AI Brief — Today

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%).

FedReady là hệ thống sử dụng các bounded LLM agent để tự động hóa quá trình hình thành liên minh học liên kết (federation formation) – bao gồm việc chọn các site đủ điều kiện và chuẩn bị dữ liệu cục bộ cũng như mã tác vụ. Hệ thống kết hợp giữa tìm kiếm site ứng viên ưu tiên recall và xác minh điều kiện cục bộ giúp loại bỏ 100% dương tính giả, đồng thời kiểm soát artifact thông qua runtime gắn với mã digest, cho phép huấn luyện FL thông thường diễn ra trơn tru mà không cần duy trì agent.

Nghiên cứu từ thử thách WorkRB tại RecSys-HR 2026 chỉ ra hạn chế của phương pháp đánh giá nhị phân truyền thống khi trích xuất kỹ năng trên bộ từ điển lớn như ESCO (13.939 kỹ năng), vốn che giấu các dự đoán sai lệch ngữ nghĩa. Thử thách áp dụng thang đo mức độ liên quan (graded relevance 0-4) với metric nDCG@100, sử dụng chuỗi 4 câu hỏi nhị phân để LLM nhỏ làm giám khảo chấm điểm chuẩn xác. Kết quả cho thấy các giải pháp đa tầng retrieve-and-rerank dẫn đầu đạt điểm cao nhờ loại bỏ kết quả vô nghĩa thay vì tìm thêm nhãn đúng, tuy nhiên các hệ thống này đang dùng lượng tham số gấp 42 đến hàng trăm lần baseline, đặt ra yêu cầu cấp thiết về tối ưu hiệu quả tính toán.

MedGraph là hệ thống bộ nhớ dạng đồ thị được thiết kế riêng cho các trợ lý y tế LLM theo dõi bệnh nhân qua nhiều lần khám. Bằng cách phân tích lỗi của 5 hệ thống bộ nhớ hiện có, nhóm nghiên cứu chỉ ra 3 nguyên nhân cốt lõi: dữ liệu lỗi thời, nhầm lẫn thông tin của người khác và thiếu dữ kiện an toàn. MedGraph giải quyết vấn đề bằng cách trích xuất dữ kiện có mốc thời gian, định danh đúng chủ thể, liên kết dữ liệu thuốc/chẩn đoán/chỉ số thành các chuỗi trạng thái lịch sử, đồng thời luôn duy trì hồ sơ an toàn bệnh nhân. Trên MedMemoryBench, MedGraph vượt qua baseline mạnh nhất 10.5 điểm (GPT) và 10.4 điểm (Qwen).

Nghiên cứu đánh giá 5 quy trình biểu diễn mã nguồn dạng bản đồ (AST, call graph, module dependencies, tìm kiếm giàu tài liệu và dạng lai hybrid) cho tác nhân AI thay vì chỉ tương tác với tệp thô. Thử nghiệm với Claude Code (Haiku 4.5) trên 4 bộ chuẩn (LinuxFLBench, SWE-bench Pro, SecBench, SWT-bench) cho thấy các biểu diễn này giúp tiết kiệm 17-39% token và cải thiện rõ rệt khâu định vị lỗi (fault localization), nhưng mức tăng hiệu quả bị thu hẹp khi viết bản vá/test và làm tăng độ trễ.

Nghiên cứu giới thiệu GIST (Gibbs-Targeted Hierarchical Data Selection), phương pháp chọn lọc dữ liệu hai cấp độ cho học tăng cường ngoại tuyến có phần thưởng xác minh (Offline RLVR). Bằng cách phân tích độ lệch mục tiêu qua phân kỳ KL hai chiều với Gibbs-optimal policy, GIST dùng nhiệt độ lấy mẫu để lọc câu trả lời và dùng xác suất mô hình ban đầu để chỉ giám sát các token mang thông tin quan trọng. Kết quả giúp giảm 66,6% số token cần giám sát trên Qwen3-0.6B/GSM8K và cải thiện độ chính xác trên GSM8K, MATH-500, MBPP.

