🤗 Daily Hugging Face Paper Digest - 2026-08-17

Báo cáo được tạo tự động vào lúc 2026-08-18 10:10:30 bằng mô hình hermes-agent.

📰 Summary of Papers

Tác giả: Shuo Liang, Yixing Ma, Pengfei Zhou, Xingyan Chen, Zihan Mei, et al.

Xuất bản lúc: 2026-08-14

Tag: AI-Generated Video Detection, Deepfake, RA-Bench, Image-to-Video, Misinformation, Benchmarking, MLLM

I. Main Problem:

Các mô hình sinh video AI hiện tại (như Wan, Seedance, Kling) đã đủ thực tế để tạo clip giả về chiến tranh, thiên tai, thảm họa trông như thật, gây rủi ro tin giả và hoảng loạn xã hội. Nhưng các benchmark hiện có chủ yếu đánh giá trên video đại trà chung chung, nên chưa rõ các bộ phát hiện (detector) có đáng tin khi áp vào bối cảnh khủng hoảng thực tế hay không. Ba lỗ hổng còn thiếu: (1) phát hiện trên video sự kiện thật có gắn rủi ro xã hội, (2) hành vi của generator khi thay đổi điều kiện sinh, (3) cách con người và mạng xã hội phản ứng với video giả.

II. Main Idea:

RA-Bench xây dựng bộ dữ liệu phát hiện video AI dùng video thật làm mỏ neo (Real-video Anchors). Cách làm:

Thu 675 video thật từ sự kiện khủng hoảng (675 nguồn, 10 nhóm rủi ro xã hội, 44 mục phụ), cắt thành 1.830 clip real làm neo.
Với mỗi clip thật, lấy khung hình đầu làm điều kiện cho 4 generator mã nguồn mở + 5 generator đóng (API), cùng một prompt mô tả nội dung → sinh ra 16.056 clip giả ghép cặp với clip thật (cùng bối cảnh, cùng khung đầu).
Đánh giá theo 3 chiều: (1) khả năng khái quát của detector, (2) thuộc tính sinh ảnh hưởng độ khó phát hiện thế nào, (3) nhận thức người dùng và lan truyền xã hội.

Ví dụ đời thường: giống kẻ lừa đảo chụp một tấm ảnh thật từ đám cháy thật, rồi dùng AI ghép thêm cảnh giả phía sau để dựng thành video giả, rồi đưa cho người khác xem thử — RA-Bench làm y hệt vậy với hàng ngàn clip để xem máy lẫn người có phân biệt được đâu là thật đâu là dựng không.

III. Main Results:

Không detector nào khái quát ổn định. 7 detector truyền thống sụt AUC từ mức công bố 67,6–98,6% xuống chỉ 43,9–57,3% trên RA-Bench; 26/63 cặp detector–nguồn có AUC < 50% (tức đoán ngược). Thứ hạng detector cũng đảo lộn (UnivFD từ hạng 2 xuống 6).
Zero-shot MLLM không đáng tin: đổi timestamp thành frame-index kéo Skyra xuống 54,4–54,9% BAcc; BusterX++ chỉ đạt 4,1–9,1% FakeR.
Thuộc tính sinh ảnh hưởng từng họ detector khác nhau: tăng 50 điểm Condition Fidelity làm Gemini FakeR giảm 14,4 điểm, nhưng nội dung động lại ít đổi detector truyền thống. Đổi seed hầu như không đổi kết quả.
Video lừa được người cũng lừa được máy: người xem nhận đúng 68,6% clip mã nguồn mở nhưng chỉ 52,9% clip đóng (Seedance2.0 40,7%, Kling 45,1%). Trên tập RA-Bench-HumanProof (633 clip 5/5 người đều cho là thật): Gemini chỉ 54,7% BAcc, 7 detector truyền thống trung bình 47,5% AUC.
Lan truyền xã hội làm yếu thêm: mô phỏng disseminate kéo mean FakeR của 5 cấu hình fine-tuned từ 46,0% xuống 1,4%.

IV. Conclusion & Future Works:

Kết luận: phương pháp hiện tại chưa phát hiện tin cậy được video AI thực tế về khủng hoảng, đặc biệt khi video giả ngày càng tốt và lưu hành thực tế. Hướng tương lai: cần detector bền vững trước generator liên tục tiến hóa, không học shortcut (độ dài, codec, timestamp); cần đánh giá cả vòng đời lan truyền xã hội; và cần nghiên cứu cách con người nhận diện để bổ trợ máy.

V. Brainstorming Space:

1. Publish Papers:

Thiết kế detector không dựa vào shortcut bề mặt (codec, độ dài, dấu thời gian) mà học bằng chứng thời gian thực sự, để giữ ổn định khi generator mới ra mắt.
Xây dựng tập HumanProof chuẩn hóa bằng khảo sát mù người thật, làm thước đo căng thẳng tối thiểu cho mọi benchmark phát hiện video giả tiếp theo.
Mô phỏng lan truyền mạng xã hội (nén, cắt, repost) như một bước đánh giá bắt buộc, vì độ khó phát hiện tăng mạnh sau khi video lưu hành.
Nghiên cứu kết hợp giữa phát hiện tự động và nhận thức con người để cảnh báo sớm video khủng hoảng giả trước khi lan rộng.

2. Patent:

Ứng dụng trên điện thoại: khi người dùng nhận được video khẩn cấp (thiên tai, đánh bom) qua tin nhắn hoặc mạng xã hội, app tự động chạy bộ phát hiện cục bộ để dán nhãn 'có thể là AI dựng' trước khi người dùng chia sẻ tiếp, giúp cản tin giả lan trong vài giây đầu.
Tính năng xác thực video cho app tin tức: khi biên tập viên đăng clip sự kiện nóng, hệ thống so khớp khung đầu với kho video neo thật (như RA-Bench) và báo độ rủi ro clip đó là sinh artificial, hỗ trợ kiểm duyệt tự động.
Công cụ kiểm chứng cho nền tảng mạng xã hội: mỗi lần video khủng hoảng được upload, server chạy detector nhiều họ (truyền thống + MLLM) kết hợp, chỉ khi tất cả đồng thuận 'thật' mới cho hiển thị rộng, còn nghi ngờ thì gắn cảnh báo mờ.
Module cảnh báo trên điện thoại thông minh: tích hợp vào trình duyệt hoặc bàn phím, tự phân tích video người dùng sắp forward và hiện popup 'video này dễ là AI tạo, bạn có chắc muốn gửi?' để giảm hành vi lan tin giả không chủ ý.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.14391
ArXiv Abstract	https://arxiv.org/abs/2608.14391
PDF Download	https://arxiv.org/pdf/2608.14391.pdf
Github Repository	https://github.com/24029100313/RA-Bench

2. Self-Supervised Visual On-Policy Distillation (150 votes)

Tác giả: Yijiang Li, Yijun Liang, Yunjie Tian, Bingyang Wang, Ke Zhang, et al.

Xuất bản lúc: 2026-08-14

Tag: Vision-Language Models, On-Policy Distillation, Self-Supervised Learning, Data Augmentation, Visual Perception, Knowledge Distillation

I. Main Problem:

Các phương pháp on-policy distillation (OPD) hiện tại đều cần một bất đối xứng thông tin giữa teacher và student — tức teacher phải biết nhiều hơn student. Chúng lấy sự bất đối xứng này từ:

một mô hình teacher lớn/mạnh hơn, hoặc
thông tin đặc quyền (privileged) như đáp án chuẩn, vùng ảnh đúng (ROI), phản hồi môi trường.

Vấn đề cốt lõi: khi không có gì đặc quyền (không nhãn, không đáp án, không teacher mạnh hơn) thì lấy bất đối xứng thông tin ở đâu? Khi năng lực mô hình vượt quá khả năng con người gán nhãn, nguồn giám sát này ngày càng khó có được.

II. Main Idea:

S2VOPD (Self-Supervised Visual On-Policy Distillation) đảo ngược hướng tạo bất đối xứng: thay vì thêm thông tin cho teacher, ta trừ thông tin khỏi student. Cơ chế:

Teacher là bản EMA (exponential moving average) của cùng một mô hình, luôn nhìn ảnh gốc sạch.
Student quan sát một view ảnh bị làm suy giảm (augmented) của cùng bức ảnh đó, rồi sinh ra các câu trả lời (rollouts) on-policy.
Ta tính khoảng cách phân phối từng token (generalized Jensen–Shannon divergence, top-k) giữa teacher (ảnh sạch) và student (ảnh nhiễu), và ép student bắt chước teacher ngay tại các tiền tố do chính student sinh ra.

Sự chênh lệch thị giác này tạo ra tín hiệu học miễn phí — không cần nhãn, không cần reward, không cần teacher riêng.

Khảo sát thiết kế augmentation cho thấy 3 quy tắc:

Bất đối xứng quan trọng: mọi họ augmentation (giảm thông tin, hình học, quang học, che khuất) đều cải thiện; tự chưng chất đối xứng thì tệ đi.
Độ mạnh vừa phải: hiệu suất đạt đỉnh ở mức nhiễu trung bình, yếu hoặc quá mạnh đều giảm.
Phải giữ đúng ngữ nghĩa câu hỏi: crop quá mạnh xoá luôn bằng chứng trả lời → chênh lệch lớn nhưng vô dụng.

Công thức tốt nhất: downscale xuống 0.3–0.6× + Gaussian noise (áp dụng mỗi mẫu, noise xác suất 0.5).

Ví dụ đời thường: giống như hai người cùng giải một câu đố hình — một người được xem ảnh gốc sắc nét, người kia chỉ được xem bản mờ và nhiễu; người xem bản mờ tự đoán, rồi người xem bản rõ soi lại từng chỗ sai để người kia học cách nhìn ra từ ảnh nhiễu. Không cần ai đưa đáp án, sự chênh lệch 'thấy rõ hơn' chính là bài học.

III. Main Results:

Trên 6 benchmark nhận thức chi tiết: S2VOPD nâng Qwen3.5-4B từ 70.7% lên 77.4% (+6.7%), vượt mọi mô hình mã nguồn mở so sánh, kể cả Qwen3-VL-235B (75.8%), và vượt GPT-5.4 (72.8%), ngang Qwen3.5-397B.
So với các phương pháp có thông tin đặc quyền (ZwZ, Vision-OPD, OPSD) trên Vision-OPD-6K: S2VOPD tốt nhất nhóm không đặc quyền, vượt cả các baseline có đặc quyền ở quy mô 4B.
So với self-rewarding RL (TTRL, Intuitor, RENT): S2VOPD cải thiện cả nhận thức (+5.7% ở 4B) lẫn toán học (+3.7% ở 4B) — điều các nhóm kia không làm được đồng thời.
Thu hồi được 96% mức cải thiện của các phương pháp dùng thông tin đặc quyền, dù giữ nguyên dữ liệu huấn luyện.
Ablation: bỏ augmentation → hiệu suất về mức cơ sở (70.5%); teacher đông cứng (không EMA) chỉ giảm 0.4% → tín hiệu chủ yếu đến từ bất đối xứng, không phải tự cải thiện của teacher.

IV. Conclusion & Future Works:

S2VOPD chứng minh có thể tạo bất đối xứng teacher–student không cần thông tin đặc quyền bằng cách trừ thông tin khỏi student. Hiệu quả phụ thuộc vào độ lớn và ngữ nghĩa của khoảng cách thông tin: đủ lớn để học, nhưng không được xoá mất bằng chứng trả lời. Phương pháp cải thiện đồng thời nhận thức chi tiết và suy luận toán học, vượt cả hai nhóm baseline chuyên biệt.

Hướng tương lai: mở rộng không gian augmentation tự động tìm kiếm, áp dụng cho các modality khác (video, âm thanh), và kết hợp với RL khi có sẵn reward yếu.

V. Brainstorming Space:

1. Publish Papers:

Mở rộng S2VOPD sang video-language models: dùng augmentation theo thời gian (blur khung hình, giảm fps) để tạo bất đối xứng mà không cần annotation hành động.
Tự động tìm kiếm công thức augmentation tối ưu qua reinforcement trên chính khoảng cách JS giữa teacher–student thay vì grid search thủ công.
Kết hợp S2VOPD với self-rewarding RL: dùng sự bất đối xứng thị giác làm regularization để ổn định huấn luyện RL vốn dễ sụp đổ.

