh báo về lỗi regex tự động, lỗi nạp bản tin thử nghiệm, cạn token budget, đồng thời phát hành mã nguồn và dataset.

Nghiên cứu giới thiệu 'tính kiểm toán được' (auditability) như trục đánh giá thứ tư cho machine unlearning trên LLM (được định nghĩa là khoảng cách phân tách thống kê giữa dữ liệu cần xóa và dữ liệu giữ lại), nhằm giải quyết khoảng trống khi các nhà cung cấp chưa thể đưa ra bằng chứng xóa dữ liệu cho người dùng. Đánh giá 11 phương pháp unlearning trên các benchmark TOFU, MUSE và RWKU cho thấy tất cả đều thất bại trên ít nhất một trục. Để khắc phục, nhóm tác giả đề xuất quy trình 2 giai đoạn: GapWiden (dùng hinge loss mở rộng khoảng cách thống kê kiểm toán) và GapVeil (bộ lấy mẫu từ chối khi suy luận dùng mô hình gốc làm drafter). Giải pháp giúp mọi phương pháp unlearning đạt mức kiểm toán và bảo mật rò rỉ ngang ngửa oracle, đưa khả năng quên tiệm cận oracle và cải thiện năng lực giữ lại tri thức trên 9/11 phương pháp.

Nghiên cứu chỉ ra rằng các biện pháp can thiệp cấp đặc trưng bằng Sparse Autoencoders (SAE) nhằm ngăn chặn rò rỉ PII trên LLM hiện bị đánh giá sai lệch nếu chỉ dựa vào việc giảm log-probability (logprob). Tiêu chí này không thể phân biệt giữa triệt tiêu đặc trưng mục tiêu và hiệu ứng giả do biên độ nhiễu (magnitude artifact). Trong 36 trường hợp thử nghiệm, dù 47% có vẻ thành công khi chỉ đo logprob, thực tế chỉ có 2,8% vượt qua khung đánh giá đa chỉ số khi so sánh với hướng ngẫu nhiên đối chứng. Phân tích 9.000 lượt kiểm thử nhân quả khẳng định việc chọn đặc trưng theo tương quan hiếm khi tác động đúng đường dẫn nhân quả, từ đó nhóm tác giả đề xuất định hướng tiếp cận mới dựa trên định vị mạch nơ-ron và phân tích trung gian nhân quả.

PlantVLM-Edge là khung làm việc mô hình thị giác - ngôn ngữ (VLM) được lượng tử hóa để chẩn đoán sức khỏe cây trồng và sâu bệnh theo dạng hội thoại ngay trên thiết bị biên ngoại tuyến. Hệ thống kết hợp thích ứng miền nông nghiệp, lượng tử hóa sau huấn luyện (PTQ) và phục vụ suy luận tại chỗ không cần đám mây. Đánh giá trên NVIDIA Jetson AGX Orin với Qwen3-VL-2B và LLaVA-1.5-7B cho thấy AWQ 4-bit duy trì 98,6% chất lượng phản hồi, giảm 49% bộ nhớ trọng số của bản 2B (còn 2,01 GiB), đạt độ trễ token đầu tiên 0,12 giây và hoàn tất phản hồi 64 token trong 0,78 giây.

Theo thông tin từ đồng CEO Binance (Richard Teng), tin tặc đã sử dụng các cuộc phỏng vấn tuyển dụng giả mạo kết hợp công cụ AI để đánh cắp 6,3 tỷ USD tiền mã hóa.

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.

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.

Kino AI (YC S23) ra mắt trình biên tập video và quản lý media code-first xây dựng trên nền Remotion, hỗ trợ cộng tác thời gian thực giữa con người và nhiều AI agent (như Claude Code, Codex). Nền tảng định danh mọi thành phần bằng URL, tích hợp giao thức MCP, hỗ trợ giải mã trực tiếp định dạng video chuyên nghiệp (ProRes, BRAW) qua WebCodecs và cung cấp gói miễn phí dạng ứng dụng Electron.

HARP là phương pháp gợi ý không cần huấn luyện (training-free) dành cho LLM, mô hình hóa quá trình đề xuất thành giao tiếp giữa các agent qua 4 giai đoạn: BUILD, TRANSMIT, UNDERSTAND và SYNC. Nghiên cứu giải quyết 3 điểm nghẽn lớn: thiếu hồ sơ vật phẩm, nghẽn token ở bước rerank và hồ sơ người dùng bị đóng băng sau warmup, nhờ bổ sung hồ sơ vật phẩm bằng luật, đẩy phép tính tương đồng về tầng retrieval và cập nhật phản chiếu trong ngữ cảnh.

