Đang được chú ý

Skillsync (YC W26) là giải pháp quản lý và chuyển đổi phiên làm việc (chat session) giữa các coding agent khác nhau (như Claude Code, Codex, Cursor), giúp loại bỏ rủi ro vendor lock-in. Trung tâm của hệ thống là txcript, một engine mã nguồn mở viết bằng Rust đóng vai trò như bộ chuyển đổi đa năng (tương tự ffmpeg/pandoc cho agent session), biên dịch định dạng lưu trữ cục bộ giữa các agent mà vẫn bảo toàn đầy đủ tin nhắn, luồng suy luận (reasoning) và lịch sử gọi công cụ (tool calls). Nền tảng cung cấp ứng dụng desktop local-first và CLI hỗ trợ tìm kiếm session, phát hiện stale context, lưu trữ kỹ năng/bộ nhớ dưới dạng Markdown và tích hợp qua giao thức MCP hoặc workspace nhóm.

Datasette ra mắt bản phát hành 0.65.5 nhằm vá lỗ hổng bảo mật (GHSA-h547-rmjf-5m2m do dpfkdlemtp phát hiện). Lỗ hổng này cho phép kẻ tấn công sử dụng ký tự xuống dòng ở cuối tên bảng để vượt qua bước kiểm tra quyền và truy cập trái phép các hàng dữ liệu riêng tư.

- Sự thật xác minh (Verified facts): GitHub đã viết lại hoàn toàn Copilot agent runtime từ TypeScript/Node.js sang hơn 832.000 dòng code Rust sản xuất (kèm 468.000 dòng unit test). Runtime này là engine cốt lõi cho GitHub Copilot CLI, app, SDK, VS Code, Visual Studio, Copilot Studio và các ứng dụng Microsoft 365. Phần lớn code do AI agents tạo ra qua 128 pull requests, được thực hiện chủ yếu bởi một kỹ sư duy nhất trong ~14,5 tuần thay vì cả nhóm làm việc 1-2 năm. Đội ngũ áp dụng chiến lược 'in-place atomic replacement' từ các thành phần lá vào trong, phát hành 135 bản release liên tục. Kiến trúc mới loại bỏ việc gọi subprocess CLI tốn >=100MB RAM của Node.js/V8, chuyển sang nhúng native in-process qua C ABI cho 6 ngôn ngữ SDK. - Suy luận hợp lý (Reasonable inferences): Việc chuyển đổi sang Rust in-process giúp tăng mạnh mật độ máy chủ (server density), giảm độ trễ khởi động/phản hồi và tiết kiệm đáng kể chi phí hạ tầng cloud cho Microsoft/GitHub. AI coding agent đã đạt tới độ chín muồi để đảm đương việc tái cấu trúc các hệ sinh thái phần mềm lớn với năng suất vượt bậc. - Điều chưa rõ (Unknowns): Mức cải thiện hiệu năng định lượng cụ thể (văn bản chỉ ghi chung là 'orders of magnitude') và tổng chi phí/token AI đã tiêu thụ để hoàn thành dự án chưa được công bố. Tiến độ tách triệt để CLI internals sang SDK public API vẫn đang là công việc tiếp diễn.

Nghiên cứu trên hệ thống O-RAN thực tế chứng minh việc triển khai độc lập các tác tử AI tự trị (rApps) từ nhiều nhà cung cấp để điều khiển tài nguyên vô tuyến dùng chung là không an toàn, gây ra xung đột dao động tài nguyên và nghẽn thông lượng lát cắt (40-55%). Nhóm tác giả đề xuất AURA, một tầng trọng tài gọn nhẹ kiểm soát hành động của agent dựa trên các bất biến khả thi, thời gian dừng và vùng chết, có chứng minh toán học về sự hội tụ ổn định. Thử nghiệm trên OpenAirInterface (OAI) cho thấy AURA giảm biên độ dao động từ 8.4 xuống 0.4 PRB và giảm hiện tượng nghẽn thông lượng xuống còn 0.3% mà không ảnh hưởng đến SLA độ trễ.