2. Patent:

Tính năng 'chụp mờ tự học' trên điện thoại: camera chụp ảnh kém (thiếu sáng, rung) rồi mô hình soi lại bản gốc sắc nét để tự sửa lỗi nhận diện vật thể trong ảnh xấu, giúp nhận diện ổn định hơn khi người dùng chụp lấy liền.
Trợ lý ảnh cho người khiếm thị trên điện thoại: mô hình xem bản ảnh gốc, còn module sinh mô tả xem bản ảnh bị nhiễu/rớt pixel để học cách trích xuất thông tin ngay cả khi ảnh thu được chất lượng thấp.
Hệ thống quét tài liệu trong app ngân hàng: ảnh chụp hoá đơn mờ được model so sánh với bản ước lượng sắc nét để tự cải thiện đọc số, giảm lỗi nhập liệu mà không cần gán nhãn thủ công.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.14144
ArXiv Abstract	https://arxiv.org/abs/2608.14144
PDF Download	https://arxiv.org/pdf/2608.14144.pdf
Github Repository	N/A

3. Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development (43 votes)

Tác giả: Yiwei Li, Wanli Yang, Hexiang Tan, Xiangzhou Huang, Zhengyu Chen, et al.

Xuất bản lúc: 2026-08-13

Tag: Agent Evaluation, Long-Horizon AI R&D, LLMs, Benchmark, Experience Reuse, Autonomous Research, Self-Improvement, Process Evaluation

I. Main Problem:

Các agent tự động hiện nay có thể chạy thử nghiệm dài hạn để cải thiện mô hình/hệ thống, nhưng cách đánh giá lại không khớp với cách chúng làm việc: benchmark chỉ dùng một điểm số cuối cùng (final score). Hậu quả:

cùng một điểm số cuối có thể đến từ hướng đúng tìm sớm hoặc sau vô số thử sai — không rõ tiến bộ sinh ra ở đâu
không cho biết ý tưởng có được hiện thực hóa thành code chạy được không, hay feedback có được dùng để giữ kết quả tốt và gỡ lỗi không
coi mỗi lượt chạy độc lập, nên che giấu việc kinh nghiệm tích lũy có giúp hay làm hỏng quyết định sau
không rõ hệ thống (harness) bao quanh có giúp agent duy trì hiệu quả không

II. Main Idea:

Bài báo đề xuất AutoResearchEval — khung đánh giá có 4 câu hỏi và hai lớp quan sát: lớp tiến trình (process) và lớp kinh nghiệm (experience).

Lớp tiến trình — đo trong 1 lượt chạy bằng metric luật xác định (không dùng LLM chấm):

C1 Solution Framing: hướng agent chọn có dẫn nhanh tới giải pháp tốt không (dùng điểm verifier tốt nhất đạt được theo thời gian)
C2 Execution: ý tưởng có được chuyển thành code chạy đúng/chạy được không (cổng delivery + phạt build lỗi)
C3 Feedback Control: agent có giữ lại phát hiện tốt và gỡ được khi kết quả tệ đi không (retention + recovery)

Lớp kinh nghiệm — so sánh có kiểm soát:

Mintra (intra-task): tại một điểm rẽ nhánh, chạy tiếp có giữ kinh nghiệm vs xóa sạch context/ghi chú/comment — đo độ lệch ΔSintra
Minter (inter-task): rút bài học từ task nguồn sang task đích giữ nguyên điều kiện — đo độ lệch ΔSinter

Thực hiện trên 7 mô hình frontier (Claude-Opus-4.7, GPT-5.5, Gemini-3.1-Pro, GLM-5.2, Kimi-K2.7-Code, DeepSeek-V4-Pro, LongCat-2.0) × 36 task (Model Dev, System Opt, Puzzle & Challenge, CUDA), mỗi cặp 3 rollout → 756 lượt, tốn ~100k USD inference.

Ví dụ đời thường: giống một kỹ sư được giao tối ưu một dây chuyền — thay vì chỉ chấm điểm sản phẩm cuối ngày, ta gắn camera theo dõi từng bước: anh ta có định hướng đúng từ sáng không (C1), có lắp ráp chạy được không (C2), khi máy hỏng có sửa kịp và giữ được cài đặt ngon không (C3), rồi cho xem nhật ký hôm qua có giúp hôm nay làm tốt hơn hay bị ám ảnh cách cũ (experience).

III. Main Results:

Opus-4.7 dẫn đầu cả avg@3 (0.739) và best@3 (0.790); GPT-5.5, GLM-5.2, Gemini-3.1-Pro tier 2 sát nhau.
Độ tin cậy phân tách mô hình hơn đỉnh cao: chênh avg@3 = 0.237 nhưng best@3 chỉ 0.122 → mô hình yếu vẫn chạm giải pháp ngon nhưng không ổn định.
Cùng điểm cuối có thể che giấu bottleneck khác nhau: GPT-5.5 (C2=0.958, C3=0.858) vs Gemini-3.1-Pro (C2=0.889, C3=0.920) — một bên giỏi implement, một bên giỏi kiểm soát feedback.
Theo loại task: CUDA khó nhất và phân tách mạnh nhất (C1 thấp 0.370, C2 0.850); Model Dev có Execution cao nhất (0.985) nhưng Feedback Control yếu nhất (0.743); Puzzle & Challenge dễ nhất.
Đổi mới phương pháp thật sự hiếm: chỉ 3/252 giải pháp best-seed được xếp loại novel.
Kinh nghiệm nội-task (Mintra): đa số giúp (trừ Kimi hơi âm); mô hình yếu依赖 kinh nghiệm mạnh hơn (LongCat +0.145).
Kinh nghiệm liên-task (Minter): DeepSeek-V4-Pro hưởng lợi lớn nhất (+0.093 avg@3), Gemini-3.1-Pro lại giảm (-0.017); bài học tự rút > truy cập workspace thô > bài học chéo mô hình.
Harness: harness native của GPT-5.5 và Kimi cho độ ổn định cao hơn harness chung mà không đổi best@3.

IV. Conclusion & Future Works:

Kết luận chung: agent tự động hiện tại vận hành như bộ tối ưu kỹ thuật hơn là nhà nghiên cứu tự chủ — có thể định hướng và hiện thực hóa giải pháp thực tế, nhưng dao động mạnh giữa các lượt, ít đổi mới thuật toán, và hiệu năng bị chi phối bởi bottleneck tiến trình, kinh nghiệm tích lũy và thiết kế harness. Hướng tương lai: (1) huấn luyện dựa trên tương đối giữa các rollout để thu hẹp khoảng cách peak–average; (2) chiến lược inference-time selection/rollout; (3) cơ chế quản lý kinh nghiệm đáng tin cậy (trích xuất, chọn lọc, thích nghi, sửa bài học); (4) tối ưu harness tự động.

V. Brainstorming Space:

1. Publish Papers:

Thiết kế metric luật-xác-định tái dùng được cho đánh giá tiến trình agent dài hạn, không cần LLM chấm điểm, áp dụng cho benchmark auto-R&D khác.
Cơ chế trích xuất và chọn lọc bài học transferable giữa task nhằm giảm hiện tượng overfit vào chiến thuật riêng của task nguồn hoặc shortcut của evaluator.
Huấn luyện tương đối đa-rollout để nâng độ tin cậy (avg@3) thay vì chỉ đỉnh (best@3) cho agent tự nghiên cứu.
Khung đánh giá hiệu ứng harness (shared vs native vs open-source) lên độ ổn định và trần hiệu năng của agent.

2. Patent:

Công cụ đánh giá tự động cho agent AI làm R&D trong công ty: thay vì chỉ nhìn kết quả cuối, hệ thống ghi log từng bước (định hướng, build, regression) và xuất báo cáo chỉ điểm yếu năng lực — giúp team chọn mô hình đúng và tối ưu chi phí API.
Tính năng 'nhật ký kinh nghiệm' trên IDE/agent: agent tự rút lessons.md sau mỗi task, lọc nhiễu và chỉ chuyển nguyên tắc chung sang task mới, tránh bị kẹt ở tối ưu cục bộ — tích hợp vào quy trình phát triển phần mềm tự động.
Hệ thống tối ưu harness thích ứng trên điện toán đám mây: tự động đổi cấu hình vòng lặp (số lần thử, ngân sách) theo mô hình để tăng độ ổn định mà không tốn thêm chi phí, dùng cho pipeline auto-optimize mô hình ML trên nền tảng đám mây thương mại.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.13417
ArXiv Abstract	https://arxiv.org/abs/2608.13417
PDF Download	https://arxiv.org/pdf/2608.13417.pdf
Github Repository	N/A

4. Intern-S2-Mobius: Foundation Model with Decoupled Knowledge and Reasoning (31 votes)

Tác giả: Kai Chen, Jifeng Ding, Ning Ding, Jiaye Ge, Lixin Gu, et al.

Xuất bản lúc: 2026-08-14

Tag: Foundation Model, Transformer, Latent Reasoning, Mixture-of-Experts, Knowledge-Reasoning Decoupling, Efficient Inference, Continual Learning

I. Main Problem:

Mô hình Transformer đang kẹt ở hai hướng phát triển đều chạm trần:

Phình to tham số / dữ liệu / chuỗi suy luận (CoT): Scaling Law đang bão hòa, lợi tức cận biên giảm; dài CoT sinh văn bản thừa thãi kể cả với bài dễ.
Giảm độ phức tạp (attention tuyến tính, SSM, GDN): tiết kiệm được ít nhưng hy sinh năng lực, vẫn chưa đủ rẻ để triển khai thương mại.

Căn nguyên sâu xa: trong Transformer, kiến thức (FFN) bị trói chặt vào từng lớp cùng toán tử suy luận (Self-Attn). Residual chỉ một chiều (lớp nông → lớp sâu), nên lớp sâu không thể lấy ngược kiến thức lớp nông; mô hình buộc phải 'nói dài' qua token để moi kiến thức ra.

II. Main Idea:

Mobius tách biệt hoàn toàn kho lưu kiến thức khỏi toán tử suy luận: xây một Memory (FFN) dùng chung toàn cục làm cơ sở dữ liệu vector, và nhiều Reasoner (Self-Attn) lặp đi lặp lại để gộp ghép suy luận. Cơ chế:

hidden state đóng vai trò bộ nhớ đệm và vật mang; reasoner truy vấn Memory lấy vector kiến thức cần thiết, kiến thức được trả về toán tử suy luận.
Tài năng 1 — Backward Residual Connection: nhờ kho chung, mọi lớp đều đọc được toàn bộ kiến thức → lớp sâu và lớp nông truy cập lẫn nhau (ngược dòng), tăng tổng hợp chéo.
Tài năng 2 — Dynamic Latent Reasoning: thay vì sinh token rời rạc, mô hình lặp tinh chỉnh vector liên tục (latent) trên vài lớp ít ỏi so với kho kiến thức, rồi giải mã nhiều token song song — ít token thừa, phân bổ tính toán động theo từng token.
Quy mô lớn: chia khối FFN kiểu MoE để kích hoạt thưa, giảm áp lực bộ nhớ.

Ví dụ đời thường: giống một sinh viên không ghi chép lộn xộn từng trang vở riêng, mà có một thư viện chung; mỗi khi làm bài chỉ lặp đi lặp lại mở thư viện lấy đúng mẩu kiến thức cần, suy nghĩ trong đầu rồi viết thẳng đáp án — thay vì phải viết thành cả quyển nháp dài dòng mới ra được kết quả.

III. Main Results:

Huấn luyện từ đầu (7B-A1B MoE): Mobius đạt điểm MMLU ngang Transformer nhưng chỉ dùng 62.6% dữ liệu (hiệu suất dữ liệu gấp 1.6×).
Intern-S2-Mobius-35B (CPT từ Qwen3.5-35B): điểm tổng cao hơn (General AVG 67.88 vs 65.05; Scientific AVG 52.14 vs 18.20), đồng thời ~4× tăng tốc suy luận end-to-end.
Thông lượng (Figure 3): cao hơn hẳn Transformer ở mọi batch size (2.9×–4.6× tùy benchmark).
Độ dài đầu ra (Figure 4): ngắn hơn 1.2×–5.0×; nguyên nhân là CoT ngắn lại.
Case study (Table 2): cùng bài đại số tuyến tính, Mobius chỉ tốn 516 token so với 2,364 token của Qwen3.5 — nhờ bỏ bước đạo hàm và kiểm tra lặp lại.

IV. Conclusion & Future Works:

Mobius chứng minh tách kiến thức – suy luận vừa nén tốt hơn vừa suy luận hiệu quả hơn, không phải 'hack' bằng cách cắt bớt suy nghĩ. Tiềm năng mở rộng:

Tự tiến hóa (self-evolving): kho kiến thức mở rộng không phá năng lực suy luận → giảm quên thảm khốc.
World model: latent reasoning là prior tốt hơn cho không gian liên tục, tránh mô hình petabyte.
Khám phá khoa học: dồn kiến thức vào không gian liên tục giúp tổ hợp, khái quát chéo dễ hơn.

Hướng tới: cần thiết kế chung với agent và phản hồi môi trường; cải thiện cơ chế attention; kiểm chứng thực tế.

