Chuyển tới nội dung chính

🤗 Daily Hugging Face Paper Digest - 2026-04-21

Báo cáo được tạo tự động vào lúc 2026-04-23 09:15:05 bằng mô hình google/gemma-4-31b-it.

📰 Summary of Papers​

1. OneVL: One-Step Latent Reasoning and Planning with Vision-Language Explanation (43 votes)​

Tác giả: Jinghui Lu, Jiayi Guan, Zhijian Huang, Jinlong Li, Guang Li, Lingdong Kong, Yingyan Li, Han Wang, Shaoqing Xu, Yuechen Luo, Fang Li, Chenxu Dang, Junli Wang, Tao Xu, Jing Wu, Jianhua Wu, Xiaoshuai Hao, Wen Zhang, Tianyi Jiang, Lingfeng Zhang, Lei Zhou, Yingbo Tang, Jie Wang, Yinfeng Gao, Xizhou Bu, Haochen Tian, Yihang Qiu, Feiyang Jia, Lin Liu, Yigu Ge, Hanbing Li, Yuannan Shen, Jianwei Cui, Hongwei Xie, Bing Wang, Haiyang Sun, Jingwei Zhao, Jiahui Huang, Pei Liu, Zeyu Zhu, Yuncheng Jiang, Zibin Guo, Chuhong Gong, Hanchao Leng, Kun Ma, Naiyang Wang, Guang Chen, Kuiyuan Yang, Hangjun Ye, Long Chen

Xuất bản lúc: 2026-04-20

Tag: VLA, World Model, Latent CoT, Autonomous Driving, Vision-Language Model

I. Main Problem:​

Việc sử dụng suy luận Chuỗi-tư-duy (Chain-of-Thought - CoT) trong các mô hình Vision-Language-Action (VLA) cho lái xe tự hành giúp cải thiện độ chính xác nhưng lại gây ra độ trễ lớn do đặc tính tự hồi quy (autoregressive), không phù hợp để triển khai thời gian thực. Các phương pháp Latent CoT trước đây cố gắng nén suy luận vào các trạng thái ẩn nhưng thường kém hiệu quả hơn CoT tường minh vì chỉ dựa trên biểu diễn ngôn ngữ trừu tượng, thiếu đi sự hiểu biết về động lực học nhân quả (causal dynamics) của thế giới vật lý.

II. Main Idea:​

Đề xuất OneVL, một khung làm việc hợp nhất VLA và World Model, chuyển đổi suy luận CoT từ dạng văn bản dài sang các token ẩn (latent tokens) nén gọn. Điểm mấu chốt bao gồm:

  • Dual Auxiliary Decoders: Sử dụng hai bộ giải mã phụ trợ trong quá trình huấn luyện: một bộ giải mã ngôn ngữ để tái tạo văn bản CoT và một bộ giải mã thế giới trực quan (visual world model decoder) để dự đoán các khung hình tương lai. Điều này buộc không gian ẩn phải nội hóa cả ý định ngữ nghĩa và động lực học vật lý.
  • Prefill Inference: Tại thời điểm suy luận, các bộ giải mã phụ trợ bị loại bỏ. Các token ẩn được đưa vào ngữ cảnh dưới dạng 'prefill' (xử lý song song một bước), giúp tốc độ suy luận tương đương với việc dự đoán câu trả lời trực tiếp (answer-only).
  • Three-Stage Training: Quy trình huấn luyện 3 giai đoạn (Warmup mô hình chính ightarrow ightarrow Warmup bộ giải mã phụ ightarrow ightarrow Tinh chỉnh cuối cùng) để đảm bảo sự ổn định khi tối ưu hóa đa mục tiêu.

III. Main Results:​

OneVL là phương pháp Latent CoT đầu tiên vượt qua cả CoT tường minh về độ chính xác trên 4 bộ dữ liệu chuẩn (NAVSIM, ROADWork, Impromptu, Alpamayo-R1). Mô hình đạt được độ trễ cực thấp: trên NAVSIM, tốc độ nhanh hơn 1.5 lần so với CoT tường minh; trên ROADWork, nhanh hơn 2.3 lần. Khi kết hợp với một đầu MLP để dự đoán quỹ đạo, độ trễ giảm xuống còn 0.24s (4.16Hz), chỉ bằng 5.4% so với mô hình tự hồi quy truyền thống, trong khi vẫn giữ được khả năng giải thích thông qua ngôn ngữ và hình ảnh.

IV. Conclusion & Future Works:​

Nghiên cứu chứng minh rằng việc nén suy luận chặt chẽ, khi được dẫn dắt bởi cả giám sát ngôn ngữ và mô hình thế giới, tạo ra các biểu diễn tổng quát hơn là suy luận từng token dài dòng. OneVL giải quyết được mâu thuẫn giữa tính khả giải (interpretability) và hiệu suất (efficiency) trong lái xe tự hành. Hướng phát triển tương lai sẽ tập trung vào việc tối ưu hóa hơn nữa khả năng triển khai thực tế và mở rộng quy mô dữ liệu cho mô hình thế giới.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu kết hợp mô hình thế giới (World Model) vào các token ẩn của LLM để cải thiện khả năng lập kế hoạch trong các tác vụ robot điều hướng phức tạp.
  2. Phân tích sự đánh đổi giữa độ nén của Latent CoT và khả năng tổng quát hóa trong các hệ thống điều khiển thời gian thực.
  3. Phát triển cơ chế Prefill Inference cho các mô hình VLA để giảm thiểu độ trễ trong các ứng dụng tương tác người-máy thời gian thực.

2. Patent:​

  1. Hệ thống hỗ trợ lái xe an toàn trên điện thoại thông minh: Sử dụng mô hình dự đoán khung hình tương lai để cảnh báo sớm cho người dùng về các nguy cơ tiềm ẩn trên đường dựa trên hình ảnh camera.
  2. Phương pháp nén dữ liệu suy luận cho trợ lý ảo di động: Chuyển đổi các bước suy luận phức tạp thành các vector ẩn để phản hồi người dùng tức thì mà không cần chờ tạo toàn bộ văn bản giải thích.
  3. Công cụ chẩn đoán lỗi lái xe tự hành: Sử dụng bộ giải mã phụ trợ để trích xuất lý do ra quyết định (dưới dạng văn bản và hình ảnh mô phỏng) từ các trạng thái ẩn của hệ thống khi xảy ra sự cố.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18486
ArXiv Abstracthttps://arxiv.org/abs/2604.18486
PDF Downloadhttps://arxiv.org/pdf/2604.18486.pdf
Github RepositoryN/A

2. Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence (42 votes)​

Tác giả: Guanting Dong, Junting Lu, Junjie Huang, Wanjun Zhong, Longxiang Liu, Shijue Huang, Zhenyu Li, Yang Zhao, Xiaoshuai Song, Xiaoxi Li, Jiajie Jin, Yutao Zhu, Hanbin Wang, Fangyu Lei, Qinyu Luo, Mingyang Chen, Zehui Chen, Jiazhan Feng, Ji-Rong Wen, Zhicheng Dou

Xuất bản lúc: 2026-04-20

Tag: LLMs, Agentic RL, Environment Synthesis, Self-Evolving AI, MCP

I. Main Problem:​

Việc huấn luyện các tác nhân (agents) đa năng hiện nay bị hạn chế bởi sự thiếu hụt các môi trường tương tác thực tế, có khả năng mở rộng và các cơ chế học tập suốt đời (life-long learning). Các môi trường mô phỏng bằng văn bản thường bị ảo giác (hallucination), trong khi các môi trường thực tế thì tốn kém để xây dựng thủ công và thiếu cơ chế tự chẩn đoán để cải thiện năng lực tác nhân một cách liên tục.

II. Main Idea:​

Đề xuất Agent-World, một đấu trường huấn luyện tự tiến hóa bao gồm hai thành phần chính: (1) Khám phá Môi trường-Nhiệm vụ (Agentic Environment-Task Discovery): Tự động khai thác cơ sở dữ liệu và bộ công cụ thực tế từ web dựa trên hàng ngàn chủ đề, sau đó tổng hợp các nhiệm vụ có thể kiểm chứng với độ khó tùy chỉnh thông qua hai phương pháp: dựa trên đồ thị (graph-based) và lập trình (programmatic). (2) Huấn luyện Tác nhân Tự tiến hóa Liên tục (Continuous Self-Evolving Agent Training): Sử dụng học tăng cường đa môi trường (multi-environment RL) với phần thưởng có thể thực thi, kết hợp với một cơ chế chẩn đoán tự động để xác định lỗ hổng năng lực và mở rộng môi trường/nhiệm vụ mục tiêu, tạo thành vòng lặp đồng tiến hóa giữa chính sách tác nhân và môi trường.

III. Main Results:​

Agent-World-8B và 14B vượt trội hơn các mô hình độc quyền mạnh mẽ và các đường cơ sở mở rộng môi trường trên 23 benchmark thách thức về sử dụng công cụ, kỹ thuật phần mềm và nghiên cứu chuyên sâu. Phân tích cho thấy có mối quan hệ tỷ lệ thuận (scaling trends) giữa sự đa dạng của môi trường, số vòng tự tiến hóa và hiệu suất của tác nhân.