ASLEval là khung đánh giá bảo mật và quyền riêng tư theo phân quyền cho các LLM agent sử dụng công cụ trong phiên làm việc đa bước. Nghiên cứu xác định hiện tượng 'privacy exposure displacement', chỉ ra rằng các proxy đánh giá cục bộ truyền thống (chỉ xem xét hành động được chỉ định hoặc phản hồi cuối) bỏ sót tới 46,9% lượng rò rỉ dữ liệu so với việc giám sát toàn bộ các lối thoát hiển thị. ASLEval giải quyết vấn đề bằng cách đăng ký trước mục tiêu ẩn, đo lường toàn bộ ranh giới thoát và lưu vết nội bộ, đồng thời nhấn mạnh việc đánh giá quyền riêng tư song hành với hiệu năng hoàn thành tác vụ.

Nghiên cứu trên Gemma-3 và Qwen3.5 chỉ ra rằng nguyên nhân chính khiến mô hình thị giác-ngôn ngữ (VLM) phân loại sai meme độc hại là do lỗi định tuyến (misrouted) bằng chứng ra đầu ra chứ không phải do thiếu biểu diễn nội bộ. Bằng cách sử dụng sparse autoencoders, probe theo vai trò và can thiệp nhân quả trên 6 benchmark, nhóm tác giả chứng minh sparse readout vượt trội rõ rệt so với dự đoán gốc (Qwen đạt macro-F1 0.740 so với 0.432; Gemma đạt 0.714 so với 0.532). Kỹ thuật calibration-only routing giúp khôi phục tới 93.3% khoảng cách hiệu năng và probe-distilled LoRA cải thiện đáng kể dự đoán gốc.

Google vừa ra mắt hai mô hình speech-to-speech mới là Gemini 3.8 Live và Gemini 3.8 Live Extended Thinking, cạnh tranh trực tiếp với hệ GPT-Live của OpenAI. Các mô hình cho phép đàm thoại hai chiều thời gian thực qua trình duyệt và hỗ trợ tính năng ngắt lời khi mô hình đang nói. Giải pháp sử dụng WebSocket hai chiều chuẩn (BidiGenerateContent) và Web Audio API thuần để thu và phát âm thanh mà không cần thư viện phụ trợ.

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.

Nghiên cứu giới thiệu DualViewEval, phương pháp nén benchmark đánh giá AI agent nhằm giải quyết chi phí kiểm thử đắt đỏ. Khác với các cách tiếp cận trước chỉ dựa vào điểm số kết quả cuối cùng, DualViewEval khai thác thêm 6 tín hiệu từ quá trình thực thi quỹ đạo (process signals). Với chỉ 20 tác vụ, phương pháp đạt tỷ lệ nén 24x–40x trên APEX-Agents và BFCL, giảm sai số MAE 14.5%–28.2% và nâng cao độ tương quan Kendall's tau thêm 7.2% trên SWE-bench Verified so với EssenceBench, giúp đẩy nhanh quá trình phát triển mô hình agent.

Nghiên cứu giới thiệu Flag Game, một mô hình đồ chơi nhằm khám phá cơ chế hình thành niềm tin tập thể trong các hệ thống AI đa tác tử. Mô hình tái hiện các hiện tượng phức tạp như hiệu năng phi đơn điệu theo quy mô, sụp đổ niềm tin ở nhóm nhỏ và phân cực niềm tin ở nhóm lớn. Nhóm tác giả kết hợp kỹ thuật can thiệp nhân quả 'social circuit attribution' cho quần thể nhỏ và lý thuyết cơ học thống kê cho quần thể lớn, đặt nền móng cho ngành giải thích bầy đàn cơ chế (mechanistic swarm interpretability).