V. Brainstorming Space:

1. Publish Papers:

Xác thực cơ chế nén kiến thức của Mobius: đo lường độ dư thừa tham số theo lớp giữa Transformer và Mobius qua phân tích activation sparsity và knowledge attribution.
Mở rộng Mobius cho world model đa phương thức liên tục: thay thế embedding token bằng latent không gian ảnh/động để kiểm chứng prior latent reasoning trên bài toán dự đoán trạng thái vật lý.
Thiết kế quy trình self-evolving thực tế: cắm thêm khối kiến thức mới vào Memory chung mà không retrain reasoner, đo giữ gìn năng lực cũ trên benchmark đa miền.
So sánh chi phí phần cứng: mô hình hóa áp lực truy cập bộ nhớ của kho vector toàn cục thưa hoạt động thế nào trên GPU/TPU để tối ưu kernel suy luận.

2. Patent:

Trợ lý trên điện thoại: thay vì mô hình Transformer sinh cả đoạn suy luận dài tốn pin, dùng kiến trúc Mobius để 'nghĩ' trong vector ẩn rồi trả lời ngắn gọn — chạy nhanh gấp 4 lần, tiết kiệm pin khi trả lời câu hỏi khoa học/toán.
Cập nhật kiến thức offline cho app: nhà phát triển thêm gói kiến thức mới (ví dụ luật thuế 2027) vào kho Memory chung của mô hình trên máy, không cần tải lại toàn bộ model — cập nhật nhẹ, không quên kỹ năng cũ.
Tổng đài chăm sóc khách hàng tại biên (edge): cài Mobius trên thiết bị cửa hàng, truy vấn song song nhiều ý khách hàng từ một lần lặp latent, giảm độ trễ và chi phí máy chủ so với mô hình autoregressive dài dòng.
Camera thông minh nhận diện liên tục: dùng Memory chung lưu đặc trưng vật thể, reasoner lặp tinh chỉnh latent không gian liên tục để dự đoán chuyển động mà không cần tham số petabyte như Transformer world model.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.14290
ArXiv Abstract	https://arxiv.org/abs/2608.14290
PDF Download	https://arxiv.org/pdf/2608.14290.pdf
Github Repository	N/A

5. Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence (29 votes)

Tác giả: Brian Wang, Bin Feng, Xiaoman Pan, Chenyang An, Felix Liu, et al.

Xuất bản lúc: 2026-08-11

Tag: Discoverative AI, Heavy-Duty Solver, Process Verification, Benchmark, LLMs, Autonomous Discovery, AAV Capsid Design, Drug Repurposing

I. Main Problem:

AI frontier models giờ giải được bài khó miễn là đề bài, công cụ và tiêu chí thành công đã được định sẵn, nhưng những thách thức thực tế quan trọng nhất (thuốc chữa bệnh hiếm, năng lượng hạt nhân hợp nhất, vật liệu mới) không bao giờ xuất hiện ở dạng có thể chạy hoặc kiểm chứng được. Hệ thống đánh giá hiện tại cũng lỗi thời:

Benchmark tĩnh (MMLU, GPQA, MATH...): chỉ map prompt cố định → đáp án, không có môi trường, không hành động, không sửa lỗi giữa chừng.
Benchmark tương tác (SWE-bench, WebArena...): có môi trường nhưng thu hẹp vào task định sẵn và chỉ chấm điểm tín hiệu thành công cuối, không đo xem solver có phân tích đúng, có căn cứ bằng chứng, có xét phương án thay thế hay tự sửa sau phản hồi không.

Thiếu hạ tầng biến tham vọng mở thành chuỗi điều tra có thể chạy, kiểm chứng và cải thiện được.

II. Main Idea:

Apodex Discovery định khung hạ tầng để xây dựng và đánh giá discoverative AI (AI hướng tới khám phá thực sự) qua đơn vị vận hành gọi là heavy-duty solver — hệ thống hoàn chỉnh gồm foundation model + harness + công cụ + chính sách điều khiển, theo đuổi cuộc điều tra dài hạn, có trạng thái và có thể kiểm chứng.

Bốn mảnh hạ tầng cốt lõi:

Problem Manifest: chuyển tham vọng thành hợp đồng khai báo tĩnh (câu hỏi, tiêu chí, phân rã task, ground truth ẩn, công cụ, ngân sách).
Reality-Based Environment: môi trường tương tác trả về quan sát mới (output tool, lỗi, tài liệu, đo thực nghiệm) khi solver hành động; cách ly ground truth khỏi solver.
Verification: Outcome (chấm kết quả cuối và kết quả trung gian then chốt) + Process qua HDS6 — chấm toàn bộ hành trình theo 6 năng lực Tools, Repair, Alternatives, Coherence, Evidence, Scope (viết tắt thành TRACES), mù với kết quả và identity của solver.
Repair Loops: trả phản hồi chẩn đoán có cấu trúc về cho solver sửa lỗi mà không lộ đáp án, khép vòng measure–diagnose–improve.

Benchmark phát hành: TRACES (20 bài thực tế từ 423 ứng viên, qua khảo sát 561 ngành). Giao diện episode cố định giúp quy kết sự khác biệt hiệu năng vào đúng thành phần (model, harness, agent loop, tool...).

Ví dụ đời thường: giống một đội thám hiểm được giao 'tìm ra mỏ vàng' thay vì 'đào đúng tọa độ X' — họ tự lập bản kế hoạch, mang dụng cụ thử đất, ghi chép từng bước, soi lại giả thuyết khi thử sai, và có trọng tài kiểm tra cả 'cách họ đào' lẫn 'có vàng thật không' chứ không chỉ nhìn cục đá cuối cùng.

III. Main Results:

AAV capsid design: Apodex vượt SOTA đã công bố +7% trên cả 4 task (viability, tropism, structure prediction, generative design).
Drug repurposing & reformulation: thêm môi trường biomedical nâng điểm dự đoán chuẩn hóa trung bình của GPT-5.5 và GPT-5.6-sol lần lượt +2.5 và +7.6 điểm so với cùng backbone closed-book.
Ablation có kiểm soát: giao diện episode TRACES cố định giúp quy kết thành công/thất bại vào từng thành phần hệ thống (foundation model, harness, hướng dẫn kỹ năng, repair hướng verifier cuối) thay vì đổ hết cho 'model kém'.
Quy trình khảo sát: 10 nhà nghiên cứu STEM PhD, 2 tháng, 561 ngành / 16 lĩnh vực → 423 bài → chọn 20 bài phát hành đầu tiên.
HDS6 cung cấp bằng chứng chi tiết ngay cả khi ground truth hoãn, thiếu hoặc chưa có.

IV. Conclusion & Future Works:

Apodex Discovery định nghĩa kỷ nguyên mới cho discoverative AI: chuyển từ giải benchmark định sẵn sang tiến hành những cuộc điều tra có hệ quả thực tế mà nhờ đó khám phá được thực hiện — qua bài toán thực, môi trường thực thi được và đánh giá theo quy trình.

Hướng tương lai: mở rộng registry từ 20 lên nhiều bài hơn; hoàn thiện vòng repair tự động đóng giữa các attempt; mở rộng sang thêm domain công nghiệp; tinh chỉnh HDS6 và các anti-gaming gate cho bài toán có độ trễ kiểm chứng rất dài (tháng/năm).

V. Brainstorming Space:

1. Publish Papers:

Mở rộng TRACES sang domain vật liệu và năng lượng hợp nhất, nơi ground truth hoãn hàng năm, để kiểm chứng HDS6 là chỉ báo duy nhất khả dĩ của tiến bộ.
Nghiên cứu vòng repair đa-attempt tự động: dùng repair note từ process verification để tối ưu hóa chính sách điều khiển của heavy-duty solver mà không lộ ground truth.
So sánh apples-to-apples giữa các harness tại model cố định và các model tại harness cố định, tận dụng giao diện episode TRACES chung để quy kết hiệu năng.
Thiết kế anti-gaming gate mạnh hơn cho bài toán mà deliverable là mô hình đã train hoặc pipeline dữ liệu thay vì đáp án trực tiếp.

2. Patent:

Nền tảng đánh giá AI y sinh cho công ty dược: đóng gói bài toán repurposing thuốc thành environment có công cụ chuyên biệt, chấm cả kết quả cuối và quy trình HDS6, giúp chọn mô hình AI đáng tin trước khi thử nghiệm lâm sàng tốn kém.
Hệ thống tư vấn thiết kế protein/capsid AAV trên điện toán đám mây: người dùng nhập mục tiêu (mô khỏe, tropism), hệ thống chạy heavy-duty solver qua môi trường có ngân sách feedback thực nghiệm, trả về trình tự ứng viên kèm báo cáo căn cứ evidence.
Công cụ audit AI cho doanh nghiệp: ghi lại toàn bộ trajectory của agent giải bài toán kỹ thuật, chấm 6 năng lực TRACES để phát hiện agent 'đoán bừa có vẻ hợp lý' nhưng thiếu chứng cứ — tích hợp vào quy trình QA trước khi deploy.
Module repair-loop cho agent tự động: sau mỗi lần chạy thất bại, hệ thống tự sinh 'repair note' chỉ ra bước sai và hành vi cần thiết ở band cao hơn, trả về cho agent thử lại mà không tiết lộ đáp án — áp dụng cho chatbot kỹ thuật hoặc robot vận hành.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.11341
ArXiv Abstract	https://arxiv.org/abs/2608.11341
PDF Download	https://arxiv.org/pdf/2608.11341.pdf
Github Repository	N/A

6. SimpleOPD: Simple Tokenizer-Agnostic On-Policy Distillation for Long-Context Reasoning (27 votes)

Tác giả: Haonan He, Haodi Lei, Yun Luo, Haoran Zhang, Shunkai Zhang, et al.

Xuất bản lúc: 2026-08-14

Tag: On-Policy Distillation, Knowledge Distillation, LLMs, Long-Context Reasoning, Mathematical Proof, Cross-Tokenizer Alignment, PPO

I. Main Problem:

On-policy distillation (OPD) là cách hứa hẹn để chuyển năng lực suy luận từ mô hình teacher mạnh sang student yếu, nhưng áp dụng cho cặp teacher suy luận ngữ cảnh dài → student ngữ cảnh ngắn (đặc biệt khác họ mô hình) nảy sinh 4 vấn đề thực tế:

Tokenizer mismatch: teacher và student dùng bộ tách token khác nhau, không căn thẳng được phân bố mức token.
Teacher-student distribution mismatch: chênh lệch năng lực và độ dài ngữ cảnh khiến phân bố lệch nhau.
Response length explosion: OPD trực tiếp làm câu trả lời phình to rất nhanh.
Training instability: tỉ lệ truncated (bị cắt ngắn) và lặp lại tăng vọt, huấn luyện mất ổn định — đặc biệt ở token kết thúc như `` và <|im end|> (teacher liên tục khuyên student đừng dừng suy nghĩ).

II. Main Idea:

SimpleOPD giải quyết bằng hai ý tưởng cốt lõi, không cần chia sẻ từ vựng hay fine-tune trên traj teacher.

1. Căn chỉnh xuyên tokenizer trong không gian văn bản chung:

Student sinh câu trả lời bằng tokenizer của nó, teacher đánh giá chính câu văn bản đó dưới tokenizer riêng.
Chỉ căn đôi các token chiếm cùng một đoạn văn bản (text span) trùng khớp; token không khớp thì fallback về log-prob của student.
Dùng quét hai con trỏ (two-pointer) để lập ánh xạ 1-1 một phần giữa hai bên.

2. Ổn định hóa huấn luyện:

Student-reference KL loss: giữ policy student không trôi quá xa phân bố ban đầu (hệ số 0.5–1.0).
Mask advantage của token kết thúc (``, <|im end|>): teacher không được trực tiếp triệt tiêu hành vi dừng.

Hai biện pháp này kìm sự phình độ dài, ép tăng trưởng độ dài ổn định trong ngân sách ngữ cảnh của student, giảm tỉ lệ truncated gần về 0.

Ví dụ đời thường: giống một sinh viên mới được giao bài khó của sếp giỏi — thay vì copy y nguyên cách làm dài dòng của sếp (dễ lan man vô tận), cậu ta chỉ học những đoạn hai người diễn đạt giống hệt nhau, đồng thời bị 'nhắc nhở' giữ phong cách viết riêng và biết lúc nào nên dừng, nên bài làm vừa đúng ý vừa gọn gàng.

III. Main Results:

Intern-S2-Preview tăng mạnh nhất: ProofBench từ 34.0 → 55.2 (+21.2 điểm, vượt Gemini-2.5-Pro, áp sát SU-01/DeepSeek-V3.2-Speciale).
Cùng họ (Qwen3): Qwen3-4B-OPD +12.30 ProofBench, +19.58 AIME25; Qwen3-30B-A3B-OPD +22.67 ProofBench.
Khác họ (Qwen3.5): Qwen3.5-35B-A3B-OPD +15.61 ProofBench; Intern-S2-OPD +22.80 ProofBench (gần đạt 45.00 của teacher).
Cross-family: GLM-4.7-OPD +8.9 ProofBench; Gemma-4-26B-A4B-OPD +8.7 ProofBench (Gemma lệch tokenizer nhiều hơn nên chỉ tăng trên ProofBench).
Ổn định: thêm Ref KL kéo tỉ lệ truncated xuống gần 0, AIME25@8 đạt 95.80; special-token masking một mình không giải được việc phình độ dài.
Khái quát OOD: dù chỉ huấn luyện trên toán, student còn tăng trên khoa học (HLE, HiPhO).
So với baseline OPD: SimpleOPD thắng EOPD và G-OPD trên 3/4 benchmark, lợi thế lớn nhất ở ProofBench.