IV. Conclusion & Future Works:​

Nghiên cứu khẳng định rằng việc kết hợp tổng hợp môi trường thực tế quy mô lớn với cơ chế tự chẩn đoán và huấn luyện RL có thể thúc đẩy trí tuệ tác nhân tổng quát. Hướng đi tiếp theo là tiếp tục khám phá các quy luật mở rộng (scaling laws) để tối ưu hóa sự cân bằng giữa độ phức tạp của môi trường và hiệu quả học tập của mô hình.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu về cơ chế tự động hóa việc tạo ra các tập dữ liệu kiểm thử (test suites) cho Agent dựa trên việc phân tích lỗi thực thi trong môi trường sandbox.
  2. Phát triển khung đánh giá mức độ 'tổng quát' của Agent thông qua việc đo lường khả năng chuyển đổi kỹ năng giữa các môi trường có cấu trúc dữ liệu khác nhau.
  3. Khảo sát tác động của độ dài chuỗi tương tác (interaction horizon) đối với khả năng suy luận trạng thái của mô hình ngôn ngữ lớn trong Agent RL.

2. Patent:​

  1. Hệ thống tự động tạo kịch bản hướng dẫn sử dụng ứng dụng cho điện thoại: Tự động quét các tính năng của ứng dụng, xây dựng đồ thị luồng công việc và tạo ra các bài tập thực hành cho người dùng mới.
  2. Công cụ chẩn đoán lỗi ứng dụng thông minh trên di động: Sử dụng Agent để tự động mô phỏng các thao tác của người dùng, phát hiện các trạng thái gây treo máy hoặc lỗi logic và đề xuất bản vá cho lập trình viên.
  3. Trợ lý ảo tự thích nghi với thói quen người dùng: Xây dựng một môi trường mô phỏng nhỏ dựa trên dữ liệu sử dụng thực tế của người dùng trên điện thoại để huấn luyện Agent cá nhân hóa, giúp dự đoán chính xác hành động tiếp theo của người dùng.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18292
ArXiv Abstracthttps://arxiv.org/abs/2604.18292
PDF Downloadhttps://arxiv.org/pdf/2604.18292.pdf
Github RepositoryN/A

3. OpenGame: Open Agentic Coding for Games (51 votes)​

Tác giả: Yilei Jiang, Jinyuan Hu, Qianyin Xiao, Yaozhi Zheng, Ruize Ma, Kaituo Feng, Jiaming Han, Tianshuo Peng, Kaixuan Fan, Manyuan Zhang, Xiangyu Yue

Xuất bản lúc: 2026-04-20

Tag: LLMs, Agentic Coding, Game Development, Reinforcement Learning, Multi-modal AI

I. Main Problem:​

Việc phát triển game đòi hỏi sự phối hợp chặt chẽ giữa logic lập trình, thiết kế thẩm mỹ và quản lý trạng thái thời gian thực trên nhiều tệp tin. Các LLM và agent lập trình hiện nay thường thất bại khi tạo game hoàn chỉnh do ba nguyên nhân chính: (1) Mất nhất quán về logic toàn cục khiến game bị treo hoặc không vận hành đúng cơ chế; (2) Thiếu kiến thức chuyên sâu về engine (ví dụ: Phaser) dẫn đến việc triển khai thủ công thay vì dùng API chuẩn; (3) Mất đồng bộ giữa các tệp tin (sai khóa asset, lỗi kết nối scene, sai thứ tự khởi tạo).

II. Main Idea:​

Đề xuất OpenGame, một framework agentic mã nguồn mở chuyên dụng để tạo web game 2D từ ngôn ngữ tự nhiên, bao gồm ba trụ cột chính:

  • GameCoder-27B: Mô hình ngôn ngữ chuyên biệt cho code game, được huấn luyện qua 3 giai đoạn: Tiếp tục tiền huấn luyện (CPT) với dữ liệu Phaser/JS, Tinh chỉnh có giám sát (SFT) với dữ liệu tổng hợp, và Học tăng cường (RL) dựa trên kết quả thực thi trong sandbox.
  • Game Skill: Một khả năng có thể tái sử dụng và tiến hóa, gồm Template Skill (xây dựng thư viện khung dự án từ kinh nghiệm để ổn định cấu trúc) và Debug Skill (duy trì giao thức sửa lỗi sống để giải quyết các lỗi tích hợp hệ thống thay vì chỉ sửa lỗi cú pháp).
  • OpenGame-Bench: Hệ thống đánh giá động sử dụng trình duyệt không đầu (headless browser) và mô hình VLM để chấm điểm dựa trên ba tiêu chí: Sức khỏe bản build (Build Health), Khả năng sử dụng hình ảnh (Visual Usability) và Độ tương thích ý định (Intent Alignment).

III. Main Results:​

OpenGame (kết hợp với Claude Sonnet 4.6) thiết lập trạng thái tiên tiến mới (SOTA) với điểm số: Build Health = 72.4, Visual Usability = 67.2, và Intent Alignment = 65.1, vượt qua các baseline mạnh như Cursor. Đặc biệt, mô hình tự huấn luyện GameCoder-27B cho thấy hiệu quả vượt trội hơn các LLM mã nguồn mở và đóng trực tiếp về độ ổn định bản build và độ chính xác ý định. Kết quả ablation cho thấy việc sử dụng Template Method Pattern (viết code dựa trên hook) và chiến lược đọc ba lớp (Three-Layer Reading) là những yếu tố then chốt giúp giảm thiểu lỗi trong quá trình tổng hợp đa tệp.

IV. Conclusion & Future Works:​

OpenGame chứng minh rằng việc kết hợp mô hình chuyên biệt với một framework agent có khả năng tích lũy kinh nghiệm (qua template và giao thức debug) có thể vượt qua "bức tường phức tạp" của phát triển game. Hướng phát triển tương lai sẽ tập trung vào các thể loại game trừu tượng (Chiến thuật, Puzzle) nơi lỗi logic thường "im lặng" và không gây ra crash, khiến agent khó phát hiện và sửa chữa hơn so với các game thiên về vật lý.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu cơ chế tự động phát hiện và sửa lỗi logic "im lặng" (silent failures) trong game thông qua việc phân tích vết thực thi (execution trace) và phản hồi từ VLM.
  2. Phát triển phương pháp học tăng cường (RL) đa mục tiêu để tối ưu hóa đồng thời cả tính ổn định của mã nguồn và tính thẩm mỹ của giao diện game.
  3. Mở rộng framework OpenGame sang các engine game 3D phức tạp hơn (như Unity hoặc Unreal) bằng cách xây dựng các bản đồ ánh xạ giữa ngôn ngữ tự nhiên và hệ thống GUI/Binary của engine.

2. Patent:​

  1. Hệ thống tự động tạo game giáo dục cá nhân hóa trên điện thoại: Cho phép giáo viên nhập nội dung bài học, AI sẽ tự động thiết kế cơ chế game, tạo hình ảnh minh họa và xuất bản thành ứng dụng web chạy trực tiếp trên trình duyệt di động.
  2. Công cụ hỗ trợ sáng tạo game nhanh cho người dùng phổ thông: Tích hợp vào điện thoại một trợ lý AI cho phép tạo các game mini theo xu hướng (meme) bằng giọng nói, tự động chọn khung mẫu vật lý phù hợp và tạo asset hình ảnh/âm thanh tương ứng.
  3. Phương pháp tự động kiểm thử và sửa lỗi ứng dụng tương tác: Một quy trình tự động chạy thử ứng dụng trên thiết bị di động, chụp ảnh màn hình, dùng AI phân tích sự sai khác giữa yêu cầu thiết kế và thực tế để tự động đề xuất bản vá mã nguồn.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18394
ArXiv Abstracthttps://arxiv.org/abs/2604.18394
PDF Downloadhttps://arxiv.org/pdf/2604.18394.pdf
Github Repositoryhttps://github.com/leigest519/OpenGame

4. MultiWorld: Scalable Multi-Agent Multi-View Video World Models (35 votes)​

Tác giả: Haoyu Wu, Jiwen Yu, Yingtian Zou, Xihui Liu

Xuất bản lúc: 2026-04-20

Tag: Video World Models, Multi-Agent Systems, Diffusion Models, Multi-View Consistency, Flow Matching

I. Main Problem:​

Các mô hình thế giới video (Video World Models) hiện nay chủ yếu tập trung vào kịch bản đơn tác nhân (single-agent), dẫn đến việc thiếu khả năng mô phỏng các tương tác phức tạp giữa nhiều tác nhân trong cùng một môi trường. Thêm vào đó, việc duy trì sự nhất quán về hình ảnh và hình học giữa nhiều góc nhìn (multi-view consistency) khi các tác nhân quan sát môi trường từ các vị trí khác nhau là một thách thức lớn, cùng với khả năng mở rộng linh hoạt số lượng tác nhân và camera mà không cần thay đổi cấu trúc mô hình.

II. Main Idea:​

Đề xuất MultiWorld, một khung làm việc thống nhất cho mô hình thế giới video đa tác nhân, đa góc nhìn với các thành phần chính:

  • Multi-Agent Condition Module (MACM): Sử dụng Agent Identity Embedding (AIE) dựa trên RoPE để phân biệt danh tính các tác nhân, tránh nhầm lẫn hành động, và cơ chế Adaptive Action Weighting (AAW) để ưu tiên các tác nhân đang hoạt động mạnh so với các tác nhân đứng yên.
  • Global State Encoder (GSE): Sử dụng backbone VGGT (mô hình tái tạo 3D) để nén các quan sát từ nhiều góc nhìn thành một trạng thái môi trường toàn cục nhận biết 3D, đảm bảo tính nhất quán hình học khi tạo video cho các góc nhìn khác nhau.
  • Khả năng mở rộng (Scalability): Tách biệt việc mô phỏng đa góc nhìn thành các tác vụ tạo video đơn góc nhìn song song dựa trên trạng thái toàn cục chung, cho phép thay đổi số lượng tác nhân và camera một cách linh hoạt.