Density-Aware Reward Scaling (DARS) là một cơ chế xử lý phần thưởng nhằm khắc phục hiện tượng sụp đổ chế độ (mode collapse) trong học tăng cường, nơi mô hình thường chỉ tập trung vào một tập nhỏ kết quả có thưởng cao thay vì phân bố đa dạng các giải pháp tốt. DARS ước tính mật độ cục bộ của các kết quả trong từng nhóm rollout on-policy và chia tỷ lệ nghịch phần thưởng theo mật độ này mà không cần thêm mô hình mật độ, critic, hàm mục tiêu phụ hay sửa đổi hàm mục tiêu policy gradient gốc. Khi kết hợp với GRPO (DARS-GRPO), phương pháp này loại bỏ tình trạng sụp đổ chế độ trong bài toán điều hướng và nâng cao rõ rệt độ đa dạng của prompt lẫn hình ảnh trong tác vụ text-to-image mà vẫn bảo toàn căn chỉnh ngữ nghĩa.

Nonce là công cụ mã nguồn mở hoạt động như lớp proxy áp dụng nguyên tắc đặc quyền tối thiểu (least-privilege) giữa AI agent và các nguồn dữ liệu cá nhân (Gmail, Calendar, Drive). Thay vì cấp toàn quyền đọc hộp thư, Nonce yêu cầu agent giải trình lý do, chấm điểm mức độ liên quan, cấp token tạm thời có phạm vi giới hạn và buộc mọi tìm kiếm phải thu hẹp trong phạm vi đã duyệt, đồng thời gửi cảnh báo phê duyệt khi phát hiện truy cập dữ liệu nhạy cảm.

Nghiên cứu khảo sát khả năng phối hợp zero-shot (Zero-Shot Coordination - ZSC) giữa các tác tử LLM độc lập khi tương tác tại thời điểm kiểm thử. Kết quả cho thấy ngay cả các LLM hàng đầu cũng gặp khó khăn do hạn chế trong việc suy luận về niềm tin của đối tác và không khai thác tốt ngữ nghĩa. Nhóm tác giả đề xuất giải pháp Coordination-friendly definitions (CFDs) có thể được tự động khám phá, giúp các LLM agent phối hợp tin cậy mà không cần scaffolding chuyên biệt dùng chung.

TactiNavi là hệ thống serving cho trợ lý ảo huấn luyện (LLM coach) trong game thế giới mở thương mại, giải quyết vấn đề lời khuyên phụ thuộc vào trạng thái người chơi và phiên bản game bằng cách biến điều kiện áp dụng chiến thuật thành một thành phần tường minh. Hệ thống gồm: offline compiler chuyển dữ liệu phiên bản và hướng dẫn chuyên gia thành các gói chiến thuật kèm điều kiện; serving plane đánh giá điều kiện theo logic 3 giá trị trên trạng thái người chơi và ghi decision trace; cùng control plane kiểm tra bản sửa đổi trên traffic thử nghiệm trước khi phát hành. Đánh giá hồi cứu trên 1.122 lượt cho thấy hệ thống tăng độ chính xác từ 57,9% lên 82,0%, giảm áp dụng sai chiến thuật từ 18,1% xuống 10,4%, đạt độ chuẩn xác xác minh 86,4% ở độ trễ 2,07 giây. Nghiên cứu cũng chỉ ra đa số bản vá lỗi biểu kiến chỉ là nhiễu sinh văn bản (rerun hệ thống cũ khôi phục được 38,4% lỗi), nhấn mạnh tầm quan trọng của null model trong quy trình phát hành.

Nghiên cứu góc nhìn kiến trúc về 'Internet of Agentics' (IoA) đề xuất khung tính toán dịch vụ nhằm giải quyết bài toán tương tác, triển khai và quản trị các hệ thống đa tác tử (multi-agent) qua nhiều ranh giới dữ liệu và tổ chức. Bài báo phân tích ngăn xếp giao thức (MCP, A2A, AGENTS.md, AGNTCY, SLIM), các trừu tượng hóa hệ thống (gateway, registry, runtime control loops), đồng thời kế thừa các nguyên lý từ SOA/microservices để áp dụng cho các năng lực nhận thức thay vì hàm xác định.

CAREFUL-Bench là bộ benchmark đánh giá gọi hàm (function calling) đa lượt không cần LLM judge, bổ sung khả năng nhận biết tác động (effect-aware) cho Berkeley Function Calling Leaderboard (BFCL). Nghiên cứu chỉ ra điểm yếu của BFCL khi phạt các mô hình xin xác nhận trước khi thực hiện hành động phá hủy, với 260/734 lượt mẫu tự ý thực hiện mà không hỏi. CAREFUL-Bench tự động suy luận tác động cho 128 hàm, phát hiện thao tác phá hủy không được yêu cầu, thao tác thừa và chi phí token phát sinh (lên đến 28%). Thử nghiệm trên 11 mô hình nguồn mở cho thấy mô hình đứng đầu bị trừ tới 14 điểm do tự ý phá hủy dữ liệu, và mô hình tốt nhất chỉ vượt qua 6/576 lượt hội thoại yêu cầu xin phép.