IV. Conclusion & Future Works:

SimpleOPD chứng minh OPD xuyên tokenizer có thể chuyển năng lực suy luận chứng minh toán học từ teacher ngữ cảnh dài sang student ngữ cảnh ngắn mà không cần căn chỉnh token đầy đủ và không SFT trên traj teacher. Khóa chính là không gian văn bản chung + KL tham chiếu + mask token kết thúc. Hướng tương lai: khoảng cách teacher-student càng lớn càng cần KL mạnh hơn; tăng độ dài distillation vừa phải cải thiện thêm suy luận dài; mở rộng sang họ tokenizer lệch hơn (SentencePiece) và domain ngoài toán.

V. Brainstorming Space:

1. Publish Papers:

Mở rộng SimpleOPD sang distillation đa teacher khác họ tokenizer, kết hợp Supervised kết quả từ nhiều mô hình reasoning dài để student nhỏ học được cách chứng minh tự nhiên song ngữ (Anh/Trung).
Nghiên cứu chọn lọc độ dài rollout trong OPD: tự động tăng dần maximum length theo từng stage để tối ưu chi phí tính toán mà vẫn giữ ổn định.
Áp dụng khuôn khổ căn chỉnh text-span sang task sinh code dài và agentic reasoning, nơi student ngắn ngữ cảnh phải bắt chước teacher lên kế hoạch nhiều bước.

2. Patent:

Trên điện thoại: tính năng 'Trợ lý giải toán olympiad' — máy chạy mô hình nhỏ cục bộ, gửi câu trả lời lên máy chủ mô hình lớn để chấm điểm từng bước, rồi chỉ học lại những phần diễn đạt trùng khớp, giúp điện thoại giải bài chứng minh dài mà không bị lan man hay treo do giới hạn bộ nhớ.
Bàn phím thông minh trên điện thoại: dùng student-reference KL để giữ phong cách gõ của người dùng không bị 'trôi' sang văn phong của mô hình lớn khi gợi ý viết tiếp, đồng thời mask các token ngắt câu để không bao giờ tự động kết thúc đoạn đang gõ dở.
Ứng dụng học tập cá nhân hóa: app luyện thi cho phép chọn mô hình thầy (toán/luật/khoa học) khác bộ từ vựng, app tự căn chỉnh bài giải qua đoạn văn bản chung nên không cần huấn luyện lại từ đầu khi đổi thầy, tiết kiệm dung lượng và pin.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.14277
ArXiv Abstract	https://arxiv.org/abs/2608.14277
PDF Download	https://arxiv.org/pdf/2608.14277.pdf
Github Repository	https://github.com/hhnqqq/SimpleOPD

7. Marionette: Predicting World States, Rendering Geometry, Painting Appearance (23 votes)

Tác giả: Zian Meng, Zhen Li, Chuanhao Li, Qiang Li, Kaipeng Zhang

Xuất bản lúc: 2026-08-14

Tag: World Model, Game World Models, Video Diffusion, Articulated Characters, Deterministic Renderer, Controllability, Long-horizon Generation

I. Main Problem:

Các mô hình world model game tương tác hiện nay autoregress trực tiếp hình ảnh (pixel hoặc latent space) theo chuỗi hành động người dùng. Hậu quả:

mọi thuộc tính có cấu trúc (pose, geometry, occlusion, identity, tác động của control) bị duy trì ngầm trong cùng một chuỗi sinh.
qua rollout dài, lỗi của các thuộc tính world này tích lũy (compounding error) vì mô hình liên tục ăn chính output của nó.
consistency và controllability suy yếu khi horizon tăng, và không có gì đảm bảo được (chỉ là emergent).

Hạt nhân: một video là quan sát cao chiều của một world state thấp chiều; học p(video) trực tiếp làm rối tung vật lý, identity và control trong pixel space.

II. Main Idea:

Marionette tách rõ hai nửa: p(video) = ∫ p(obs|s)·p(s_{t+1:}|s_{≤t}, control) ds. Ý tưởng cốt lõi là giao phần phải chính xác cho một bộ renderer cố định (0 tham số), và chỉ để mô hình neural sinh appearance. Ba thành phần:

Two-stage dynamics model (autoregressive): ActionGPT (~2.5M) chọn một token hành động rời rạc mỗi frame mỗi entity; PoseGPT (~25M) biến hành động thành pose khớp xương liên tục. State dự đoán là vector 276 chiều interpretable (root trajectory, joint positions, 6D rotation, weapon) cho monster + hunter.
Zero-parameter graphics bridge R(s): chuyển state thành video pose-control bằng phép toán hình học đóng (Gram–Schmidt, tích lũy root, rotate, rasterize). Geometry và occlusion đúng by construction.
Control-conditioned video-diffusion observation model (Wan2.2-Fun-5B): sinh RGB photorealistic từ video pose-control + frame đầu. Chunk-relay để rollout dài.

Control = ghi đè một token (hoặc root translation/rotation), y hệt nút bấm của người chơi — không cần retrain, không cần mạng conditioning phụ.

Ví dụ đời thường: giống một đạo diễn múa rối — ông ta không vẽ con rối từng khung hình mà chỉ ghi chú rõ 'tay trái giơ cao, chân phải bước' (state tường minh), rồi giao cho một cái máy chiếu bóng cơ khí (bridge 0 tham số) vẽ đúng hình khối đó, và chỉ thuê họa sĩ tô màu thôi; muốn đổi động tác chỉ sửa dòng chú thích, con rối lập tức làm theo.

III. Main Results:

Controllability (Q1): ép một action stream sai lệch làm RA-MPJPE tăng 31% (0.272 → 0.357 m) trên 48 segment held-out; forced token có quyền nhân quả lên pose (Force-GT < Force-Shuf ở 33/48 segment).
Long-horizon (Q2): thả tự do, hai nhân vật drift xa tới 21.2 m (recorded ~5 m) và 1/3 frame bị xuyên đất. Hai rule trên state sửa lỗi: terrain collider cắt penetration 66% (CFR 0.337 → 0.114), separation cap giữ khoảng cách 5.1 m — không động gì tới observation model.
Fidelity: routing appearance qua predicted state không mất chất lượng phát hiện được: FVD 831 (predicted) vs 799 (recorded pose); baseline pixel-AR đạt 975.
Mỗi rule chỉ ảnh hưởng đúng một bậc tự do (Hình 3), effect đo bằng mét trên state tường minh.

IV. Conclusion & Future Works:

Marionette chứng minh: world model game nên khớp world state thay vì phân bố pixel, giao phần exact cho renderer cố định, để neural chỉ lo appearance. Bet cốt lõi: lỗi tích lũy dài hạn trị better bằng cách constrain cái gì lặp lại (state có thể enforce rule) hơn là train generator tự giữ nguyên. Negative result: cùng constraint viết thành differentiable penalty thì optimizer vứt bỏ, nhưng enforce thành input feature + post-hoc projection thì giữ.

Hướng tương lai (từ Limitations):

appearance drift dài hạn → cấp reference ảnh mỗi entity persistent mỗi chunk (giữ bridge nguyên).
thực thể không có recorded joints (AI companion) → thu thêm skeleton từ engine.
train pose-control từ generated state (hiện chỉ có GT state) bằng perturbation + feasibility rules (rig limits, contact, joint ranges).

V. Brainstorming Space:

1. Publish Papers:

Mở rộng state tường minh sang nhiều entity chiến đấu (party vs swarm) với rule layer enforce collision và aggro, giữ observation model nguyên.
Áp dụng bridge 0-tham-số + state enforce cho robot simulation: dynamics dự đoán trong metric state, renderer tính exact geometry, video-diffusion tô appearance — đo controllability bằng mét.
Nghiên cứu trade-off giữa differentiable penalty (bị optimizer vứt) và post-hoc projection (giữ) trên các constraint vật lý khác (contact, torque limits) trong world model.

2. Patent:

Game engine trên điện thoại: thay vì render từng frame nặng, lưu world state 276-D nhẹ, dùng bridge 0-tham-số vẽ pose-control, chỉ chạy video-diffusion tô màu khi cần hiển thị — tiết kiệm pin khi chỉ cần logic/điều khiển.
Công cụ chỉnh sửa video game: user ghi đè một token hành động hoặc kéo root translation để đổi chuyển động nhân vật đã quay, bridge tính lại geometry exact, diffusion chỉ tô lại appearance theo pose mới — edit không cần render lại toàn bộ.
Hệ thống replay/thẩm định thể thao: dự đoán trajectory metric của cầu thủ (root + joint) thành state tường minh, enforce rule (không xuyên sân, giữ khoảng cách) để sửa drift, rồi sinh lại video photorealistic từ pose-control — kiểm tra tính hợp lệ của pha bóng.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.14530
ArXiv Abstract	https://arxiv.org/abs/2608.14530
PDF Download	https://arxiv.org/pdf/2608.14530.pdf
Github Repository	N/A

8. DFM Mimir v1: An Open HRM Delivering Frontier Performance at 1B Parameters Using Only Permissible Post-Training Data (21 votes)

Tác giả: Peter Schneider-Kamp, Jacob Nielsen, Gianluca Barmina, Kenneth Enevoldsen, Lukas Galke Poech

Xuất bản lúc: 2026-08-13

Tag: Hierarchical Reasoning Model, HRM, LLMs, Post-training, Synthetic data, Low-resource languages, Danish, Instruction tuning, Math reasoning, Data licensing

I. Main Problem:

Phát triển LLM hiện tại phụ thuộc vào chuỗi pipeline khổng lồ và tập dữ liệu cực lớn, trong đó nhiều nguồn không được phép dùng (bản quyền, dữ liệu cá nhân). Hậu quả:

tạo rào cản cao cho cộng đồng nghiên cứu mã nguồn mở và các sáng kiến quốc gia cam kết dữ liệu đạo đức.
dự án như Danish Foundation Models chỉ dùng dữ liệu hợp lệ/cấp phép mở → thiếu dữ liệu chất lượng cao (đặc biệt tiếng Đan Mạch) nên không thể huấn luyện LLM from scratch.
khó có mô hình nền tảng fully permissible để làm cơ sở cho các bước post-training.

II. Main Idea:

Dùng kiến trúc Hierarchical Reasoning Model (HRM) và khung HRM-Text, tập trung vào dữ liệu post-training ngay từ đầu thay vì pre-training khổng lồ. Quy trình:

huấn luyện Mimir v1 (1B tham số) from scratch trên hỗn hợp 161 datasets (~70.5B tokens/epoch), toàn bộ dữ liệu cho phép (openly licensed, thỏa thuận, hoặc ngoại lệ khai thác văn bản EU cho viện nghiên cứu).
synthetic "transplant datasets": thay dữ liệu vi phạm bằng dữ liệu sinh tổng hợp + kiểm duyệt (dùng Gemma4 31B sinh, audit chấp nhận 1 chữ số % đến 90+%).
dịch chuyển từ multiple-choice sang free-form generation: huấn luyện sinh câu trả lời tự do chấm exact match (khó hơn, sát thực tế hơn).
huấn luyện kỹ thuật: Gemma-4 tokenizer, FSDP, 8× NVIDIA B200, 1.65M steps, ~3 tuần, bfloat16.

Ví dụ đời thường: giống một nhóm muốn mở lớp học nhưng chỉ được dùng sách miễn phí bản quyền; thay vì lén dùng giáo trình cấm, họ tự thuê người soạn lại bài giảng từ nguồn hợp lệ để lấp chỗ trống, học sinh vẫn học tốt mà không vi phạm bản quyền.

III. Main Results:

Vượt HRM-Text 1B trên hầu hết benchmark; cải thiện +36.7% trên Math & Code (64.1 vs 46.9).
Tiếng Anh: đứng đầu lớp 1B trên BoolQ (87.8), Winogrande (73.5), DROP (83.1); trung bình chỉ kém Qwen 3.5 4B 0.3 điểm.
Math & Code: dẫn đầu lớp 1B trên GSM8K (89.9) và HumanEval (56.7); HumanEval vượt Qwen3.5 2B.
Tiếng Đan Mạch: thiết lập state-of-the-art mới, vượt mọi đối thủ trên ngữ pháp (DaLA 96.1, GEC 85.6) và QA (WikiQA 66.8); trung bình 56.8, bỏ xa HRM-Text (21.7).
cạnh tranh ngang ngửa mô hình 2–5B (Qwen 3.5 4B, Gemma 4 E2B) dù chỉ 1B tham số.