III. Main Results:​

Thử nghiệm trên tập dữ liệu game It Takes Two và mô phỏng robot RoboFactory cho thấy:

  • Hiệu suất vượt trội: MultiWorld đạt kết quả tốt nhất về chất lượng video (FVD, PSNR, SSIM) và khả năng tuân thủ hành động (Action-following) so với các baseline như Standard, Concat-View và COMBO.
  • Nhất quán đa góc nhìn: Giảm đáng kể sai số chiếu ngược (Reprojection Error - RPE), chứng minh khả năng duy trì sự đồng bộ giữa các camera.
  • Hiệu quả vận hành: Việc tạo video song song cho nhiều góc nhìn giúp tăng tốc độ xử lý khoảng 1.5 lần so với tạo tuần tự, đồng thời hỗ trợ mô phỏng dài hạn thông qua cơ chế tự hồi quy (autoregressive).

IV. Conclusion & Future Works:​

MultiWorld đã giải quyết thành công bài toán điều khiển đa tác nhân và nhất quán đa góc nhìn trong mô hình thế giới video, chứng minh khả năng tổng quát hóa trên cả lĩnh vực trò chơi điện tử và robot. Hướng phát triển tương lai có thể tập trung vào việc mở rộng quy mô tập dữ liệu và tối ưu hóa hơn nữa thời gian suy luận cho các môi trường thực tế phức tạp hơn.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu tích hợp các ràng buộc vật lý thực tế (Physical Constraints) vào Global State Encoder để cải thiện độ chính xác của các tương tác va chạm giữa nhiều tác nhân.
  2. Phát triển cơ chế học tăng cường (Reinforcement Learning) kết hợp với MultiWorld để huấn luyện các tác nhân trong môi trường mô phỏng video trước khi triển khai thực tế.
  3. Khám phá việc sử dụng Large Language Models (LLMs) để điều phối hành động cấp cao cho nhiều tác nhân trong MultiWorld thông qua các câu lệnh văn bản phức tạp.

2. Patent:​

  1. Hệ thống mô phỏng đào tạo lái xe tự hành đa xe: Sử dụng mô hình thế giới để tạo ra các kịch bản giao thông phức tạp với nhiều xe cùng tương tác, cho phép kiểm tra phản ứng của xe tự hành từ nhiều góc nhìn camera khác nhau trên đường phố.
  2. Ứng dụng hỗ trợ điều khiển robot cộng tác trong công nghiệp: Tạo ra một bản sao số (digital twin) dạng video cho phép người vận hành dự đoán trước kết quả của các lệnh điều khiển cho một nhóm robot làm việc chung, giúp phát hiện xung đột vị trí trước khi thực hiện thực tế.
  3. Tính năng xem lại đa góc nhìn thông minh cho video game: Tích hợp vào điện thoại di động để cho phép người dùng tái tạo lại các phân cảnh hành động trong game từ những góc nhìn không có sẵn trong lúc chơi, dựa trên dữ liệu hành động của các nhân vật.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18564
ArXiv Abstracthttps://arxiv.org/abs/2604.18564
PDF Downloadhttps://arxiv.org/pdf/2604.18564.pdf
Github Repositoryhttps://github.com/CIntellifusion/MultiWorld

5. EasyVideoR1: Easier RL for Video Understanding (32 votes)​

Tác giả: Chuanyu Qin, Chenxu Yang, Qingyi Si, Naibin Gu, Dingyu Yao, Zheng Lin, Peng Fu, Nan Duan, Jiaqi Wang

Xuất bản lúc: 2026-04-18

Tag: RLVR, Video Understanding, Vision-Language Models, GRPO, Multimodal RL

I. Main Problem:​

Việc áp dụng Học tăng cường từ phần thưởng có thể kiểm chứng (RLVR) cho hiểu biết video gặp nhiều thách thức lớn: chi phí tính toán cao do phải giải mã và tiền xử lý video lặp đi lặp lại ở nhiều giai đoạn, thiết kế phần thưởng phức tạp cho nhiều loại tác vụ video khác nhau, và khó khăn trong việc đánh giá chính xác do nhạy cảm với các siêu tham số.

II. Main Idea:​

Đề xuất EasyVideoR1, một khung làm việc RL hoàn chỉnh và hiệu quả cho các mô hình ngôn ngữ-thị giác lớn (LVLM) chuyên biệt cho video. Các cải tiến chính bao gồm: (1) Đường ống RL video với cơ chế tiền xử lý offline và lưu trữ tensor (caching) để loại bỏ việc giải mã dư thừa; (2) Hệ thống phần thưởng nhận diện tác vụ (task-aware) cho 11 loại bài toán; (3) Phương pháp huấn luyện kết hợp dữ liệu offline và online; (4) Huấn luyện chung hình ảnh-video với ngân sách pixel độc lập; (5) Khung đánh giá bất đồng bộ tốc độ cao cho 22 benchmark video.

III. Main Results:​

Sử dụng 32 GPU H200 trong khoảng 20 giờ huấn luyện RL, mô hình Qwen3-VL-8B-Instruct đã vượt qua biến thể Qwen3-VL-8B-Thinking trên nhiều benchmark. Kết quả cho thấy cải thiện trung bình +2.3 điểm, đặc biệt mạnh ở các tác vụ suy luận (+6.6 trên Video-Holmes) và toán học (+6.7 trên VideoMathQA). Cơ chế lưu trữ cache giúp tăng thông lượng huấn luyện lên 1.47 lần, giảm thời gian tạo rollout 1.52 lần và thời gian forward của mô hình tham chiếu 2.85 lần.

IV. Conclusion & Future Works:​

EasyVideoR1 chứng minh rằng việc tối ưu hóa hệ thống và áp dụng RLVR có thể nâng cao đáng kể khả năng suy luận của các mô hình Instruct mà không cần chi phí suy luận lớn như các mô hình Thinking. Tác giả cung cấp mã nguồn mở để cộng đồng cùng phát triển và mở rộng khả năng hiểu video thông qua RL.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu về việc tối ưu hóa phân bổ ngân sách pixel động giữa hình ảnh và video trong quá trình huấn luyện RL để cân bằng giữa độ chi tiết không gian và độ phân giải thời gian.
  2. Khám phá sự tác động của các chiến lược lọc dữ liệu dựa trên tỷ lệ vượt qua (pass-rate) đối với tốc độ hội tụ của mô hình video RL.
  3. Phát triển các hàm phần thưởng tự động (automated reward functions) sử dụng mô hình ngôn ngữ lớn làm giám khảo cho các tác vụ video mở (open-ended) thay vì chỉ dựa trên đối sánh chính xác.

2. Patent:​

  1. Hệ thống tăng tốc xử lý video cho trợ lý ảo trên điện thoại bằng cách tiền xử lý và lưu trữ tạm thời các đặc trưng video dưới dạng tensor, giúp giảm tải cho CPU và tiết kiệm pin khi thực hiện các tác vụ phân tích video thời gian thực.
  2. Phương pháp tối ưu hóa bộ nhớ cho ứng dụng phân tích video trên thiết bị di động, cho phép tùy chỉnh linh hoạt số lượng khung hình và độ phân giải dựa trên mức pin và hiệu năng hiện tại của máy.
  3. Quy trình đánh giá hiệu năng mô hình AI hiểu video bất đồng bộ, cho phép tải dữ liệu video từ bộ nhớ đệm trong khi GPU đang xử lý suy luận, giúp tăng tốc độ kiểm thử ứng dụng video trên các thiết bị cầm tay.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.16893
ArXiv Abstracthttps://arxiv.org/abs/2604.16893
PDF Downloadhttps://arxiv.org/pdf/2604.16893.pdf
Github Repositoryhttps://github.com/cyuQ1n/EasyVideoR1

6. GFT: From Imitation to Reward Fine-Tuning with Unbiased Group Advantages and Dynamic Coefficient Rectification (19 votes)​

Tác giả: Wangjie Gan, Miao Pan, Linbo Xi, Wenqi Zhang, Jintao Chen, Jianwei Yin, Xuhong Zhang

Xuất bản lúc: 2026-04-15

Tag: LLMs, Post-training, Reinforcement Learning, SFT, Policy Gradient

I. Main Problem:​

Phương pháp Supervised Fine-Tuning (SFT) truyền thống gặp hai vấn đề cốt lõi: (1) Phụ thuộc vào một đường dẫn duy nhất (Single-path dependency): SFT chỉ bắt chước một đáp án chuyên gia duy nhất, dẫn đến sụt giảm entropy, hạn chế khả năng khám phá và gây ra hiện tượng quên thảm khốc (catastrophic forgetting). (2) Bùng nổ gradient (Gradient explosion): Do sử dụng trọng số nghịch đảo xác suất (inverse-probability weighting), các token hiếm hoặc không quen thuộc khiến trọng số tăng vọt, dẫn đến tối ưu hóa không ổn định và gây ra hiện tượng ghi nhớ máy móc thay vì hiểu bản chất.

