AI Brief — Today

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.

Nghiên cứu chỉ ra rằng các quần thể nhân tạo (synthetic populations) dựa trên persona cố định không thể mô phỏng chính xác hành vi con người do giả định sai lầm rằng danh tính là thuộc tính bất biến. Dựa trên 30 năm nghiên cứu tâm lý học tính cách và kinh tế học danh tính, các tác giả chứng minh bằng lý thuyết rằng hành vi biến thiên theo ngữ cảnh nhiều hơn giữa các cá nhân, và việc bổ sung chi tiết vào persona hay tăng kích thước mô hình ngôn ngữ lớn (LLM) không thể khắc phục được khiếm khuyết này. Nhóm đề xuất thiết kế 'person-in-context' cùng tiêu chí đánh giá mới; dù tạo được hành vi phụ thuộc ngữ cảnh trên dữ liệu Reddit và khảo sát y tế, mô hình vẫn chưa khớp hoàn toàn với thực tế, cảnh báo nguy cơ sai lệch lớn khi doanh nghiệp dùng dữ liệu mô phỏng để đánh giá AI hoặc khảo sát thị trường.

OmniST là kiến trúc dự báo không-thời gian bất biến topo, loại bỏ sự phụ thuộc vào ma trận kề kích thước cố định của ST-GCN truyền thống. Thông qua token hóa tọa độ, cơ chế chú ý k-NN động và xử lý chuỗi thời gian per-node bằng BiGRU, kết hợp inductive split-conformal calibration, OmniST cung cấp khoảng dự đoán bảo đảm độ bao phủ toán học tại cả những cảm biến chưa từng huấn luyện, đồng thời áp dụng rolling adaptive-conformal để giải quyết trôi dạt dữ liệu theo thời gian.

Nghiên cứu về Active In-Context Learning cho các mô hình nền tảng dạng bảng (TFMs) nhằm giải quyết chi phí gán nhãn đắt đỏ trong thực tế. Khảo sát trên 20 benchmark với 2 TFM và mô hình GBDT chỉ ra ba nguyên tắc: (1) Khi nào: chọn mẫu theo độ đa dạng tốt nhất ở các vòng đầu; (2) Ở đâu: gán nhãn các dòng phục vụ trực tiếp input mục tiêu bằng quy tắc Target-Aware Nearest Neighbor (TANN) tạo khác biệt lớn; (3) Như thế nào: phương pháp EPIC giúp đạt 80-87% hiệu năng tối đa chỉ với 5-10% dữ liệu được gán nhãn và cải thiện cả hiệu năng của mô hình GBDT.

DiabAgent là bộ công cụ nghiên cứu tiên phong về kiểm soát sinh lý tự động (agentic physiological control) cho bệnh tiểu đường tuýp 1, bao gồm khung điều khiển APC, môi trường giả lập DiabetSim và bộ đo chuẩn SweetBench (212 tác vụ từ 32 kịch bản). Thử nghiệm với Claude Opus 5.5 ở chu kỳ 1 giờ đạt chỉ số COGI 73,5, vượt mức 71,2 của hệ thống OpenAPS. Nghiên cứu cũng chứng minh mô hình lai kết hợp luật tần số cao và agent tần số thấp giúp tối ưu hiệu năng cùng chi phí.

Grid Agents là khung agentic AI tự động hóa việc đánh giá đấu nối và nghiên cứu kỹ thuật lưới điện. Hệ thống kết hợp Grid Ontology (hệ tri thức quy chuẩn, tiêu chuẩn có khả năng trích dẫn bằng chứng và tự tiến hóa) và Grid Studio (môi trường agent chuyên ngành tích hợp domain tools và solver toán học chính xác). Được kiểm chứng trên bộ 519 tác vụ benchmark thông qua replay tool calls, hệ sinh thái đạt độ chính xác và tốc độ vượt trội so với các hệ thống đối chuẩn, đồng thời giúp giảm 33-67% chi phí gia cố lưới khi có bộ tối ưu hóa trong vòng lặp.