IV. Conclusion & Future Works:

Chứng minh mô hình 1B + dữ liệu hoàn toàn hợp lệ vẫn đạt hiệu năng前沿, trao quyền cho cộng đồng nhỏ nguồn lực sở hữu mô hình vừa rẻ vừa tuân thủ đạo đức. Hạn chế: vẫn thua Gemma 4 (5B hiệu dụng 2.3B) trên Math & Code; năng lực assistant còn hạn chế. Hướng tương lai: nghiên cứu scaling của HRM, áp dụng reinforcement learning (chưa khám phá trên kiến trúc này), và hoàn thiện tập dữ liệu đạt độ mở cấp phép 100%.

V. Brainstorming Space:

1. Publish Papers:

Mở rộng HRM 1B sang ngôn ngữ tài nguyên thấp khác (Thụy Điển, Na Uy, Phần Lan) dùng synthetic transplant datasets thay thế nguồn vi phạm bản quyền.
Khám phá reinforcement learning trên kiến trúc HRM để nâng năng lực assistant và reasoning mà không cần tăng tham số.
Nghiên cứu scaling law của HRM ở quy mô 1B–5B khi bị giới hạn hoàn toàn bởi dữ liệu permissible, đo lường điểm nghẽn dữ liệu vs kiến trúc.

2. Patent:

Bàn phím điện thoại thông minh tích hợp sửa ngữ pháp tiếng Đan Mạch real-time: chạy mô hình 1B cục bộ trên máy, tự động sửa lỗi chính tả/ngữ pháp (nhờ điểm GEC 85.6) mà không gửi phím gõ lên mây — bảo vệ quyền riêng tư người dùng.
Ứng dụng trợ lý hỏi đáp luật/di sản văn hóa Đan Mạch offline cho thư viện và trường học: máy tính bảng chạy mô hình không cần internet, trả lời câu hỏi lịch sử/địa phương từ kho dữ liệu cấp phép, an toàn cho trẻ em và không vi phạm bản quyền.
Tính năng dịch và tóm tắt văn bản Đan-Mạch/Anh trên điện thoại chạy tại thiết bị (on-device): người dùng拍照 tài liệu, máy tóm tắt ngay nhờ khả năng summarization, dữ liệu không rời máy nên tuân thủ quy định bảo mật EU.
Trợ lý toán học cho học sinh trên smartphone: giải bài tập GSM8K-style (đạt 89.9%) chạy offline, giải thích từng bước mà không cần kết nối server trả phí.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.13517
ArXiv Abstract	https://arxiv.org/abs/2608.13517
PDF Download	https://arxiv.org/pdf/2608.13517.pdf
Github Repository	https://github.com/schneiderkamplab/HRM-Text

9. MobileMem: Learning from a Year of Mobile Experiences (20 votes)

Tác giả: Xinle Deng, Yida Xue, Xiangyuan Ru, Haoming Xu, Shuofei Qiao, et al.

Xuất bản lúc: 2026-08-11

Tag: LLMs, Long-term Memory, On-Device Memory, Mobile Agents, Personalization, Knowledge Graph, Multimodal, RAG

I. Main Problem:

Các trợ lý AI đang chuyển từ trả lời câu hỏi rời rạc sang trí tuệ cá nhân bền vững đi cùng người dùng suốt năm tháng, nhưng bộ benchmark bộ nhớ dài hạn hiện tại không phù hợp với thiết lập di động thực tế. Cụ thể:

Dữ liệu di động dị biệt, đa phương thức, liên tục theo thời gian và cực kỳ cá nhân — vượt ngoài khả năng mô tả của các benchmark cũ.
Môi trường on-device khác biệt căn bản so với cloud, sinh ra 5 thách thức:
- Bùng nổ bộ nhớ: hàng ngàn sự kiện, hàng trăm ảnh, video dài, giọng nói mỗi ngày ép quá tài nguyên giới hạn.
- Phân mảnh: ký ức vỡ vụn qua nhiều ứng dụng và modality, thiếu cấu trúc ngữ nghĩa thống nhất.
- Tiến hóa: sở thích/thói quen người dùng thay đổi liên tục, dễ quên phá hủy (catastrophic forgetting).
- Ràng buộc khắc nghiệt: lưu trữ, pin, độ trễ, tính toán — không thể port thẳng giải pháp cloud.
- Riêng tư: dữ liệu nhạy cảm không thể đẩy lên cloud, buộc xử lý local-first.

II. Main Idea:

MobileMem là benchmark + framework đánh giá bộ nhớ on-device dài hạn, xây dựng trên tập trải nghiệm di động quy mô năm. Phương pháp cốt lõi:

KEME (Knowledge-guided Experience synthesis for evolving MEmory): dùng knowledge-grounded synthesis pipeline sinh các quỹ đạo tương tác dài hạn, gắn kết và nhất quán theo thời gian từ các phiên user-app.
KEME luân phiên lập kế hoạch thời gian từ trên xuống và tiến hóa trải nghiệm từ dưới lên, neo dữ liệu vào knowledge anchors (persona, ràng buộc thời gian, tương tác có sẵn) để quỹ đạo không bị rời rạc.
Hai kịch bản bổ sung:
- MobileMem (văn bản): app tích hợp assistent qua template định sẵn, đánh giá multi-hop reasoning, temporal reasoning, knowledge updating, implicit preference inference, abstention.
- MobileMem-Omni (đa phương thức): app độc lập, user chia sẻ ảnh màn hình, thêm thử thách visual reasoning và cross-modal retrieval.
Kiến trúc bộ nhớ hai lớp: System-Level Memory kiểu blackboard (bảng chia sẻ trạng thái người dùng toàn cục) + Application-Specific Memory như cognitive offloading (mỗi app tự lọc, gói sự kiện ý nghĩa gửi lên lớp hệ thống).

Ví dụ đời thường: giống một trợ lý gia đình mới vào nhà, thay vì ghi chép mọi cử động nhỏ (cuộn màn hình, đổi trang), nó chỉ lưu những việc đáng nhớ (bà chủ note 'kỷ niệm ngày cưới', app tài chính báo 'chi tiêu tháng'), rồi dần tự rút ra 'bà hay ăn nướng khuya' để hôm sau chủ động gợi ý — nhờ đó nhớ được quá khứ, hiểu hiện tại và thích nghi tương lai mà không nghẽn bộ nhớ.

III. Main Results:

Bài báo không nêu số liệu cụ thể trong phần trích xuất, nhưng mô tả rõ cấu trúc đánh giá:

MobileMem đánh giá khả năng truy hồi thông tin xuyên phiên và suy luận logic từ log hội thoại + tương tác app, qua 5 hạng mục suy luận (multi-hop, temporal, knowledge updating, implicit preference, abstention).
MobileMem-Omni mở rộng sang đa phương thức với người dùng thật tham gia, ảnh riêng tư sinh合成 và tương tác song ngữ role-based, thêm visual reasoning + cross-modal retrieval.
Đo lường bằng giao thức LLM-as-a-Judge trên trạng thái bộ nhớ cuối cùng tích hợp toàn bộ quỹ đạo.
Thí nghiệm chính (4.2.2, 5.2.2) so sánh các hệ thống bộ nhớ khác nhau trên các hạng mục này; phần phân tích (4.2.3, 5.2.3) khảo sát nguyên nhân sụt giảm khi dữ liệu tiến hóa.

IV. Conclusion & Future Works:

MobileMem dịch chuyển bộ nhớ từ truy hồi thông tin sang trí tuệ trải nghiệm cho học cá nhân liên tục, mô hình hóa trải nghiệm thay vì sự kiện rời rạc. Xu hướng cốt lõi: mỗi người sẽ có AI riêng, mỗi AI cần bộ nhớ on-device riêng — on-device memory sẽ thành 'yếu tố sản xuất' mới của kinh tế số, thay vì tính năng thay thế được. Hướng tương lai: hiện thực hóa hệ sinh thái bộ nhớ composite hai lớp qua giao thức chuẩn hóa, nâng cấp trợ lý cá nhân tiến hóa trên thiết bị di động, và giải quyết bài toán mở rộng + bảo vệ riêng tư thực tế.

V. Brainstorming Space:

1. Publish Papers:

Mở rộng KEME thành pipeline sinh dữ liệu dài hạn tự động cho đa thiết bị (kính AR, tai nghe, xe hơi) với ràng buộc tài nguyên khác nhau, giữ tính nhất quán thời gian xuyên modality.
Nghiên cứu cơ chế cập nhật bộ nhớ chống quên phá hủy trên on-device: nhận diện thông tin lỗi thời và hợp nhất trải nghiệm mới mà không ghi đè kiến thức cũ.
Đóng góp giao thức chuẩn hóa trao đổi thông tin hai chiều giữa lớp bộ nhớ hệ thống và app-specific memory, có kiểm soát quyền riêng tư do user/developer định nghĩa.
Đánh giá thực tế on-device: đo độ trễ, tiêu thụ pin, dung lượng khi chạy memory layer trên smartphone thật so với offload lên cloud.

2. Patent:

Hệ thống bộ nhớ cá nhân trên điện thoại: lớp trợ lý hệ thống (như Breeno/Siri) làm 'bảng đen' tập hợp thói quen người dùng từ nhiều app (ghi chú, lịch, tài chính) qua giao thức chuẩn, tự gợi ý chủ động — ví dụ sáng chủ động nhắc 'hôm nay là kỷ niệm, đặt bàn nướng khuya không?'.
Tính năng cognitive offloading cho app: mỗi app chỉ gửi lên lớp bộ nhớ các sự kiện ý nghĩa (tạo note, đặt hàng), lọc bỏ thao tác rác (cuộn trang), giúp tiết kiệm pin/bộ nhớ mà vẫn giữ được mô hình người dùng dài hạn.
Chế độ chia sẻ ảnh màn hình để ghi nhớ: user chụp màn hình tương tác quan trọng (tin nhắn, đơn hàng) gửi trợ lý, hệ thống trích xuất và lưu vào bộ nhớ cá nhân để sau này hỏi 'tôi đặt gì hôm qua' mà không cần app tích hợp sẵn.
Bộ lọc quyền riêng tư on-device: user chọn app nào được đóng góp vào bộ nhớ hệ thống, app tự quyết trường thông tin nào an toàn để lộ, ngăn rò rỉ dữ liệu nhạy cảm mà không cần đẩy lên cloud.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.13606
ArXiv Abstract	https://arxiv.org/abs/2608.13606
PDF Download	https://arxiv.org/pdf/2608.13606.pdf
Github Repository	https://github.com/zjunlp/MobileMem

10. Latent On-Policy Self-Distillation (16 votes)

Tác giả: Guibin Zhang, Jiayang Lyu, Ran Sun, Xinlei Yu, Haoyu Zhao, et al.

Xuất bản lúc: 2026-08-13

Tag: Self-Distillation, On-Policy Learning, RLVR, LLMs, Latent Computation, Agentic Tool Use, Code Generation, Continual Self-Improvement

I. Main Problem:

Các phương pháp On-Policy Self-Distillation (OPSD) hiện tại dùng privileged context do người thiết kế quy định sẵn (đáp án, feedback, kỹ năng, hay trajectory mẫu) để làm giáo viên tự hướng dẫn. Hạn chế cốt lõi:

Không học được end-to-end: chất lượng giám sát bị giới hạn bởi luật tạo context cố định, không mở rộng được cho tự tiến hóa liên tục.
Không có context thủ công nào tối ưu mọi lúc: cùng một loại context có thể giúp ở tác vụ này nhưng lại làm hại ở tác vụ khác (vd. SDPO giảm BFCL-v3 từ 22.88 xuống 15.75; OPSD thua vanilla trên LiveCodeBench). Lý do là context khớp tiền tố hay đường giải của student hiện tại không phải lúc nào cũng phù hợp.

II. Main Idea:

Latent On-Policy Self-Distillation (LOPD) biến chính privileged context thành một substrate ẩn học được từ kinh nghiệm, thay vì artifact văn bản cố định. Quy trình:

Student sinh trajectory on-policy từ task và lịch sử tương tác.
Truy xuất các experience thành công liên quan (experience bank), mỗi mục nén bởi một composer học được (encoder LoRA + compressor kiểu QFormer cross-attention) thành K latent tokens liên tục.
Teacher (backbone đóng băng + latent context) đánh giá lại các tiền tố student đã thăm, cho giám sát dày token-level qua reverse-KL distillation.
Privileged-margin constraint: bắt teacher phải giữ lợi thế log-prob so với student (dual variable β), ngăn teacher sụp đổ thành student và làm context vô nghĩa.
Sau huấn luyện chỉ giữ student: inference không cần DB, retrieval, composer hay latent context.

Ví dụ đời thường: giống nhân viên mới không được phát một cuốn hướng dẫn cố định, mà tự đúc kết từ các ca thành công trước thành vài 'mẹo' cô đặc trong đầu, rồi dùng để tự sửa cách làm của mình — lâu dần làm giỏi mà chẳng cần lôi lại hồ sơ cũ.