II. Main Idea:​

Đề xuất khung huấn luyện Group Fine-Tuning (GFT) nhằm thống nhất việc truyền thụ kiến thức hiệu quả và khả năng tổng quát hóa mạnh mẽ thông qua hai cơ chế:

  • Group Advantage Learning (GAL): Thay vì bắt chước một mẫu duy nhất, GFT tạo ra một nhóm các phản hồi (bao gồm dữ liệu chuyên gia, dữ liệu từ mô hình giáo viên và mẫu tự sinh). Sau đó, tính toán điểm lợi thế (advantage score) chuẩn hóa trong nhóm để tạo tín hiệu giám sát tương phản, giúp mô hình học từ nhiều đường dẫn suy luận khác nhau.
  • Dynamic Coefficient Rectification (DCR): Áp dụng một ngưỡng tin cậy τ\tau để cắt (clip) trọng số nghịch đảo đối với các token có xác suất quá thấp, ngăn chặn bùng nổ gradient trong khi vẫn giữ nguyên khả năng học cho các token ở mức trung bình.

III. Main Results:​

Thực nghiệm trên nhiều dòng mô hình (Qwen2.5-Math, LLaMA-3, DeepSeekMath) và các bài toán toán học cho thấy:

  • Hiệu quả dữ liệu: GFT với 10k mẫu đạt hiệu suất tương đương hoặc vượt trội hơn SFT huấn luyện với 100k mẫu.
  • Khắc phục quên thảm khốc: GFT duy trì độ lệch KL thấp hơn nhiều so với SFT so với mô hình cơ sở, bảo toàn khả năng suy luận tổng quát.
  • Tăng cường đa dạng: Đạt điểm Pass@k cao hơn so với Distillation và GRPO, cho thấy khả năng cân bằng giữa độ chính xác và sự đa dạng của lời giải.
  • Khả năng tương thích: Khi kết hợp theo chuỗi SFT $\rightarrow$ GFT $\rightarrow$ GRPO, mô hình đạt hiệu suất cao nhất, chứng minh GFT là bước đệm lý tưởng giúp RL khởi động tốt hơn.

IV. Conclusion & Future Works:​

GFT cung cấp một phương pháp hậu huấn luyện ổn định, giải quyết được các hạn chế của SFT bằng cách kết hợp học lợi thế nhóm và hiệu chỉnh hệ số động. Hướng phát triển tương lai bao gồm: mở rộng GFT cho các tác vụ mở (open-ended tasks) có phần thưởng chủ quan, tối ưu hóa chi phí chuẩn bị dữ liệu nhóm và thử nghiệm trên các mô hình quy mô lớn hơn (trên 70B tham số).

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu áp dụng GFT cho các tác vụ lập trình (Code Generation) để cải thiện khả năng tìm kiếm nhiều phương án giải quyết bài toán thay vì chỉ một lời giải duy nhất.
  2. Phân tích sâu hơn về mối liên hệ giữa ngưỡng cắt τ\tau trong DCR và tốc độ hội tụ của mô hình trên các tập dữ liệu có độ nhiễu cao.
  3. Phát triển một cơ chế tự động điều chỉnh thành phần nhóm (tỷ lệ giữa mẫu giáo viên và mẫu tự sinh) dựa trên độ khó của câu hỏi trong thời gian thực.

2. Patent:​

  1. Hệ thống tự động tối ưu hóa trợ lý ảo trên điện thoại: Sử dụng cơ chế học lợi thế nhóm để mô hình điện thoại có thể tự học từ các phản hồi đúng của chính nó và phản hồi từ máy chủ, giúp cải thiện độ chính xác mà không cần gửi toàn bộ dữ liệu về máy chủ.
  2. Phương pháp ổn định cập nhật mô hình AI chạy cục bộ trên thiết bị: Áp dụng kỹ thuật hiệu chỉnh hệ số động để ngăn chặn việc mô hình bị 'sốc' hoặc thay đổi đột ngột khi học từ các dữ liệu người dùng mới, giúp duy trì sự ổn định của ứng dụng.
  3. Công cụ tạo gợi ý đa dạng cho bàn phím thông minh: Sử dụng phương pháp huấn luyện GFT để bàn phím không chỉ gợi ý từ phổ biến nhất mà cung cấp một nhóm các lựa chọn phong phú nhưng vẫn đảm bảo đúng ngữ pháp và ngữ cảnh.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.14258
ArXiv Abstracthttps://arxiv.org/abs/2604.14258
PDF Downloadhttps://arxiv.org/pdf/2604.14258.pdf
Github Repositoryhttps://github.com/ZJU-OmniAI/GFT

7. WebCompass: Towards Multimodal Web Coding Evaluation for Code Language Models (19 votes)​

Tác giả: Xinping Lei, Xinyu Che, Junqi Xiong, Chenchen Zhang, Yukai Huang, Chenyu Zhou, Haoyang Huang, Minghao Liu, Letian Zhu, Hongyi Ye, Jinhua Hao, Ken Deng, Zizheng Zhan, Han Li, Dailin Li, Yifan Yao, Ming Sun, Zhaoxiang Zhang, Jiaheng Liu

Xuất bản lúc: 2026-04-20

Tag: LLMs, Multimodal, Web Coding, Benchmark, Agent-as-a-Judge, MCP

I. Main Problem:​

Các benchmark đánh giá khả năng lập trình web hiện nay thường quá hạn hẹp, chủ yếu tập trung vào việc tạo mã từ văn bản và sử dụng các chỉ số đo lường tính đúng đắn tĩnh. Điều này khiến các yếu tố quan trọng như độ trung thực về hình ảnh (visual fidelity), chất lượng tương tác, khả năng suy luận ở cấp độ codebase và quy trình lặp lại (tạo -> chỉnh sửa -> sửa lỗi) trong thực tế phát triển web không được đo lường chính xác.

II. Main Idea:​

Giới thiệu WebCompass, một benchmark đa phương thức toàn diện đánh giá toàn bộ vòng đời kỹ thuật web. WebCompass bao gồm:

  • Ba phương thức đầu vào: Văn bản, hình ảnh và video.
  • Ba loại tác vụ chính: Tạo mới (Generation), Chỉnh sửa (Editing) và Sửa lỗi (Repair), chia thành 7 danh mục cụ thể.
  • Phương pháp đánh giá tùy chỉnh:
    • Đối với Chỉnh sửa và Sửa lỗi: Sử dụng giao thức LLM-as-a-Judge dựa trên checklist.
    • Đối với Tạo mới: Đề xuất mô hình Agent-as-a-Judge, sử dụng một agent tự trị điều khiển trình duyệt thực thông qua Model Context Protocol (MCP) để thực thi, tương tác và tổng hợp các trường hợp kiểm thử (test cases) tự động, mô phỏng quá trình kiểm thử chấp nhận của con người.

III. Main Results:​

Kết quả đánh giá trên nhiều mô hình mã nguồn đóng và mở cho thấy:

  • Các mô hình đóng vẫn mạnh hơn và cân bằng hơn đáng kể.
  • Tác vụ sửa lỗi (Repair) giữ được tính tương tác tốt hơn nhưng lại khó khăn trong việc thực thi.
  • Tính thẩm mỹ (aesthetics) là điểm nghẽn lớn nhất, đặc biệt đối với các mô hình mã nguồn mở.
  • Lựa chọn framework ảnh hưởng đến kết quả: Vue thường gây khó khăn hơn, trong khi React và Vanilla/HTML đạt kết quả tốt hơn tùy theo loại tác vụ.

IV. Conclusion & Future Works:​

WebCompass cung cấp một khung đánh giá thực tế và có khả năng mở rộng cho các agent lập trình web bằng cách kết hợp độ bao phủ đa phương thức với đánh giá dựa trên thực thi. Nghiên cứu khẳng định rằng việc đánh giá lập trình web đòi hỏi sự kết hợp giữa kiểm tra chức năng động và đánh giá thị giác thay vì chỉ dựa vào các chỉ số mã nguồn tĩnh.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu sâu hơn về việc tối ưu hóa khả năng tạo giao diện thẩm mỹ (Aesthetics) cho các mô hình mã nguồn mở thông qua phương pháp Fine-tuning với dữ liệu thiết kế chất lượng cao.
  2. Phát triển khung đánh giá tự động cho các ứng dụng web đa trang (Multi-page) phức tạp, tập trung vào quản lý trạng thái (state management) và luồng dữ liệu giữa các trang.
  3. Khám phá sự tương quan giữa khả năng hiểu video (Video-guided) và khả năng tái hiện các hiệu ứng hoạt hình (animation) phức tạp trong lập trình front-end.