Nghiên cứu đề xuất Probabilistic Linear Explanations (PLE), một khung giải thích hình thức dựa trên các mô hình tuyến tính thưa và được neo (anchored), áp dụng đồng thời cho phân loại nhị phân và hồi quy liên tục. Bằng cách ánh xạ dữ liệu lên siêu lập phương Boolean, phương pháp này tổng quát hóa các hướng tiếp cận dựa trên tập con, thu nhận cả độ lớn và hướng đóng góp của đặc trưng trong khi vẫn đảm bảo ngân sách độ thưa k. Nghiên cứu chứng minh việc tối thiểu hóa sai số liên quan (relevance error) trên mạng nơ-ron là NP^PP-hard, đồng thời thiết lập cận lý thuyết liên hệ nó với sai số độ trung thực (fidelity error). Hai giải thuật được đưa ra gồm: Quy hoạch số nguyên hỗn hợp (MIP) cho nghiệm tối ưu thực nghiệm và Ngưỡng cứng lặp (IHT) thời gian đa thức với bảo đảm xấp xỉ, vượt trội hơn LIME và MAPLE về tính chuẩn xác và thỏa mãn ràng buộc.

OpenAI chia sẻ khung làm việc để theo dõi, điều tra và công khai các sự cố mất liên kết của mô hình AI, đi kèm 6 báo cáo thực tế về các hành vi bất thường hoặc đáng lo ngại.

Nghiên cứu giới thiệu Comparison-based Preference Optimization (ComPO), một phương pháp căn chỉnh sở thích bậc không (zeroth-order) dựa trên comparison oracles cho mô hình ngôn ngữ lớn (LLM). ComPO giải quyết vấn đề dịch chuyển likelihood (likelihood displacement) bằng cách trích xuất thông tin định hướng từ các cặp sở thích có biên likelihood nhỏ mà không cần tối ưu hóa trực tiếp hàm mất mát khả vi. Bài báo thiết lập bảo chứng hội tụ toán học cho sơ đồ offline, đồng thời phát triển phiên bản online với kiểm soát reverse-KL đối với mô hình tham chiếu. Thực nghiệm trên Mistral, Llama, Gemma-2, Qwen3 và Gemma-3 chứng minh ComPO cải thiện tỷ lệ thắng có kiểm soát độ dài và giảm thiểu hiệu quả hiện tượng dịch chuyển likelihood so với các phương pháp căn chỉnh trực tiếp hiện hành.

OpenAI giới thiệu các trải nghiệm quảng cáo mới ứng dụng AI, nổi bật là mô hình Sponsored Agents (Đại lý được tài trợ), công cụ hỗ trợ cho các nhà tiếp thị, cùng khả năng tích hợp trực tiếp với Shopify và HubSpot.

Affora là hệ thống thiết kế (design system) dành cho giao diện thân thiện với AI agent thao tác máy tính (computer-use agents) và con người trên cùng một giao diện dùng chung, bảo tồn sự tự do thị giác và quy trình làm việc quen thuộc. Dựa trên 3 nghiên cứu đối chứng, Affora cung cấp hướng dẫn thiết kế, thành phần tái sử dụng và các bộ kiểm tra thực thi tự động (executable checks), giúp cải thiện hiệu suất agent thông qua việc làm rõ ý nghĩa tương tác (interaction meaning) và bước đầu giảm chi phí tương tác.

Nghiên cứu phân tách hai trục thiết kế cốt lõi của thuật toán tokenisation (BPE và UnigramLM) gồm mục tiêu tối ưu (nén vs. log-likelihood) và quy trình tìm kiếm (ghép từ dưới lên vs. cắt tỉa từ trên xuống). Bằng việc đề xuất hai thuật toán mới BottomUpLL và TopDownComp để hoàn thiện không gian thiết kế 2x2, nghiên cứu chỉ ra rằng quy trình tìm kiếm từ dưới lên (bottom-up) chính là yếu tố quyết định giúp đạt bits-per-byte thấp hơn, trong khi mục tiêu tối ưu hóa không tạo ra sự khác biệt mang tính chi phối.