III. Main Results:

Tốt nhất ở cả 10 cặp backbone–benchmark (tool use + code gen), vượt RLVR và OPSD/SDPO/Skill-SD.
Qwen3-8B tool use: EnvScaler 66.4, BFCL-v3 29.88, ACEBench 62.7 — thắng baseline mạnh nhất tới +14.4 điểm EnvScaler.
Code gen: Qwen3-4B đạt 48.78 (LiveCodeBench avg) / 81.36 (EvalPlus avg); Olmo3-7B đạt 50.98 / 78.41.
Hiệu quả sample: vượt GRPO và Skill-SD với dưới 30% rollout budget; đạt reward >0.61 sau 320 generations so với 1600 của baseline.
Ablation then chốt 'learnable context là cần thiết': composer đóng băng 0.573; bỏ margin (m=0) tụt xuống 0.551; m=0.05 đạt 0.637.
Internalization hành vi: student giảm lời gọi tool/bước (1.11 vs 3.50), bước đầu ngắn hơn 37.5%, lặp lại ít hơn (5.25 vs 8.89).

IV. Conclusion & Future Works:

Tự tiến hóa quy mô lớn không nên phụ thuộc vào chuỗi các định dạng experience do người viết ngày càng phức tạp. LOPD chứng minh raw trajectory là substrate tối thiểu đủ để học context giám sát. Hướng tương lai: tích hợp nguồn experience giàu hơn (skill có sẵn, codebook, retriever học được) không đổi framework; mở rộng sang đa phương thức/GUI; tối ưu dung lượng latent và cơ chế margin.

V. Brainstorming Space:

1. Publish Papers:

Mở rộng latent privileged context học được cho các范式 tự tiến hóa khác ngoài OPSD (off-policy, RLVR lai), chứng minh nguyên lý 'experience là substrate học được' khái quát.
Thay thế experience bank tối giản bằng retriever học được và skill/codebook ngoài hộp, đo xem LOPD hưởng lợi bao nhiêu khi nguồn experience phong phú hơn.
Áp dụng LOPD cho agent đa phương thức/GUI: nén trajectory quan sát–hành động thành latent để dạy chính sách điều hướng mà không lộ trace dài trong prompt.

2. Patent:

Trợ lý AI trên điện thoại tự học từ lịch sử chat: thay vì rule cố định, hệ thống nén các phiên trò chuyện thành công thành 'ghi chú ẩn' để tự cải thiện câu trả lời, chạy hoàn toàn offline không cần truy xuất server.
IDE/editor code gợi ý thông minh: nén các đoạn code đã sửa thành công thành latent token, giúp sinh code tốt hơn tại chỗ mà không cần gửi toàn bộ dự án lên đám mây.
Trợ lý tác vụ (task agent) trên thiết bị: tự rút ra cách gọi tool hiệu quả từ các lần thành công trước thành biểu diễn ẩn, giúp lập kế hoạch tuần tự gọi tool ít lỗi hơn mà không cần người viết kịch bản.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.13040
ArXiv Abstract	https://arxiv.org/abs/2608.13040
PDF Download	https://arxiv.org/pdf/2608.13040.pdf
Github Repository	https://github.com/bingreeky/LOPD

11. HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark (15 votes)

Tác giả: Dairu Liu, Zekun Qi, Jiayu Zeng, Ruixi Yu, Yu Guan, et al.

Xuất bản lúc: 2026-08-13

Tag: Humanoid, Motion Tracking, Reward Model, Human Preference, Benchmark, RLHF, Transformer

I. Main Problem:

Đánh giá theo dõi cử động người (motion tracking) cho robot humanoid đang có hai lỗ hổng lớn:

Sai lệch giữa số đo và cảm quan người xem: các metric hình học như MPJPE, lỗi khớp, lỗi keypoint chỉ tính sai khác tư thế trung bình từng khung, nên bỏ sót các lỗi vật lý quyết định — chân trượt trên sàn (foot skating), tiếp xúc gãy/nguội sai nhịp, mất thăng bằng. Một rollout lỗi hình học thấp vẫn trông rất tệ dưới góc nhìn người.
Bộ test quá nhỏ và thiếu đa dạng: bộ đánh giá phổ biến nhất chỉ ~140 chuỗi AMASS, không đủ bao phủ các hành vi tiếp xúc nhiều, tầm dài, phục hồi bất đối xứng. Kết quả thường gom về một điểm số duy nhất, không chỉ ra tracker yếu ở đâu.

II. Main Idea:

HumanTracker giải quyết bằng hai thành phần song song.

1. Benchmark dữ liệu quy mô lớn: ~153 giờ quỹ đạo quang học từ 24 diễn viên chuyên nghiệp (giáo viên nhảy, HLV thể hình, quần vợt...), retarget sang hình thái humanoid 29-DoF. Chia thành 4 họ cử động theo chế độ tiếp xúc để chẩn đoán riêng: Daily (đi, quay), Highly Dynamic (nhảy, đá, nhào lộn), Interaction (phối hợp tay-thân với vật), Ground (quỳ, ngồi, lăn, phục hồi).

2. HumanScore — metric căn chỉnh người: thu thập 12K cặp so sánh (24K motions) do 6 nghiên cứu sinh chuyên ngành chấm, huấn luyện mô hình thưởng kiểu RLHF. Mỗi khung được mã hóa thành vector 539 chiều (trạng thái tham chiếu + trạng thái mô phỏng, tiếp xúc, động học), đưa qua Transformer theo thời gian; đầu ra là phần thưởng vô hạn rồi ánh xạ sigmoid sang HumanScore 0–100. Hàm mất mát Bradley–Terry trên cặp ưu tiên, cộng ràng buộc cho cặp "tương đương".

Quy trình đánh giá chuẩn hóa: mọi tracker giữ nguyên policy riêng nhưng dùng chung reference, robot model, cách tính metric và ghi trạng thái — loại bỏ nhiễu do cài đặt.

Ví dụ đời thường: giống một giám khảo xem hai video cùng một bài nhảy, thay vì cầm thước đo góc khuỷu tay từng khung, ông ấy chỉ chấm xem người nào nhảy trông tự nhiên, chân có trượt không, có vững không — rồi mô hình học được "gu" chấm đó để tự chấm hàng vạn video còn lại.

III. Main Results:

HumanScore khớp cảm quan người nhất: Align Rate 0.9083, vượt hẳn MPJPE (0.8049), MPJVE (0.8404), Foot Contact Accuracy (0.7882), Joint Accel/Jerk.
Bảng xếp hạng zero-shot (không fine-tune): Humanoid-GPT mạnh nhất tổng thể, dẫn đầu Daily và Highly Dynamic (HumanScore 54.7 / 49.2). SONIC bám sát, thắng ở Ground (26.5) nhờ rollout tự nhiên và ổn định hơn.
Phân tích nhạy cảm: bỏ đặc trưng tiếp xúc làm tệ nhất ở Ground (Align Rate 0.867 → chứng tỏ tiếp xúc quan trọng với chuyển tiếp phức tạp); thêm tham chiếu tương lai không giúp; ngữ cảnh 5 giây tốt hơn 1 giây vì bắt được trượt chân, rung, trôi dần, phục hồi — thứ khung đơn lẻ không thấy.
Quy mô: 153 giờ / 25K clips, lớn vượt trội AMASS, HumanML3D, PHUMA về phân loại và nhãn văn bản.

IV. Conclusion & Future Works:

HumanTracker cung cấp khung tái lập được để so sánh tracker và phân tích lỗi, bộc lộ điểm yếu dai dẳng ở cử động động mạnh và tiếp xúc sát đất. Hướng tương lai: mở rộng sang đa hình thái (cross-embodiment), robot thật trên phần cứng, và dùng HumanScore làm reward để tối ưu hóa trực tiếp.

V. Brainstorming Space:

1. Publish Papers:

Mở rộng HumanScore sang đa hình thái robot: huấn luyện reward model khớp cảm quan người nhưng không phụ thuộc vào hình thái cụ thể, cho phép đánh giá chéo giữa các loại humanoid khác nhau.
Dùng HumanScore làm tín hiệu thưởng trong RL để tinh chỉnh tracker, thay vì chỉ dùng làm metric đánh giá — đóng vòng lặp cải thiện chất lượng tiếp xúc và thăng bằng.
Kéo dài ngữ cảnh đánh giá và kết hợp đa camera để HumanScore phân biệt được lỗi do renders/viewpoint thay vì do chất lượng cử động thực sự.

2. Patent:

Ứng dụng điện thoại: app quay video người dùng tập thể dục, chạy mô hình đánh giá căn chỉnh người (như HumanScore) để chấm điểm tự nhiên, chân có trượt/không, thăng bằng ra sao — đưa ra phản hồi huấn luyện cá nhân hóa không cần cảm biến đeo.
Game nhảy thực tế ảo trên điện thoại: dùng camera selfie thu cử động, so khớp với tham chiếu bài nhảy và chấm điểm theo 'gu' người thật (tiếp xúc, mượt, tự nhiên) thay vì chỉ sai lệch góc khớp, tăng độ thú vị và công bằng.
Robot hỗ trợ người già/phục hồi chức năng tại nhà: camera điện thoại theo dõi bệnh nhân tập vận động, đánh giá mức độ ổn định và tiếp xúc chân qua metric kiểu HumanScore, cảnh báo ngã hoặc sai tư thế gửi về gia đình/bác sĩ.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.13555
ArXiv Abstract	https://arxiv.org/abs/2608.13555
PDF Download	https://arxiv.org/pdf/2608.13555.pdf
Github Repository	https://github.com/GalaxyGeneralRobotics/HumanTracker

12. CPI-Bench: A Comprehensive,Practical and Intelligent Benchmark for Real-World Image Editing (13 votes)

Tác giả: Qinye Zhou, Jun Zheng, Yongchao Du, Yuan Wang, Zhengrui Chen, et al.

Xuất bản lúc: 2026-08-14

Tag: Image Editing, Benchmark, Vision-Language Models, Multi-Image Editing, Reasoning, Evaluation, VLM-as-Judge

I. Main Problem:

Các bộ benchmark đánh giá chỉnh sửa ảnh hiện tại (GEdit-Bench, ImgEdit-Bench, REDEdit-Bench) bị kẹt ở tác vụ đơn ảnh đơn giản, dẫn đến hai lỗ hổng lớn:

Độ phân giải thấp giữa các mô hình: vì tác vụ dễ nên mọi mô hình đều đạt điểm饱和 (saturation), khó phân biệt ai giỏi hơn ai.
Thiếu ba chiều quan trọng: (1) không đo chỉnh sửa đa ảnh (giữ nhất quán giữa nhiều ảnh), (2) không bám sát kịch bản triển khai thực tế (ID photo, quảng cáo, nội thất), (3) không có dữ liệu chỉnh sửa đòi hỏi lập luận phức tạp (kiến thức chuyên gia, suy luận ý định).

Hậu quả: người dùng không chọn được mô hình đúng nhu cầu, nhà nghiên cứu không biết tối ưu điểm yếu nào.

II. Main Idea:

CPI-Bench chia đánh giá thành 3 phân bộ bổ trợ, độ khó tăng dần:

CPI-General-Bench: 2.039 mẫu, 24 tác vụ — trong đó 10 tác vụ đa ảnh (lần đầu lấp khoảng trống đánh giá đa ảnh như compose, ref-based replace, ref-viewpoint).
CPI-Practical-Bench: 558 mẫu, 51 kịch bản thực tế xuyên 4 lĩnh vực (chân dung, nội thất, thương mại-quảng cáo, sáng tạo nội dung).
CPI-Intelligent-Bench: 1.181 mẫu lập luận từ ExpertVerse, 8 domain chuyên gia, 67 chuyên ngành.

Quy trình xây dựng 4 bước: định taxonomy (kết hợp top-down lý thuyết + bottom-up thu thập yêu cầu thật từ mạng) → thu thập >100k ảnh thành image pool riêng từng tác vụ → sinh cặp (ảnh, chỉ thị) bằng VLM + lọc thủ công + kiểm duyệt chuyên gia → ẩn danh khuôn mặt bằng công nghệ swap mặt để bảo mật.

Khung chấm điểm tự động bằng VLM: mỗi loại tác vụ có prompt chấm điểm riêng (1–5), 3 chiều chung là Instruction Adherence, Visual Naturalness, Physical & Detail Consistency, có biến thể cho text/style/identity.

Ví dụ đời thường: giống một kỳ thi tuyển dụng không chỉ bắt ứng viên tô màu một bức tranh (đơn ảnh dễ), mà còn cho nhiều tấm ảnh để ghép nhất quán, bắt làm poster quảng cáo thực tế, và vẽ sơ đồ kỹ thuật đòi hỏi hiểu chuyên môn — rồi thuê một giám khảo AI chấm chi tiết từng tiêu chí, nên mới phân loại được ai tài năng thật sự thay vì ai cũng qua ảo.