2. Patent:​

  1. Hệ thống tự động chuyển đổi bản phác thảo giao diện (hình ảnh/video) thành mã nguồn web cho điện thoại di động, tích hợp trình kiểm thử tự động để đảm bảo giao diện hiển thị đúng trên nhiều kích thước màn hình khác nhau.
  2. Công cụ hỗ trợ sửa lỗi giao diện web thời gian thực trên trình duyệt di động, cho phép người dùng khoanh vùng lỗi hình ảnh và hệ thống tự động đề xuất bản vá mã nguồn để sửa lỗi đó.
  3. Trình trợ lý lập trình web thông minh tích hợp vào trình duyệt, có khả năng tự động ghi lại video thao tác của người dùng và chuyển đổi thành các yêu cầu chỉnh sửa mã nguồn chi tiết cho lập trình viên.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18224
ArXiv Abstracthttps://arxiv.org/abs/2604.18224
PDF Downloadhttps://arxiv.org/pdf/2604.18224.pdf
Github RepositoryN/A

8. Extending One-Step Image Generation from Class Labels to Text via Discriminative Text Representation (87 votes)​

Tác giả: Chenxi Zhao, Chen Zhu, Xiaokun Feng, Aiming Hao, Jiashu Zhu, Jiachen Lei, Jiahong Wu, Xiangxiang Chu, Jufeng Yang

Xuất bản lúc: 2026-04-20

Tag: T2I, MeanFlow, One-Step Generation, LLM Text Encoders, Flow Matching

I. Main Problem:​

Các phương pháp tạo ảnh một bước (one-step generation) như MeanFlow hiện nay chủ yếu tập trung vào điều kiện là nhãn lớp (class labels) cố định. Khi mở rộng sang điều kiện là văn bản (text) linh hoạt, việc tích hợp các bộ mã hóa văn bản dựa trên LLM thông qua các chiến lược huấn luyện thông thường thường không mang lại kết quả khả quan do thiếu khả năng phân biệt ngữ nghĩa cao, dẫn đến chất lượng ảnh kém và không tuân thủ đúng hướng dẫn khi số bước khử nhiễu bị hạn chế.

II. Main Idea:​

Nhóm tác giả đề xuất mô hình EMF (Extending MeanFlow to T2I) bằng cách tập trung vào hai đặc tính cốt lõi của biểu diễn văn bản: tính phân biệt (discriminability) và tính tách biệt (disentanglement). Họ chứng minh rằng bộ mã hóa văn bản của BLIP3o-NEXT sở hữu hai đặc tính này tốt hơn các bộ mã hóa khác (như T5 hay CLIP), giúp tạo ra trường vận tốc (velocity field) chính xác hơn. Từ đó, họ điều chỉnh khung MeanFlow để hỗ trợ điều kiện thời gian hai chiều (bidirectional time conditioning) và tích hợp bộ mã hóa BLIP3o-NEXT để đạt được khả năng tạo ảnh chất lượng cao chỉ trong một bước.

III. Main Results:​

Mô hình EMF đạt kết quả vượt trội so với các mô hình chưng cất (distilled models) hiện nay. Cụ thể, với 4 bước lấy mẫu, EMF đạt điểm GenEval là 0.90, gần tương đương với mô hình cơ sở BLIP3o-NEXT chạy 30 bước (0.91). Trên tập dữ liệu DPG-Bench và HPS-v2.1, EMF cho thấy sự cải thiện đáng kể về độ trung thực ngữ nghĩa và sự ưu tiên của con người ngay cả khi chỉ sử dụng 1 bước tạo ảnh, đồng thời có khả năng mở rộng chất lượng ổn định khi tăng số bước lấy mẫu (từ 1 lên 4 bước).

IV. Conclusion & Future Works:​

Nghiên cứu lần đầu tiên mở rộng thành công MeanFlow từ nhãn lớp sang điều kiện văn bản linh hoạt cho tạo ảnh một bước. Kết luận quan trọng là chất lượng của bộ mã hóa văn bản (đặc biệt là tính phân biệt và tách biệt) đóng vai trò quyết định đến hiệu quả của việc tạo ảnh ít bước. Hướng phát triển tương lai là cung cấp một tham chiếu thực tế cho việc tối ưu hóa các mô hình MeanFlow điều kiện văn bản quy mô lớn hơn.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu sâu hơn về mối tương quan định lượng giữa chỉ số tách biệt ngữ nghĩa (semantic disentanglement) của LLM và sai số quỹ đạo trong Flow Matching.
  2. Phát triển một khung đánh giá chuẩn cho các bộ mã hóa văn bản chuyên dụng cho việc tạo ảnh ít bước (few-step T2I), thay vì chỉ dùng cho các mô hình đa bước.
  3. Khám phá khả năng áp dụng MeanFlow cho việc tạo video một bước bằng cách tận dụng các bộ mã hóa video-ngôn ngữ có tính phân biệt cao.

2. Patent:​

  1. Hệ thống tạo ảnh tức thời trên điện thoại di động: Sử dụng mô hình MeanFlow tối ưu hóa để cho phép người dùng tạo ảnh từ văn bản chỉ trong một lần xử lý duy nhất, giúp giảm tiêu thụ pin và tăng tốc độ phản hồi ứng dụng.
  2. Bộ lọc chỉnh sửa ảnh thời gian thực dựa trên văn bản: Áp dụng cơ chế tạo ảnh ít bước để thay đổi chi tiết hình ảnh (ví dụ: thay đổi trang phục, bối cảnh) ngay lập tức khi người dùng nhập văn bản mô tả trên thiết bị di động.
  3. Công cụ thiết kế giao diện nhanh cho ứng dụng di động: Tích hợp mô hình tạo ảnh một bước để chuyển đổi các mô tả phác thảo bằng văn bản thành hình ảnh minh họa giao diện (UI mockup) chất lượng cao ngay lập tức.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18168
ArXiv Abstracthttps://arxiv.org/abs/2604.18168
PDF Downloadhttps://arxiv.org/pdf/2604.18168.pdf
Github Repositoryhttps://github.com/AMAP-ML/EMF

9. When Can LLMs Learn to Reason with Weak Supervision? (18 votes)​

Tác giả: Salman Rahman, Jingyan Shen, Anna Mordvina, Hamid Palangi, Saadia Gabriel, Pavel Izmailov

Xuất bản lúc: 2026-04-20

Tag: RLVR, LLMs, Weak Supervision, Reasoning Faithfulness, GRPO, SFT

I. Main Problem:​

Nghiên cứu tìm hiểu điều kiện để các mô hình ngôn ngữ lớn (LLMs) có thể học khả năng lập luận thông qua Học tăng cường với phần thưởng có thể xác minh (RLVR) khi tín hiệu giám sát bị yếu (weak supervision). Cụ thể, bài báo đặt câu hỏi tại sao một số mô hình (như Qwen) có thể tổng quát hóa tốt từ dữ liệu cực ít hoặc phần thưởng nhiễu, trong khi các mô hình khác (như Llama) lại thất bại và chỉ ghi nhớ máy móc (memorization).

II. Main Idea:​

Nhóm tác giả đề xuất rằng khả năng tổng quát hóa dưới sự giám sát yếu được quyết định bởi động lực bão hòa phần thưởng (reward saturation dynamics) và đặc tính 'độ trung thực trong lập luận' (reasoning faithfulness) của mô hình trước khi thực hiện RL. Thay vì chỉ nhìn vào sự đa dạng của đầu ra (output diversity), nghiên cứu nhấn mạnh rằng mô hình cần có khả năng tạo ra các bước lập luận trung gian hỗ trợ logic cho kết quả cuối cùng để tránh việc bão hòa nhanh và ghi nhớ vẹt.

III. Main Results:​

  1. Động lực bão hòa: Các mô hình tổng quát hóa tốt có giai đoạn 'tiền bão hòa' (pre-saturation) kéo dài, nơi phần thưởng huấn luyện và hiệu suất thực tế cùng tăng. Ngược lại, các mô hình thất bại bão hòa rất nhanh, cho thấy chúng chỉ đang ghi nhớ dữ liệu huấn luyện.
  2. Độ trung thực vs. Đa dạng: Sự đa dạng đầu ra đơn thuần không giúp dự đoán thành công. Llama có độ đa dạng cao hơn Qwen nhưng độ trung thực thấp hơn, dẫn đến việc tạo ra đáp án đúng bằng những chuỗi lập luận sai.
  3. Can thiệp tiền RL: Việc thực hiện SFT trên các vết lập luận tường minh (Thinking SFT) là điều kiện cần để cải thiện độ trung thực và kéo dài giai đoạn tiền bão hòa. Khi kết hợp với huấn luyện tiền tiếp tục (Continual Pre-training - CPT) trên dữ liệu chuyên sâu, mô hình Llama-3.2-3B-Base có thể khôi phục khả năng tổng quát hóa trong cả 3 kịch bản giám sát yếu (ít dữ liệu, phần thưởng nhiễu, phần thưởng proxy).

IV. Conclusion & Future Works:​

Thành công của RLVR dưới sự giám sát yếu không phụ thuộc vào thuật toán RL mà phụ thuộc vào các đặc tính của mô hình trước khi RL. Tác giả khuyến nghị: (1) Theo dõi sự bão hòa phần thưởng để chẩn đoán khả năng học của mô hình; (2) Thay vì kéo dài thời gian RL, hãy tập trung vào các can thiệp tiền RL (như Thinking SFT và CPT) để xây dựng nền tảng lập luận trung thực.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu về việc kết hợp Thinking SFT với các phương pháp căn chỉnh khác (như DPO hoặc PPO) để tối ưu hóa độ trung thực trong lập luận cho các mô hình quy mô nhỏ.
  2. Phân tích định lượng về ranh giới giữa 'ghi nhớ' (memorization) và 'học lập luận' (reasoning learning) thông qua các chỉ số về độ trung thực trong nhiều lĩnh vực khác ngoài Toán và Khoa học.
  3. Phát triển một bộ khung (framework) tự động chẩn đoán thời điểm bão hòa phần thưởng để tối ưu hóa chi phí tính toán trong quá trình huấn luyện RL cho LLMs.