Nghiên cứu đề xuất pipeline kết hợp mô hình tạo video và âm thanh để giải quyết hạn chế thiếu thông tin lực của các phương pháp điều khiển robot dựa trên video. Bằng cách dùng độ lớn âm thanh tiếp xúc được sinh ra để tạo biên dạng lực mong muốn theo thời gian, hệ thống cho phép robot Franka Panda thực thi thành công các tác vụ tiếp xúc phức tạp qua bộ điều áp lực vòng kín, đồng thời đóng vai trò làm bộ máy sinh dữ liệu huấn luyện policy robot.

Google và hệ thống Liên Hợp Quốc (UN) đã ra mắt UN System Data Commons, một nền tảng mở mới giúp việc tiếp cận và tìm kiếm các số liệu thống kê toàn cầu trở nên dễ dàng hơn.

rMuscle là một framework suy luận thời gian thực cho các mô hình Vision-Language-Action (VLA) trong robot học, lấy cảm hứng từ cơ chế trí nhớ cơ bắp (muscle memory) của con người. Tận dụng đặc điểm công việc lặp lại trong nhà máy có tính tương đồng cao về trạng thái nội tại của mô hình, rMuscle giới thiệu cơ chế bộ nhớ đệm hai giai đoạn: Context Cache (tái sử dụng đầu ra visual-token để giảm khối lượng tính toán) và Action Cache (tái sử dụng mẫu kích hoạt neuron để giảm truy cập trọng số). Kết hợp cùng kỹ thuật tính toán lại trực tuyến, truy xuất cửa sổ trượt và chia sẻ mặt nạ khử nhiễu, rMuscle đạt tốc độ tăng từ 1.29x đến 1.42x trên RTX 4090 và Jetson Thor mà vẫn duy trì tỷ lệ thành công ban đầu trên robot thực tế.

Perplexity ứng dụng mô hình GPT-6 Astra cho các hệ thống đầu-cuối, cho phép tự động soạn thảo thông tin, chỉnh sửa mã nguồn và giám sát hệ thống production với tần suất kiểm tra của con người giảm đáng kể so với trước đây.

OpenAI giới thiệu Astra for Law (OpenAI for Law), giải pháp trí tuệ nhân tạo chuyên biệt cho ngành luật kết hợp mô hình AI tiên tiến, quy trình làm việc tùy biến theo hãng luật, khả năng kết nối dữ liệu pháp lý nội bộ và hệ thống kiểm soát bảo mật cấp pháp lý cho tài liệu mật của khách hàng.

Nghiên cứu chỉ ra sự thiếu đồng nhất trong phong cách viết báo cáo X-quang của các bác sĩ làm sai lệch kết quả đánh giá và thứ hạng các mô hình AI sinh báo cáo (RRG). Tác giả đề xuất hệ thống phân loại biến thể báo cáo, phương pháp viết lại tham chiếu ReRef bảo toàn chẩn đoán lâm sàng, và cung cấp bộ dữ liệu thẩm định MIMIC-CXR-Ext-ReRef gồm 120 cặp báo cáo để nâng cao độ tin cậy khi đánh giá mô hình.

Nghiên cứu giới thiệu hai tiện ích mở rộng nhận thức cho agent quy trình kép SwiftSage: Adaptive Memory Module (AMM - lưu trữ phân tập theo độ nổi bật và truy xuất theo trigger) và Self-Reflection Module (SRM - kiểm định thực thi và can thiệp sửa sai). Đánh giá trên ScienceWorld cho thấy hệ thống kết hợp đạt hiệu năng cao nhất (điểm 64.62, tỷ lệ thành công 43.17%), trong đó SRM là thành phần độc lập đóng góp nhiều nhất, chỉ ra rằng kiểm soát lỗi thời gian thực thi là nút thắt then chốt cần giải quyết trước khi bộ nhớ phát huy giá trị.

GPT-Live-1 được tích hợp vào API, hỗ trợ hội thoại giọng nói hai chiều toàn phần (full-duplex) tự nhiên, nâng cao khả năng tuân thủ chỉ dẫn, cho phép tùy biến giọng nói và hỗ trợ kết nối hệ thống viễn thông.