Kierston là công cụ mô phỏng quy mô thành phố tái lập ~125.000 cư dân Allentown (Pennsylvania) cùng các dữ liệu viễn thông, tài chính, hành chính và biển số xe. Đi kèm là KierstonBench, bộ benchmark gồm 32 nhóm tác vụ nhằm đánh giá năng lực của LLM trong điều tra tội phạm và giám sát. Thử nghiệm trên 16 mô hình cho thấy phần lớn thất bại và suy diễn vô căn cứ; một số ít frontier models giải quyết được phần lớn tác vụ và biết từ chối khi thiếu bằng chứng, song vẫn dễ bị đánh lừa bởi các giả định và hoàn toàn chưa thể thay thế điều tra viên con người.

Avatar Intelligence là nghiên cứu đề xuất mô hình AI agent cá nhân duy trì liên tục (persistent personal agents), đại diện cho mục tiêu, giá trị và ràng buộc của người dùng nhằm khuếch đại quyền năng con người qua việc giảm gánh nặng giám sát thường nhật. Nghiên cứu đưa ra khung đánh giá Agentic Oversight Index (AOI) để đo lường giá trị so với chi phí vận hành và mức độ giám sát, đồng thời xác lập 3 thách thức cốt lõi: cá nhân hóa duy trì danh tính, tiến hóa qua Rehearsal Engineering và cơ chế an toàn/trách nhiệm giải trình.

Nghiên cứu chỉ ra phần lớn benchmark terminal tổng hợp hiện nay chỉ tăng số lượng thao tác ('work') thay vì độ sâu phụ thuộc tuần tự ('depth'), dẫn tới việc 94% tác vụ giải được chỉ mất tối đa 3 lượt lệnh. Nhóm tác giả đề xuất phương pháp DEPTH, cho phép agent tạo tác vụ theo từng đoạn trong môi trường phần mềm thực tế để bảo đảm tính phụ thuộc trạng thái nghiêm ngặt. Bộ 105 tác vụ DEPTH mới có độ sâu vượt trội khiến cả 6 mô hình hiện nay đều giải chưa tới 50%, đồng thời việc tinh chỉnh Qwen3-8B trên dữ liệu này giúp cải thiện đáng kể trên 2 benchmark terminal khác.

ArcRAG là phương pháp GraphRAG tiếp cận theo hướng tác tử (agentic) nhằm giải quyết bài toán phụ thuộc cấu trúc (cross-construction portability). Thay vì đòi hỏi bộ truy xuất phải đồng thiết kế với cấu trúc sinh đồ thị ban đầu, ArcRAG tự động suy diễn một giao diện đồ thị cục bộ theo câu hỏi (query-local graph interface) tại thời điểm suy luận (gồm nhãn node, quan hệ và thuộc tính tiếp cận được từ các thực thể trong câu hỏi). Hệ thống sau đó lập kế hoạch duyệt đồ thị đa bước, sinh mã, thực thi và tự sửa lỗi truy vấn Cypher. Thử nghiệm trên MuSiQue, HotpotQA và TriviaQA ở cả hai dạng đồ thị (schema-guided và open-IE) cho thấy ArcRAG vẫn duy trì hiệu quả truy xuất cao mà không cần tinh chỉnh lại retriever theo từng cách xây dựng đồ thị.

Nghiên cứu mô hình hóa việc điều hướng mô hình ngôn ngữ lớn (LLM steering) thành bài toán điều khiển phản hồi vòng kín (closed-loop feedback control), lấy cảm hứng từ kỹ thuật kích thích thần kinh não bộ. Phương pháp này sử dụng bộ điều khiển bền vững H-infinity dựa trên trạng thái nội bộ của Transformer để hạn chế độ nhạy với nhiễu và sai số tuyến tính hóa. Kết quả thử nghiệm cho thấy hiệu năng vượt trội so với các phương pháp can thiệp mở hiện tại, đặc biệt trong các điều kiện dữ liệu lệch phân phối (OOD) và độ dài chuỗi thay đổi. Nghiên cứu đồng thời giới thiệu thước đo S_rob (Robust Steerability) giúp định lượng khả năng chịu đựng sai số động lực học trước khi triển khai mô hình.