2. Patent:​

  1. Hệ thống tối ưu hóa huấn luyện AI cho điện thoại di động: Tự động dừng quá trình huấn luyện khi phát hiện hiện tượng bão hòa phần thưởng nhanh (reward saturation), giúp tiết kiệm pin và tài nguyên phần cứng trên thiết bị.
  2. Phương pháp cải thiện trợ lý ảo trên di động: Sử dụng kỹ thuật huấn luyện trên các bước lập luận chi tiết (Thinking SFT) để đảm bảo trợ lý ảo không chỉ đưa ra kết quả đúng mà còn có giải thích logic, tránh hiện tượng trả lời sai nhưng kết quả tình cờ đúng.
  3. Công cụ lọc dữ liệu thông minh cho học máy trên thiết bị: Tự động loại bỏ các ví dụ quá dễ hoặc quá khó dựa trên khả năng giải quyết của mô hình (solve@16), giúp mô hình học hiệu quả hơn từ tập dữ liệu nhỏ sẵn có trên điện thoại.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18574
ArXiv Abstracthttps://arxiv.org/abs/2604.18574
PDF Downloadhttps://arxiv.org/pdf/2604.18574.pdf
Github Repositoryhttps://github.com/pavelslab-nyu/rlvr-weak-supervision

10. SkillFlow:Benchmarking Lifelong Skill Discovery and Evolution for Autonomous Agents (16 votes)​

Tác giả: Ziao Zhang, Kou Shi, Shiting Huang, Avery Nie, Yu Zeng, Yiming Zhao, Zhen Fang, Qishen Su, Haibo Qiu, Wei Yang, Qingnan Ren, Shun Zou, Wenxuan Huang, Lin Chen, Zehui Chen, Feng Zhao

Xuất bản lúc: 2026-04-19

Tag: LLMs, Autonomous Agents, Lifelong Learning, Skill Discovery, Benchmarking

I. Main Problem:​

Các benchmark hiện tại cho tác nhân tự trị (autonomous agents) chủ yếu tập trung vào việc kiểm tra khả năng sử dụng các kỹ năng có sẵn, nhưng lại bỏ qua khả năng tự khám phá kỹ năng từ trải nghiệm, sửa chữa kỹ năng sau khi thất bại và duy trì một thư viện kỹ năng nhất quán theo thời gian.

II. Main Idea:​

Giới thiệu SKILLFLOW, một benchmark gồm 166 tác vụ thuộc 20 nhóm (families) được thiết kế dựa trên khung luồng thực thi không phụ thuộc miền (Domain-Agnostic Execution Flow - DAEF). Benchmark này áp dụng giao thức Học tập Suốt đời cho Tác nhân (Agentic Lifelong Learning), trong đó tác nhân bắt đầu mà không có kỹ năng, giải quyết các tác vụ tuần tự, rút ra bài học từ quỹ đạo thực thi (trajectory) và phản hồi (rubric) để tạo ra các bản vá kỹ năng (skill patches) nhằm cập nhật thư viện kỹ năng cho các tác vụ tương lai.

III. Main Results:​

Kết quả thực nghiệm trên nhiều mô hình cho thấy một khoảng cách năng lực đáng kể:

  • Claude Opus 4.6 đạt hiệu quả cao nhất, cải thiện tỷ lệ thành công từ 62.65% lên 71.08% nhờ khả năng sửa chữa và củng cố kỹ năng ổn định.
  • Kimi K2.5 có tỷ lệ sử dụng kỹ năng cao (66.87%) nhưng hiệu quả cải thiện rất thấp (+0.60%), cho thấy việc sử dụng nhiều không đồng nghĩa với tính hữu dụng.
  • Qwen-Coder-Next thậm chí bị giảm hiệu suất so với thiết lập cơ bản.
  • Phát hiện chính: Các mô hình mạnh có xu hướng hợp nhất trải nghiệm thành các quy trình ổn định, trong khi mô hình yếu gặp hiện tượng 'lạm phát kỹ năng' (skill inflation) — tạo ra quá nhiều kỹ năng rời rạc, gây quá tải nhận thức và không thể sửa chữa các kỹ năng sai.

IV. Conclusion & Future Works:​

SKILLFLOW cung cấp một môi trường kiểm thử cấu trúc để đánh giá khả năng tự tiến hóa của tác nhân. Nghiên cứu kết luận rằng khả năng then chốt để cải thiện hiệu suất không nằm ở việc viết được nhiều kỹ năng, mà là khả năng nhận diện lỗi, sửa chữa và duy trì một thư viện kỹ năng tinh gọn, có tính ứng dụng cao. Hướng đi tương lai là xây dựng các hệ thống học tập suốt đời mạnh mẽ hơn, có khả năng thích nghi và củng cố kiến thức xuyên miền.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu về cơ chế ngăn chặn 'lạm phát kỹ năng' (skill inflation) trong LLM Agents thông qua việc áp dụng các thuật toán nén hoặc hợp nhất kỹ năng tương đồng.
  2. Phân tích sự tương quan giữa khả năng suy luận logic của mô hình và khả năng tự sửa chữa (self-repair) các quy trình vận hành trong thư viện kỹ năng.
  3. Phát triển một khung đánh giá về tính chuyển đổi kỹ năng (skill transferability) giữa các miền khác nhau nhưng có cùng cấu trúc luồng thực thi (DAEF).

2. Patent:​

  1. Hệ thống tự động tối ưu hóa quy trình làm việc trên điện thoại: Tự động ghi lại các bước người dùng thực hiện các tác vụ phức tạp (ví dụ: đặt vé máy bay, thanh toán hóa đơn), chuyển hóa thành các 'kỹ năng' lưu trữ và tự động cập nhật quy trình này khi ứng dụng thay đổi giao diện.
  2. Trợ lý ảo tự sửa lỗi vận hành: Một module tích hợp vào điện thoại cho phép trợ lý ảo nhận diện khi một chuỗi hành động tự động bị thất bại, sau đó tự viết lại hướng dẫn thực hiện mới và lưu vào bộ nhớ dài hạn để không lặp lại lỗi đó lần sau.
  3. Thư viện kỹ năng tinh gọn cho thiết bị di động: Phương pháp quản lý bộ nhớ cho AI trên điện thoại, tự động xóa bỏ các hướng dẫn thực hiện tác vụ trùng lặp hoặc lỗi thời và hợp nhất chúng thành một quy trình chuẩn duy nhất để tiết kiệm tài nguyên tính toán.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.17308
ArXiv Abstracthttps://arxiv.org/abs/2604.17308
PDF Downloadhttps://arxiv.org/pdf/2604.17308.pdf
Github Repositoryhttps://github.com/ZhangZi-a/SkillFlow

11. ClawEnvKit: Automatic Environment Generation for Claw-Like Agents (19 votes)​

Tác giả: Xirui Li, Ming Li, Derry Xu, Wei-Lin Chiang, Ion Stoica, Cho-Jui Hsieh, Tianyi Zhou

Xuất bản lúc: 2026-04-20

Tag: LLM Agents, Automated Environment Generation, Benchmarking, Claw-like Agents, Synthetic Data

I. Main Problem:​

Việc xây dựng môi trường để huấn luyện và đánh giá các tác nhân dạng claw (claw-like agents) hiện nay chủ yếu dựa vào quy trình thủ công, tốn nhiều công sức và không thể mở rộng. Các bộ benchmark tĩnh nhanh chóng trở nên lỗi thời hoặc bị rò rỉ dữ liệu (data leakage), trong khi việc huấn luyện bị giới hạn bởi dữ liệu nhật ký người dùng hiện có, gây cản trở khả năng phát triển của các tác nhân AI.

II. Main Idea:​

Đề xuất ClawEnvKit, một khung làm việc tự động hóa quy trình tạo môi trường cho tác nhân AI từ mô tả ngôn ngữ tự nhiên. Hệ thống tách biệt giữa đặc tả khai báo (điều cần xác minh) và xác minh định tính (cách xác minh) thông qua ba mô-đun chính:

  • Parser: Chuyển đổi yêu cầu ngôn ngữ tự nhiên thành các thông số cấu trúc (ý định, đối tượng, ràng buộc).
  • Generator: Tạo đặc tả nhiệm vụ (P), giao diện tương tác/công cụ (M) và cấu hình chấm điểm (C), bao gồm cả việc tự tạo các dịch vụ giả lập (mock services) mới.
  • Validator: Kiểm tra định dạng, độ bao phủ và tính khả thi để đảm bảo môi trường được tạo ra là chính xác và có thể giải được. Ngoài ra, hệ thống chạy các tác nhân trong sandbox cô lập và chấm điểm dựa trên ba chiều: An toàn (Safety), Hoàn thành (Completion) và Độ bền bỉ (Robustness).