Nghiên cứu thiết lập hệ thống phân cấp 4 cấp độ và bộ benchmark StateBench nhằm đánh giá năng lực theo dõi trạng thái qua ngữ cảnh dài của các mô hình ngôn ngữ. Về mặt lý thuyết, nghiên cứu chứng minh Transformer bị giới hạn khả năng tổng quát hóa độ dài ngay từ cấp độ aperiodic, trong khi kiến trúc hồi quy Gated DeltaNet (GDN) với trị riêng dương có thể biểu diễn toàn bộ bài toán này. Thực nghiệm trên StateBench chỉ ra rằng cả mô hình hybrid mở lẫn mô hình frontier đóng hàng đầu hiện nay đều chưa giải quyết ổn định được cấp độ soluble state tracking.

Nghiên cứu so sánh 11 phương pháp dự đoán mức tiêu thụ nhiên liệu tàu biển (FOC) trước khi khởi hành trên 21 tàu. Kết quả chứng minh mô hình gộp toàn cục (Global Pooling, tiêu biểu là Global LightGBM) vượt trội hơn hẳn các mô hình huấn luyện riêng cho từng tàu (per-ship) cũng như các kỹ thuật thích ứng phức tạp (federated learning, LoRA fine-tuning). Mô hình chỉ cần định danh và 7 thông số kỹ thuật của tàu là có thể dự đoán chính xác, đồng thời hỗ trợ dự đoán zero-shot cho tàu mới mà không cần dữ liệu lịch sử của tàu đó.

EviSeek là một khung agentic không cần huấn luyện bổ sung (training-free) dành cho tìm kiếm thông tin chủ động trong môi trường thể hiện (embodied active information seeking). Khung này khắc phục vấn đề tương tác vô định hướng bằng cách biến nhu cầu chứng cứ của câu hỏi thành mục tiêu thu thập rõ ràng, kết nối hành động quan sát và lưu trữ bằng chứng chọn lọc với thông tin cần tìm. Trên 3.436 câu hỏi của ESI-Bench, EviSeek nâng cao độ chính xác thêm 7,1 điểm phần trăm với Qwen3-VL-32B và 3,7 điểm với Gemini 3.1 Pro, đồng thời tăng độ chính xác có hỗ trợ thị giác và tiết kiệm chi phí token trung bình.

Nghiên cứu giới thiệu WebCatalyst, một khung học tăng cường tương tác trình duyệt nhằm cải thiện khả năng sinh mã HTML tương tác từ đặc tả ngôn ngữ tự nhiên. Sử dụng mini-game làm môi trường kiểm thử tương tác sâu, WebCatalyst giải quyết các hạn chế về phản hồi và phân bổ tín dụng thông qua ba thành phần: Game-level GUI assessor đánh giá tương tác liên tục, Visual Anchor chống gian lận phần thưởng (reward hacking) từ VLM giúp duy trì thẩm mỹ, và Action-Trace Credit gắn phân bổ tín dụng token vào vết thực thi thời gian chạy. Chỉ cần huấn luyện trên dưới 1.000 yêu cầu, WebCatalyst giúp Qwen3.6-35B-A3B tăng điểm Cookie-Bench từ 68,8 lên 75,3 và WebGen-Bench từ 48,8 lên 56,9, vượt qua Claude Opus 4.7 về thứ hạng trung bình.

Pixel-UMI là quy trình học chính sách điều khiển robot di động toàn thân có nhận thức môi trường từ dữ liệu con người đeo cảm biến. Phương pháp giải quyết rào cản khác biệt hình thể (embodiment gap) thông qua: Environment-Aware Retargeting (EAR) giúp sinh tư thế và quỹ đạo tránh va chạm, gán hành động hiệu chuẩn độ trễ, và Retargeting-Error-Aware Masking (REAM) để xử lý lệch góc nhìn quan sát. Đồng thời, hệ thống tích hợp can thiệp trực tiếp từ người qua DAgger cho các tác vụ tiếp xúc lực cao, đạt 87.0% tiến độ nhiệm vụ trên 5 bài đánh giá phức tạp.

SecPO giới thiệu phương pháp huấn luyện đối kháng (AT) có cơ sở lý thuyết nhằm giải quyết triệt để nguy cơ prompt injection trên AI agent. Nghiên cứu chỉ ra điểm yếu của Meta-SecAlign (dùng DPO) là neo vào reference model không an toàn, dẫn đến ASR gần 100% trước tấn công thích ứng. SecPO khắc phục bằng hàm mất mát mới xấp xỉ oracle bất biến với injection cùng pipeline AT tổng hợp tấn công mạnh (best@240). Áp dụng trên Qwen3.6-27B, SecPO + AT giảm ASR trên benchmark AgentDojo từ 78,8% xuống 8,8% mà không làm suy giảm hiệu năng trên 9 benchmark thông thường. Toàn bộ code, dữ liệu và mô hình đã được công khai.