III. Main Results:

Khoảng cách giữa mô hình bị phóng đại rõ rệt: phương sai điểm trên CPI-Intelligent lên tới 0.7282, cao gấp ~10–20 lần các benchmark cũ (~0.04–0.06), chứng tỏ CPI-Bench phá vỡ độ饱和.
Đơn ảnh dễ ≠ đa ảnh: trên single-image (CPI-General) mọi mô hình ~4.0; nhưng trên multi-image chỉ mô hình đóng (GPT-Image-2, Nano Banana Pro) vượt 4.0, open-source (Qwen-Edit, FLUX.2, FireRed) tụt về ~3.0–3.1 — điểm nghẽn nằm ở nhất quán đa ảnh & lập luận.
Thực tế triển khai: open-source cũng thua xa closed-source trên CPI-Practical (khoảng cách lớn ở ID photo, poster, nội thất).
Trí tuệ lập luận: open-source thiếu prompt engineering nên điểm thấp trên CPI-Intelligent.
Khớp ý người nhất: CPI-Bench có Spearman correlation cao nhất và MAE thấp nhất so với Arena Image Edit Leaderboard → là proxy trung thực nhất với đánh giá con người.

IV. Conclusion & Future Works:

CPI-Bench cung cấp đánh giá toàn phổ (năng lực chung – hiệu quả triển khai – trí tuệ lập luận) và là proxy đáng tin cậy với cảm nhận người dùng nhờ khớp chặt với Arena. Hướng tương lai: dùng CPI-Bench làm kim chỉ nam tối ưu thế hệ mô hình tiếp theo, đặc biệt thu hẹp khoảng cách đa ảnh nhất quán và lập luận chuyên gia của open-source; mở rộng domain thực tế và tinh chỉnh khung VLM-chấm-điểm.

V. Brainstorming Space:

1. Publish Papers:

Nghiên cứu vì sao open-source thất bại trên đa ảnh: phân tích cơ chế duy trì nhất quán cross-image và đề xuất phương pháp huấn luyện riêng cho ref-based editing.
Mở rộng CPI-Intelligent sang thêm domain chuyên gia (y tế, luật, kiến trúc) và đo lường mức độ lập luận thông qua prompt engineering tự động.
Cải tiến khung VLM-as-judge: giảm thiểu thiên kiến của VLM khi chấm điểm chỉnh sửa ảnh phức tạp, đối chiếu với human eval quy mô lớn hơn.

2. Patent:

App chỉnh sửa ảnh điện thoại tích hợp bộ kiểm tra đa ảnh: người dùng chọn nhiều ảnh, app tự ghép/xóa nền nhất quán và báo điểm chất lượng theo thang VLM trước khi lưu — như 'trợ lý thẩm định ảnh' tích hợp sẵn.
Công cụ thương mại điện tử tự sinh poster sản phẩm: từ một ảnh sản phẩm, app tạo poster quảng cáo, đổi nền, thêm copy tiếp thị theo phong cách cụ thể (dùng CPI-Practical làm tiêu chuẩn đánh giá nội bộ).
Tính năng 'ảnh ID chuẩn' và 'nội thất ảo' trong app thiết kế nhà: đặt đồ nội thất ảo vào ảnh phòng thật, đổi ánh sáng/góc nhìn, kèm chấm điểm tự nhiên bằng VLM để người dùng biết kết quả có thực tế không.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.14546
ArXiv Abstract	https://arxiv.org/abs/2608.14546
PDF Download	https://arxiv.org/pdf/2608.14546.pdf
Github Repository	https://github.com/zqyzzz/CPI-benchmark

13. Modular Cognitive Architecture Emerges in Large Language Models (12 votes)

Tác giả: Pengrui Han, Jacob Andreas, Evelina Fedorenko, Andrea Gregor de Varda

Xuất bản lúc: 2026-06-27

Tag: LLMs, Modularity, Functional Specialization, Circuit Analysis, Attribution Patching, Neuroscience, Interpretability

I. Main Problem:

Não người có tổ chức module hóa rõ rệt: mạng riêng cho ngôn ngữ, suy luận hình thức, suy luận xã hội và suy luận vật lý. Nhưng ta không rõ đây là nguyên lý nền tảng của hệ thống thông minh hay chỉ là tai nạn tiến hóa của sinh học.

Nhìn từ não allein không giải quyết được, vì mô sinh học chịu áp lực năng lượng (chỉ kích hoạt một phần nhỏ nơ-ron để tiết kiệm năng lượng) — áp lực này có thể là nguyên nhân duy nhất sinh ra chuyên môn hóa.
Câu hỏi then chốt: khi huấn luyện một hệ thống thông minh bằng quy trình tối ưu hóa hoàn toàn khác (gradient descent trên dự đoán token tiếp theo), module hóa có tự nổi lên không?

II. Main Idea:

Dùng phân tích mạch nơ-ron (circuit analysis) trên 46 tác vụ chia 4 lĩnh vực nhận thức, mỗi lĩnh vực tương ứng một mạng não người riêng biệt. Quy trình:

Với mỗi tác vụ, tạo cặp tối thiểu (minimal pairs): hai đầu vào gần giống hệt nhau nhưng đáp án đúng bị đảo ngược (vd. đổi số hạng của phép cộng 86+15 → 86+16).
Chạy cả hai qua mô hình, ghi activation và gradient của từng nơ-ron MLP.
Dùng attribution patching: nhân độ chênh activation giữa hai bản với gradient của độ chênh logit đáp án → ước lượng đóng góp nhân quả của từng nơ-ron.
Đo độ chồng lấp (overlap) của top 0.1% nơ-ron quan trọng nhất giữa các cặp tác vụ, rồi kiểm chứng bằng ablation (vô hiệu hóa nơ-ron và đo sụt độ chính xác).
Phân tích trên 6 mô hình 24B–123B tham số.

Ví dụ đời thường: giống thợ sửa máy, thay phiên đổi một chi tiết nhỏ của bài toán rồi đo xem bóng đèn (nơ-ron) nào sáng khác đi — từ đó khoanh vùng chính xác 'đường dây điện' riêng biệt phụ trách từng chức năng mà không cần tháo tung cái máy.

III. Main Results:

LLM có tổ chức module hóa khớp với não người: tác vụ cùng lĩnh vực dùng chung nơ-ron, khác lĩnh vực dùng nơ-ron riêng biệt.
Độ chồng lấp trong miền cao gấp >4 lần chéo miền (12.9% vs 3.0%, p<0.0001); hiện tượng này có ở cả 4 lĩnh vực và cả 6 mô hình đơn lẻ.
Phân cụm bottom-up tự phục hồi lại đúng 4 lĩnh vực định nghĩa bởi thần kinh học (adjusted Rand index = 0.78).
Cấu trúc chồng lấp nhất quán cao giữa các mô hình (Kendall's τ = 0.70).
Phân bố theo độ sâu: 4 lĩnh vực cùng nằm ở lớp giữa–cuối nhưng dùng nơ-ron không gối lên nhau; chỉ Language neurons xuất hiện sớm từ lớp đầu (gợi ý thứ bậc: ngôn ngữ phân tích input trước, rồi các hệ suy luận phía sau mới vận hành).
Ablation chứng minh nhân quả: vô hiệu nơ-ron cùng miền làm sụt 25.9% độ chính xác, khác miền chỉ 2.5% (tỉ lệ 10.3×). Language neurons chọn lọc nhất (44.3×).
GPT-2 yếu kém không hiện module hóa tinh — chứng tỏ cấu trúc không phải artifact của dữ liệu, mà phụ thuộc mô hình thực sự giải được tác vụ.

IV. Conclusion & Future Works:

Module hóa nổi lên độc lập ở cả não lẫn LLM dù quy trình tối ưu hóa khác biệt hoàn toàn → gợi ý đây là nguyên lý chung của hệ thống thông minh, không phải tai nạn sinh học.

Quan trọng: LLM không chịu áp lực năng lượng, nên chuyên môn hóa không cần thiết phải do tiết kiệm năng lượng sinh ra — nó có thể xuất phát từ bản thân bài toán tối ưu hóa tác vụ.
Hướng tương lai: tìm hiểu cơ chế tại sao tối ưu hóa next-token sinh ra module; mở rộng sang lĩnh vực nhận thức khác; nghiên cứu module hóa ở mô hình đa phương thức và agent.

V. Brainstorming Space:

1. Publish Papers:

Mở rộng attribution patching sang mô hình đa phương thức (text+image+audio) để kiểm tra module hóa có xuất hiện chéo phương thức hay không.
So sánh cấu trúc module giữa LLM và mạng nơ-ron sinh học nhỏ hơn (RNN, CNN) để truy vết điểm chuyển tiếp nơi module hóa tự hình thành theo quy mô.
Dùng bản đồ nơ-ron theo miền để thiết kế cơ chế routing câu hỏi trong hệ multi-agent, giao mỗi loại suy luận cho nhóm tham số đã chuyên môn hóa.
Nghiên cứu liệu module hóa có tăng khả năng khái quát hóa và robust của LLM, từ đó hướng dẫn kiến trúc huấn luyện nên khuyến khích chuyên môn hóa.

2. Patent:

Điện thoại thông minh: trợ lý AI tự động phân luồng — trước khi trả lời, mô hình dùng attribution nhanh để nhận diện câu hỏi thuộc loại ngôn ngữ, tính toán, suy luận xã hội hay vật lý, rồi chỉ kích hoạt nhóm nơ-ron tương ứng để tiết kiệm pin và tăng tốc phản hồi trên thiết bị (on-device).
Ứng dụng chẩn đoán lỗi cho AI trên điện thoại: công cụ 'lesion test' khoanh vùng nhóm nơ-ron gây ra câu trả lời sai, giúp nhà phát triển sửa lỗi theo từng chức năng mà không cần huấn luyện lại toàn bộ mô hình.
Tính năng kiểm soát riêng tư trên thiết bị: khi người dùng yêu cầu xóa khả năng 'hiểu cảm xúc người dùng', hệ chỉ vô hiệu hóa nhóm social-reasoning neurons đã xác định bằng ablation, giữ nguyên năng lực ngôn ngữ và logic còn lại.
Hệ thống tối ưu pin cho chatbot điện thoại: chỉ kích hoạt nơ-ron thuộc miền liên quan (vd. chỉ nhóm ngôn ngữ khi dịch thuật), giữ phần lớn mô hình ở trạng thái không tính toán, giảm điện năng tiêu thụ thực tế thay vì chỉ tiết kiệm trên lý thuyết.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.13567
ArXiv Abstract	https://arxiv.org/abs/2608.13567
PDF Download	https://arxiv.org/pdf/2608.13567.pdf
Github Repository	https://github.com/Pengrui-Han/LLM_Modularity

14. PRM-as-a-Judge 1.5: A Toolkit for Robot Process Assessment (11 votes)

Tác giả: Yuyang Liu, Yanqing Shen, Ruike Chen, Jifan Zhao, Yuxuan Tian, et al.

Xuất bản lúc: 2026-08-14

Tag: Vision-Language-Action, World Action Models, Process Reward Models, Robotics Evaluation, Embodied AI, Benchmark

I. Main Problem:

Các benchmark robot hiện tại đánh giá chủ yếu bằng tỷ lệ thành công nhị phân (Success Rate) hoặc điểm luật thủ công, bỏ qua chất lượng thực thi chi tiết. Hậu quả:

Một rollout thất bại có thể dừng sớm hoàn toàn, hoặc hoàn thành 90% mới hỏng — nhưng cả hai đều bị gán 'thất bại'.
Một rollout thành công có thể mượt mà, hoặc lặp đi lặp lại sai sót rồi mới xong — nhưng cả hai đều gán 'thành công'.
Không thể phân biệt mô hình giỏi đến đâu, hồi phục sau sai lầm thế nào, hay thực thi ổn định ra sao, gây khó cho phát triển mô hình embodied.

II. Main Idea:

PRM-as-a-Judge 1.5 là bộ kit đánh giá quy trình: biến video rollout thành đường cong tiến trình dày đặc nhờ Process Reward Model (PRM), rồi tính các chỉ số OPD và sinh báo cáo 'kiểu bác sĩ'. Quy trình:

Input: video rollout + mã case + chỉ thị nhiệm vụ (+ view phụ tùy chọn).
PRM ước lượng mức độ hoàn thành tại mỗi khung hình → tạo Process curve.
OPD metrics (Outcome–Process–Diagnosis): Outcome đo độ tới được mốc (MC, MP); Process đo hiệu quả (PPL); Diagnosis đo hồi quy/đứng im (CRA, STR).
3 chỉ số mới 1.5: FNS (Failure Near-Success — thất bại sát thành công đến mức nào), DRR (Drawdown Recovery Ratio — hồi phục sau đợt tụt lùi bao nhiêu), SQS (Success Quality Score — chất lượng lúc thành công).
RoboPulse++: benchmark khoảng giữa từ rollout để kiểm chứng PRM có phân biệt được tiến/lùi hay không.