III. Main Results:​

  • Auto-ClawEval: Xây dựng thành công benchmark quy mô lớn đầu tiên với 1.040 môi trường thuộc 24 danh mục, với chi phí thấp hơn 13.800 lần so với tạo thủ công.
  • Chất lượng: Các môi trường tự động tạo ra đạt độ chính xác 100% về cấu trúc, đồng thời có độ mạch lạc (Coherence) và độ rõ ràng (Clarity) tương đương hoặc cao hơn các môi trường do con người viết (Claw-Eval).
  • Hiệu suất tác nhân: Thử nghiệm trên 4 họ mô hình và 8 khung harness cho thấy việc tối ưu hóa harness (harness engineering) giúp tăng hiệu suất lên tới 15,7 điểm phần trăm so với baseline ReAct.
  • Tính nhất quán: Kết quả giữa bản đầy đủ (1.040 tác vụ) và bản mini (104 tác vụ) chênh lệch dưới 2%, chứng minh khả năng mở rộng quy mô mà không làm giảm chất lượng đánh giá.

IV. Conclusion & Future Works:​

ClawEnvKit chuyển đổi việc đánh giá tác nhân từ các bộ dữ liệu tĩnh sang quy trình 'đánh giá sống' (live evaluation), cho phép người dùng tạo môi trường kiểm thử theo yêu cầu trong thời gian thực. Điều này không chỉ giúp chống rò rỉ dữ liệu mà còn cung cấp nguồn môi trường huấn luyện thích ứng với điểm yếu của tác nhân. Tác giả khuyến khích cộng đồng chuyển từ benchmark tĩnh sang cơ sở hạ tầng nơi việc tạo môi trường, huấn luyện và đánh giá cùng tiến hóa.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu về cơ chế tự động điều chỉnh độ khó của môi trường (Dynamic Difficulty Adjustment) trong ClawEnvKit để tối ưu hóa lộ trình huấn luyện Reinforcement Learning cho tác nhân.
  2. Phân tích sự tương quan giữa cấu trúc của Agent Harness và khả năng giải quyết các tác vụ phức tạp trong Auto-ClawEval để tìm ra kiến trúc harness tối ưu.
  3. Phát triển phương pháp phát hiện và ngăn chặn rò rỉ dữ liệu (data leakage) trong các benchmark tự động tạo bằng cách sử dụng các biến thể ngẫu nhiên của dịch vụ giả lập.

2. Patent:​

  1. Hệ thống tự động tạo kịch bản kiểm thử phần mềm trên điện thoại di động: Cho phép kiểm thử viên mô tả tính năng bằng lời nói, hệ thống tự tạo ra các dịch vụ giả lập API và kịch bản thao tác để kiểm tra lỗi ứng dụng.
  2. Công cụ huấn luyện trợ lý ảo cá nhân thích ứng: Tự động tạo ra các tình huống giả lập dựa trên những tác vụ mà người dùng thường xuyên gặp khó khăn trên điện thoại để huấn luyện AI cải thiện kỹ năng hỗ trợ.
  3. Nền tảng xác thực năng lực AI thời gian thực cho ứng dụng di động: Tạo ra các môi trường sandbox tạm thời trên thiết bị để kiểm tra khả năng thực hiện tác vụ của một ứng dụng AI mới trước khi cấp quyền truy cập vào dữ liệu thật của người dùng.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.18543
ArXiv Abstracthttps://arxiv.org/abs/2604.18543
PDF Downloadhttps://arxiv.org/pdf/2604.18543.pdf
Github Repositoryhttps://github.com/xirui-li/ClawEnvKit

12. Crowded in B-Space: Calibrating Shared Directions for LoRA Merging (15 votes)​

Tác giả: Yixuan Tang, Yi Yang

Xuất bản lúc: 2026-04-18

Tag: LoRA, Model Merging, LLMs, Parameter-Efficient Fine-Tuning, SVD

I. Main Problem:​

Việc hợp nhất (merging) các adapter LoRA được huấn luyện độc lập cho nhiều tác vụ khác nhau thường gây ra hiện tượng suy giảm hiệu suất. Nguyên nhân chính là do sự nhiễu (interference) khi các hướng chung (shared directions) trong ma trận cập nhật bị tích tụ quá mức, làm lấn át các thông tin đặc thù của từng tác vụ, khiến mô hình mất đi khả năng xử lý chuyên sâu cho từng miền dữ liệu.

II. Main Idea:​

Nhóm tác giả phát hiện ra rằng sự nhiễu khi hợp nhất tập trung chủ yếu ở ma trận đầu ra BB thay vì ma trận đầu vào AA. Từ đó, họ đề xuất Pico (Pre-merge interference calibration in output-space), một phương pháp hiệu chỉnh không cần dữ liệu (data-free). Pico hoạt động bằng cách:

  1. Xác định các hướng chung trong không gian của ma trận BB thông qua phân tích SVD.
  2. Giảm tỷ trọng (downscale) các hướng bị chia sẻ quá mức để tránh hiện tượng tích tụ.
  3. Hợp nhất các cập nhật đã hiệu chỉnh bằng các phương pháp hiện có (như Task Arithmetic, TIES, TSV-M).
  4. Tái tỷ lệ (rescale) cường độ của cập nhật cuối cùng để đảm bảo mô hình không bị quá yếu.

III. Main Results:​

Pico cải thiện đáng kể hiệu suất trên 8 benchmark thuộc 4 lĩnh vực (Toán, Lập trình, Tài chính, Y tế):

  • Tăng độ chính xác trung bình từ 3.4 đến 8.3 điểm tùy theo phương pháp hợp nhất đi kèm.
  • Vượt qua các phương pháp giảm nhiễu mạnh mẽ khác như DARE, DELLA, KnOTS và Core Space.
  • Đáng chú ý, mô hình hợp nhất sử dụng Pico đạt hiệu suất cao hơn cả mô hình LoRA được huấn luyện chung (jointly trained) trên toàn bộ dữ liệu của tất cả các tác vụ.

IV. Conclusion & Future Works:​

Nghiên cứu kết luận rằng việc xử lý riêng biệt hai ma trận AA và BB trong LoRA mang lại hiệu quả hợp nhất cao hơn nhiều so với việc coi ΔW=BA\Delta W = BA là một đối tượng duy nhất. Pico chứng minh rằng việc hiệu chỉnh không gian đầu ra trước khi hợp nhất có thể loại bỏ sự thống trị của các thành phần chung, giúp bảo tồn năng lực đặc thù của từng tác vụ.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu mở rộng Pico cho các kỹ thuật thích nghi khác ngoài LoRA, ví dụ như DoRA hoặc các phương pháp Parameter-Efficient Fine-Tuning (PEFT) mới hơn để xem liệu sự bất đối xứng giữa đầu vào và đầu ra có tồn tại phổ biến không.
  2. Phân tích sâu hơn về mối liên hệ giữa mức độ chia sẻ hướng trong ma trận BB với tính tương đồng về ngữ nghĩa giữa các tác vụ (ví dụ: tác vụ Toán và Lập trình có chia sẻ nhiều hướng hơn so với Toán và Y tế hay không).
  3. Phát triển một khung tối ưu hóa tự động để tìm ra hệ số hiệu chỉnh α\alpha tối ưu thay vì sử dụng công thức cố định, nhằm tùy chỉnh cho từng loại mô hình ngôn ngữ lớn khác nhau.

2. Patent:​

  1. Hệ thống cập nhật tính năng thông minh cho điện thoại di động: Sử dụng Pico để hợp nhất các gói cập nhật tính năng nhỏ (adapters) được tải về từ đám mây cho các mục đích khác nhau (ví dụ: trợ lý ảo chuyên về y tế và trợ lý chuyên về tài chính) mà không cần tải lại toàn bộ mô hình lớn, giúp tiết kiệm bộ nhớ và băng thông.
  2. Ứng dụng cá nhân hóa mô hình AI trên thiết bị: Tạo ra một mô hình AI tùy chỉnh cho người dùng bằng cách hợp nhất các adapter chuyên biệt dựa trên thói quen sử dụng của họ (ví dụ: viết code, soạn email, tra cứu luật) thông qua cơ chế hiệu chỉnh không gian đầu ra để đảm bảo không tính năng nào bị lấn át.
  3. Phương pháp nén và phân phối mô hình đa nhiệm: Một quy trình đóng gói các adapter LoRA đã được hiệu chỉnh sẵn bằng Pico để khi triển khai trên các thiết bị có tài nguyên hạn chế (như smartphone), việc hợp nhất các adapter diễn ra tức thời và đạt hiệu suất tối đa mà không cần tính toán lại SVD.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.16826
ArXiv Abstracthttps://arxiv.org/abs/2604.16826
PDF Downloadhttps://arxiv.org/pdf/2604.16826.pdf
Github RepositoryN/A

13. Concrete Jungle: Towards Concreteness Paved Contrastive Negative Mining for Compositional Understanding (11 votes)​

Tác giả: Eun Woo Im, Dhruv Madhwal, Vivek Gupta

Xuất bản lúc: 2026-04-14

Tag: VLM, Contrastive Learning, Hard Negative Mining, Compositional Understanding, InfoNCE

I. Main Problem:​

Các mô hình Vision-Language (VLM) thường gặp khó khăn trong việc hiểu tính thành phần (compositional reasoning), dẫn đến hiện tượng 'bag-of-words'—tức là mô hình chỉ nhận diện được sự hiện diện của các đối tượng mà bỏ qua thứ tự từ, quan hệ không gian hoặc sự gắn kết thuộc tính. Nguyên nhân chính là do quá trình tiền huấn luyện contrastive thiếu các mẫu âm (negative samples) có tính thông tin cao để phân biệt những biến đổi ngữ nghĩa tinh vi.