Nghiên cứu giải thích hiện tượng LSTM và Transformer thất bại trên chuỗi dài là do phụ thuộc vào 'tọa độ' (vị trí, số đếm, thời gian) vốn luôn phát sinh giá trị mới ngoài dữ liệu huấn luyện. Nhóm tác giả đề xuất cơ chế bộ nhớ không gian dạng chu kỳ (mô phỏng tế bào lưới và hồi hải mã) chỉ đọc các 'trùng hợp' (so sánh hai giá trị giống/khác nhau). Nhờ đó, mô hình chỉ học trên chuỗi tối đa 40 ký tự nhưng đạt độ chính xác ≥99% trên chuỗi dài từ 41 đến 500 ký tự ở 9/15 tác vụ benchmark (5 tác vụ Transformer và LSTM thất bại), đồng thời đảo ngược chuỗi dài tới 15.015 ký tự không lỗi.

Nghiên cứu đánh giá hiệu quả truy xuất giữa 3 thiết kế conversational agent: skill-based trong main agent, non-persistent retrieval subagent (tự tổng hợp kết quả) và persistent retrieval subagent (duy trì lịch sử truy xuất và gửi trả trực tiếp bằng chứng). Kết quả thử nghiệm trên các câu hỏi doanh nghiệp dạng multi-turn cho thấy persistent retrieval subagent giúp giảm 43.3% token và giảm 45.0% chi phí API ước tính so với skill-based, đồng thời giảm 9.1% độ trễ phản hồi. So với non-persistent subagent, phương pháp này tiết kiệm 15.6 giây mỗi câu hỏi dù dùng nhiều hơn 65.1% token và tăng 29.1% chi phí. Thiết kế này chuyển vai trò subagent từ tạo câu trả lời sang quản lý trạng thái truy xuất và cung cấp bằng chứng cho main agent tự đánh giá.

BEAKER là bộ chuẩn đối sánh (benchmark) gồm 1.000 mẫu QA chuyên gia biên soạn thủ công trải rộng qua 11 tác vụ ảnh/video, đánh giá năng lực thực thi thể hiện (embodied execution) của MLLM trong phòng thí nghiệm hóa học tự hành (SDCL). Thử nghiệm trên 28 mô hình cho thấy MLLM hiện tại nắm được quy trình thô nhưng gặp khó khăn lớn trong định vị vùng thao tác, lập quỹ đạo khả thi và nhận diện trạng thái/an toàn chi tiết.

D3D (Decoupled Diffusion Drafting) là phương pháp drafter khuếch tán độc lập cho suy đoán bất đồng bộ trong LLM. Bằng cách kết hợp khử nhiễu theo khối với giám sát tự hồi quy phụ trợ, D3D loại bỏ hoàn toàn sự phụ thuộc vào hidden states của mô hình đích, cho phép dự đoán các khối token kế tiếp song song trong lúc mô hình đích đang xác thực. Phương pháp áp dụng kỹ thuật tỉa 5/36 tầng để giảm chi phí mà vẫn giữ hơn 99% độ dài chấp nhận, mang lại tốc độ giải mã trung bình 5,00x trên Qwen3-8B và 5,71x trên Qwen3-32B (đạt đỉnh 7,48x trên GSM8K), vượt trội so với DFlash. Mã nguồn đã được công bố mở.

JHiMA-WebRL giới thiệu khung học tăng cường đa tác tử phân cấp kết hợp (joint hierarchical multi-agent RL) nhằm giải quyết các tác vụ web đa bước phức tạp trên giao diện GUI. Thay vì dựa vào mô hình đơn khối kích thước lớn, hệ thống kết hợp một bộ phân rã nhiệm vụ (7B) và một tác tử thực thi (7B), mở rộng thuật toán GRPO với hierarchical rollout grouping và role-specific advantages để đồng thời tối ưu hóa cả hai vai trò trên môi trường WebArena. Kết quả cho thấy hệ thống 14B đạt tỷ lệ thành công 37,2% trên WebArena-Lite-v2, vượt trội so với mô hình đơn khối ScaleCUA-32B (24%).