II. Main Idea:​

Nghiên cứu đề xuất phương pháp Slipform, tập trung vào hai cải tiến chính:

  1. ConcretePlant: Một quy trình tạo mẫu âm khó (hard negatives) dựa trên độ cụ thể của từ vựng (lexical concreteness). Bằng cách thay đổi các từ có độ cụ thể cao (ví dụ: đối tượng vật lý thay vì tính từ trừu tượng), mô hình tạo ra những khác biệt rõ rệt về cấu trúc hình ảnh, cung cấp tín hiệu học tập mạnh mẽ hơn.
  2. Cement Loss: Giải quyết vấn đề mất cân bằng gradient trong hàm InfoNCE (nơi các mẫu âm dễ thường chiếm ưu thế). Hàm loss này sử dụng một biên (margin) thích nghi, được điều chỉnh dựa trên điểm số độ cụ thể của từ vựng thông qua phân phối Fermi-Dirac, giúp phân bổ lại trọng số gradient để tập trung vào các ranh giới ngữ nghĩa phức tạp.

III. Main Results:​

Mô hình Slipform đạt được kết quả State-of-the-art trên nhiều benchmark về hiểu tính thành phần (như SugarCrepe, Winoground), với mức tăng trung bình 13.13% so với baseline CLIP. Kết quả thực nghiệm chứng minh rằng việc sử dụng các từ có độ cụ thể cao trong quá trình tạo mẫu âm giúp cải thiện đáng kể khả năng phân biệt chi tiết của mô hình. Đồng thời, Cement Loss giúp duy trì hiệu suất ổn định ngay cả khi tăng kích thước batch size, điều mà hàm InfoNCE truyền thống gặp khó khăn do mất cân bằng gradient.

IV. Conclusion & Future Works:​

Nghiên cứu khẳng định độ cụ thể của từ vựng là yếu tố then chốt trong việc khai thác mẫu âm khó cho VLM. Tác giả thừa nhận vẫn còn sự đánh đổi (trade-off) giữa khả năng hiểu tính thành phần và khả năng biểu diễn hình ảnh tổng quát. Hướng phát triển tương lai bao gồm: xây dựng thước đo độ cụ thể chuyên biệt cho thị giác (thay vì dùng điểm số tâm lý ngôn ngữ chung), giảm thiểu sự đánh đổi hiệu suất và mở rộng ứng dụng sang phân tích video.

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu về việc tối ưu hóa độ cụ thể của từ vựng cho các tác vụ hiểu video (Video-Language Models) để cải thiện khả năng nhận diện hành động theo trình tự thời gian.
  2. Phân tích sâu hơn về mối tương quan giữa các loại phân phối margin khác nhau (ngoài Fermi-Dirac) đối với việc ngăn chặn hiện tượng quên lãng thảm khốc (catastrophic forgetting) trong học tương phản.
  3. Phát triển một bộ dữ liệu chuẩn (benchmark) đánh giá độ cụ thể của hình ảnh tương ứng với điểm số lexical concreteness để tự động hóa việc chọn từ khóa perturb.

2. Patent:​

  1. Hệ thống tự động kiểm tra tính chính xác của mô tả sản phẩm trong thương mại điện tử trên điện thoại: Sử dụng cơ chế tạo mẫu âm khó để phát hiện các sai sót nhỏ trong mô tả (ví dụ: sai màu sắc, sai vị trí nút bấm) mà các mô hình AI thông thường bỏ qua.
  2. Ứng dụng hỗ trợ người khiếm thị nhận diện chi tiết vật thể: Tích hợp mô hình đã huấn luyện bằng phương pháp ConcretePlant để mô tả chính xác các mối quan hệ vật lý giữa các đồ vật trong phòng thông qua camera điện thoại.
  3. Công cụ lọc ảnh rác/ảnh sai lệch cho bộ sưu tập ảnh di động: Sử dụng hàm loss thích nghi để phân biệt các hình ảnh gần giống nhau nhưng có chi tiết khác biệt nhỏ, giúp người dùng phân loại ảnh chính xác hơn dựa trên các từ khóa cụ thể.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.13313
ArXiv Abstracthttps://arxiv.org/abs/2604.13313
PDF Downloadhttps://arxiv.org/pdf/2604.13313.pdf
Github RepositoryN/A

14. The Illusion of Certainty: Decoupling Capability and Calibration in On-Policy Distillation (10 votes)​

Tác giả: Jiaxin Zhang, Xiangyu Peng, Qinglin Chen, Qinyuan Ye, Caiming Xiong, Chien-Sheng Wu

Xuất bản lúc: 2026-04-18

Tag: LLMs, On-Policy Distillation, Calibration, Knowledge Distillation, Self-Distillation

I. Main Problem:​

Các mô hình ngôn ngữ lớn (LLMs) hiện nay gặp hiện tượng 'quá tự tin' (overconfidence) nghiêm trọng, ngay cả khi khả năng suy luận được cải thiện thông qua On-Policy Distillation (OPD). Nguyên nhân là do sự bất đối xứng thông tin: mô hình giáo viên (teacher) được huấn luyện với ngữ cảnh đặc quyền (privileged context - như đáp án đúng), dẫn đến việc mô hình học sinh (student) bắt chước sự chắc chắn của giáo viên mà không có cùng lượng thông tin khi triển khai thực tế, gây ra hiện tượng sụp đổ entropy (entropy collapse) và thiên kiến lạc quan (optimism bias).

II. Main Idea:​

Đề xuất khung làm việc CaOPD (Calibration-Aware On-Policy Distillation) nhằm tách biệt việc học khả năng (capability) và học độ tin cậy (calibration). Thay vì để mô hình học sinh bắt chước mức độ tự tin của giáo viên, CaOPD thực hiện 'thay thế mục tiêu' (target replacement): sử dụng tỷ lệ thành công thực nghiệm (empirical success rate) được tính từ nhiều lần chạy thử (rollouts) của chính mô hình học sinh để làm mục tiêu huấn luyện cho các token thể hiện độ tin cậy, trong khi vẫn giữ nguyên quỹ đạo suy luận chất lượng cao từ giáo viên.

III. Main Results:​

CaOPD đạt được hiệu quả tối ưu Pareto, cải thiện đáng kể độ tin cậy (giảm ECE và Brier Score) mà không làm giảm độ chính xác của tác vụ (không bị 'capability tax' như các phương pháp RL). Cụ thể, một mô hình 8B sử dụng CaOPD có thể đạt mức độ tin cậy tương đương với các mô hình frontier lớn. Phương pháp này cũng cho thấy khả năng tổng quát hóa tốt khi đối mặt với dữ liệu ngoài phân phối (OOD) và ngăn chặn hiện tượng 'quên hiệu chuẩn' (calibration forgetting) trong học tập liên tục (continual learning).

IV. Conclusion & Future Works:​

Nghiên cứu khẳng định rằng việc tăng quy mô khả năng không tự động giải quyết vấn đề hiệu chuẩn độ tin cậy. Việc tách biệt mục tiêu huấn luyện giữa hành vi suy luận và mức độ tự tin là chìa khóa để tạo ra các AI trung thực hơn. Hướng đi tương lai là áp dụng phương pháp này cho các miền mở (open-ended domains) nơi không có bộ xác thực (verifier) khách quan bằng cách sử dụng tính nhất quán tự thân (self-consistency).

V. Brainstorming Space:​

1. Publish Papers:​

  1. Nghiên cứu về sự đánh đổi giữa độ chính xác và độ tin cậy trong các mô hình suy luận tự động (Reasoning LLMs) khi áp dụng các kỹ thuật tự cải thiện (self-improvement).
  2. Phân tích sâu hơn về cơ chế sụp đổ entropy trong quá trình chưng cất tri thức từ các mô hình có quyền truy cập dữ liệu đặc quyền.
  3. Phát triển phương pháp ước lượng độ tin cậy cho các tác vụ sáng tạo hoặc mở, nơi không có đáp án đúng duy nhất để tính tỷ lệ thành công thực nghiệm.

2. Patent:​

  1. Hệ thống tự đánh giá độ tin cậy cho trợ lý ảo trên điện thoại: Tích hợp cơ chế chạy thử ngầm nhiều phương án trả lời để tính toán xác suất chính xác trước khi hiển thị câu trả lời cho người dùng, giúp cảnh báo khi AI không chắc chắn.
  2. Tính năng 'AI trung thực' cho ứng dụng tra cứu kiến thức: Sử dụng kỹ thuật tách biệt mục tiêu huấn luyện để mô hình tự động gắn nhãn mức độ tin cậy (ví dụ: Thấp/Trung bình/Cao) cho mỗi thông tin cung cấp, giảm thiểu rủi ro ảo giác (hallucination).
  3. Phương pháp tối ưu hóa bộ nhớ cho mô hình ngôn ngữ nhỏ trên thiết bị di động: Áp dụng kỹ thuật chưng cất nhận thức độ tin cậy để nén các mô hình lớn thành mô hình nhỏ mà vẫn giữ được khả năng tự nhận biết sai sót tương đương mô hình gốc.

Các đường dẫn liên quan​

Nền tảngĐường dẫn
Hugging Facehttps://huggingface.co/papers/2604.16830
ArXiv Abstracthttps://arxiv.org/abs/2604.16830
PDF Downloadhttps://arxiv.org/pdf/2604.16830.pdf
Github Repositoryhttps://github.com/SalesforceAIResearch/CaOPD