Ví dụ đời thường: giống giáo viên chấm bài thực hành không chỉ ghi 'đậu/rớt', mà vẽ biểu đồ mỗi phút học sinh làm được tới đâu, lúc nào lúng túng đứng yên, lúc nào làm sai rồi sửa lại — từ đó biết em nào 'gần làm xong mới hỏng' và em nào 'làm xong nhưng lắp ráp lủng củng'.

III. Main Results:

Đánh giá quy mô lớn trên RoboDojo-RealWorld và RoboDojo-Sim với nhiều VLA/WAM (π0.5, InternVLA-A1, X-WAM, GR00T-N1.7...). 5 phát hiện chính:

Finding 1: VLA mạnh hơn WAM — trong Top-3/Top-5/Top-10 mô phỏng, VLA chiếm 27%/36%/64%, WAM chỉ 0%/20%/60%.
Finding 2: Mô hình lớn không tự động tốt hơn — biểu đồ kích thước tham số vs thứ hạng không tương quan dương, nhiều mô hình nhỏ vượt mô hình lớn.
Finding 3: π0.5 là mô hình mạnh nhất tổng thể trên cả thực và sim.
Finding 4: Tác vụ Precision làm tốt nhất; Open-Vocabulary khó nhất; Long-Horizon phân hóa mạnh giữa các mô hình.
Finding 5: Sim–Real tương quan yếu (Spearman ρ = 0.18–0.58); các tác vụ cần căn chỉnh chính xác (Insert tubes, Hang mugs) sụt mạnh khi lên thực tế.
Bảng xếp hạng thay đổi theo từng chỉ số — chứng tỏ chỉ dùng SR là không đủ.

IV. Conclusion & Future Works:

PRM-as-a-Judge 1.5 mở rộng hệ thống OPD, phát hành mã nguồn + công cụ visualization để cộng đồng đánh giá quy trình minh bạch, tái lập được. Hướng tương lai:

PRM tốt hơn: mô hình dạng chuỗi (temporal context), giám sát tiến trình âm (negative-progress), thích ứng giá rẻ cho nhiệm vụ mới, giám sát đa phương thức giàu hơn (dự đoán trạng thái/video tương lai).
Bằng chứng chẩn đoán giàu hơn: kết hợp đường cong tiến trình với contact, state, semantic evidence.
Khép kín vòng lặp eval–data–training: dùng chẩn đoán hỏng để thu thập dữ liệu và thiết kế mục tiêu huấn luyện hướng lỗi.

V. Brainstorming Space:

1. Publish Papers:

Thiết kế PRM dạng sequence dùng cả quan sát quá khứ–tương lai ngoại tuyến để phân biệt cùng một cử động là tiến hay lùi trong tác vụ lặp/compositional.
Xây dựng tập giám sát negative-progress từ trajectory thất bại/thụt lùi thực tế để cải thiện nhận diện hồi quy của PRM.
Cơ chế thích ứng low-cost cho PRM khi gặp viewpoint, embodiment, nhiệm vụ mới mà không cần huấn luyện lại toàn bộ.
Kết hợp dự đoán video tương lai vào PRM để cung cấp tín hiệu động học thời gian giàu hơn chỉ dùng nhãn scalar progress.
Đóng vòng lặp: dùng báo cáo chẩn đoán quy trình tự động gợi ý thu thập dữ liệu định hướng lỗi và reweighting huấn luyện.

2. Patent:

App điện thoại chấm điểm Robot gia đình: người dùng quay video cánh tay robot làm nhiệm vụ, app gửi lên đám mây chạy PRM-as-a-Judge, trả về biểu đồ tiến trình và điểm FNS/SQS để biết máy 'gần xong mới hỏng' hay 'làm xong nhưng lủng củng' — hữu ích bảo trì trước khi gửi bảo hành.
Hệ thống kiểm định robot công nghiệp tự động: sau mỗi đợt hiệu chuẩn, chạy rollout mẫu và dùng DRR/FNS đo lường khả năng hồi phục khi gặp trục trặc, cảnh báo dây chuyền có xu hướng 'tụt lùi rồi không sửa được'.
Tính năng so sánh mô hình trên nền tảng bán robot: khách hàng xem bảng xếp hạng không chỉ 'tỷ lệ đậu' mà cả SQS/STR để chọn robot thực thi mượt mà, ít đứng im — tránh mua máy điểm đậu cao nhưng hay lặp lại sai.
Công cụ đánh giá mô phỏng cho nhà phát triển game/robot: chạy simulator sinh video, tự động tính khoảng cách Sim–Real theo từng loại tác vụ (Precision vs Open-Vocabulary) để biết task nào sẽ sụt khi deploy thực tế.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.14284
ArXiv Abstract	https://arxiv.org/abs/2608.14284
PDF Download	https://arxiv.org/pdf/2608.14284.pdf
Github Repository	https://github.com/YuyangLiu2003/PRM-as-a-Judge

15. Second Thought: Reasoning in Parallel as LLM Agents Act and Observe (10 votes)

Tác giả: Zhensu Sun, Chengran Yang, Yunbo Lyu, Jieke Shi, David Lo

Xuất bản lúc: 2026-08-13

Tag: LLM Agents, ReAct, Parallel Reasoning, Test-Time Scaling, Inference Framework, Reasoning Idle Window

I. Main Problem:

Agent ReAct chạy vòng lặp Thought → Action → Observation, nhưng phần suy luận chỉ nằm ở pha Thought. Sau khi Thought kết thúc:

pha Action chỉ dịch kế hoạch thành lời gọi công cụ
pha Observation thụ động chờ môi trường trả kết quả

Khoảng thời gian Action–Observation này lặp lại mỗi bước nhưng không sinh ra chút suy luận nào — gọi là reasoning idle window (cửa sổ rảnh rỗi suy luận). Nghịch lý: thêm suy luận giúp agent giỏi hơn, nhưng ở đây nó hoàn toàn bị đóng băng, gây lãng phí dung lượng tính toán song song tiềm năng.

II. Main Idea:

Second Thought là khung suy luận inference không cần huấn luyện (training-free), tận dụng chính cửa sổ rảnh rỗi đó. Cơ chế:

Ngay khi pha Thought kết thúc, nó fork 4 nhánh phụ (Check, Recall, Rehearse, Alternative) chạy song song với luồng chính
4 nhánh dùng chung prefix KV-cache của luồng chính, tiếp tục suy nghĩ dọc theo 4 chiều bổ trợ: kiểm tra giả định, nhớ lại ràng buộc đã quên, tập dượt bước tiếp, chuẩn bị phương án dự phòng
Khi observation tới, các nhánh bị dừng, các atomic thoughts (đơn vị suy luận ≤25 từ, bọc trong ``) đã hoàn thành được gộp nối tiếp vào ngữ cảnh cho bước sau

Cốt lõi: suy luận thêm được dời khỏi đường critical path của luồng chính, nên không kéo dài độ trễ. Các nhánh không phải phương án dự thi, mà là góc nhìn bổ trợ → hợp nhất chỉ cần nối chuỗi, không cần bỏ phiếu hay đối chiếu.

Ví dụ đời thường: giống thợ sửa máy, trong lúc chờ máy chạy xong thử nghiệm, thay vì đứng chơi, anh ta vừa lúc đó nhẩm lại các bước sẽ làm nếu hỏng, kiểm tra lại xem mình có quên ràng buộc bảo hành nào không, và chuẩn bị sẵn phương án thay thế — để hễ kết quả trả về là hành động ngay, không mất thêm thời gian suy nghĩ.

III. Main Results:

Trên 9 cặp model–benchmark (3 benchmark: SWE-Bench Pro, Terminal-Bench 2.1, τ3-bench × 3 LLM: DeepSeek-V4-Flash, Qwen3.6-Plus, MiniMax-M3): giảm số bước trung bình ở cả 9 cặp.
Giảm số token giải mã luồng chính ở 6/9 cài đặt, tối đa 43% (Qwen3.6 trên SWE-Pro: 36.5k→20.8k), trung bình ~20%. 1 cài đặt không đổi đáng kể.
Pass@1: 7/9 không đổi ý nghĩa; 2 cặp tăng rõ rệt: +12.4 và +10.2 (cùng trên Terminal-Bench 2.1).
Replay wall-clock có kiểm soát: giảm 10.9% độ trễ trung vị mỗi task (256.9s→229.0s), nhờ giảm thời gian giải mã luồng chính 13.4% và thực thi工具 6.0%.
So với baseline đối chứng đồng compute s1 (ép ngân sách suy luận lên luồng chính): Second Thought đạt Pass@1 cao hơn hẳn với 1.3×–3.2× ít giải mã tuần tự hơn ở 4 cài đặt áp dụng được.
Phân tích thay thế: thoughts thu hoạch thay thế suy luận lẽ ra chiếm bước tiếp (next-turn reasoning tăng từ 196→316 token khi gỡ bỏ).

IV. Conclusion & Future Works:

Second Thought chứng minh cửa sổ rảnh rỗi suy luận là dung lượng song song bị bỏ phí, và tận dụng nó bằng 4 nhánh phụ dạng atomic thoughts có thể giảm bước & độ trễ mà không đổi tham số, không giảm Pass@1. Hướng tương lai: (1) chọn động loại nhánh theo domain (ví dụ banking cần branch tuân thủ chính sách thay vì planning); (2) mở rộng cửa sổ khi môi trường cho phép Action–Observation dài hơn để thu hoạch nhiều hơn; (3) tối ưu chi phí API (giữ 1 nhánh tốt nhất giảm 16–35% chi phí).

V. Brainstorming Space:

1. Publish Papers:

Chọn lọc nhánh động theo domain: học chính sách bật/tắt Check/Recall/Rehearse/Alternative dựa trên đặc trưng task để tối ưu độ chính xác–độ trễ trên agent đa lĩnh vực.
Mở rộng cửa sổ rảnh rỗi bằng speculative execution: phóng trướcAction ước lượng để kéo dài thời gian các nhánh phụ suy luận mà vẫn giữ critical path không đổi.
Kết hợp Second Thought với sleep-time compute: tiền xử lý ngữ cảnh tĩnh trước khi có query, rồi bổ sung suy luận song song trong vòng lặp agent để giảm đồng thời cả latency khởi động và per-turn.

2. Patent:

Trợ lý sửa lỗi trên điện thoại: khi app đang chạy kiểm thử đơn vị (chờ kết quả), hệ thống ngầm sinh các kịch bản dự phòng và nhắc lại ràng buộc tương thích API, giúp đề xuất bản vá đúng ngay bước sau mà không làm treo giao diện.
Trợ lý ngân hàng trên điện thoại: trong lúc chờ hệ thống trả kết quả truy vấn, agent kiểm tra lại giả định về chính sách và nhớ lại điều khoản đã nêu đầu hội thoại, giảm sai sót tư vấn mà không tăng thời gian chờ người dùng.
Tác vụ terminal/chạy lệnh trên máy: trong khi lệnh dài đang thực thi, agent tập dượt các bước fallback (nếu lệnh lỗi thì làm gì) và kiểm tra giả định môi trường, rút ngắn số bước thao tác thủ công cho kỹ thuật viên.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.13667
ArXiv Abstract	https://arxiv.org/abs/2608.13667
PDF Download	https://arxiv.org/pdf/2608.13667.pdf
Github Repository	N/A

16. Claim-Level Reliability Assessment for Efficient Test-Time Reasoning (10 votes)

Tác giả: Sen Xu, Wei Wang, Shixi Liu, Jixin Min, Yingwei Dai, et al.

Xuất bản lúc: 2026-08-12

Tag: Test-Time-Scaling, Self-Consistency, LLM-Reasoning, Verification, Falsification, Math-Reasoning

I. Main Problem:

Các phương pháp test-time scaling (tăng compute lúc suy luận thay vì huấn luyện lại) chia sẻ một nút thắt: càng thêm ngân sách tính toán, càng khó trích xuất tín hiệu độ tin cậy phân biệt cao. Hai lỗ hổng cốt lõi:

Độ tự tin thống kê ≠ tính đúng đắn logic: trace có xác suất token cao vẫn có thể chứa lỗi quyết định.
Pha loãng tín hiệu (signal dilution): đánh giá cả trace làm lu mờ lỗi chí mạng giữa hàng loạt bước suy luận bình thường, khiến nhiễu lấn át tín hiệu.
Step-level verification thì tốn kém và cần mô hình verifier huấn luyện riêng. Cần một độ hạt trung gian giữa whole-trace và từng-bước.

II. Main Idea:

CLR (Claim-Level Reliability Assessment) là khung training-free hiện thực hóa nguyên lý claim-level falsification — đánh giá độ tin cậy ở mức mệnh đề quyết định thay vì toàn trace. Hai cơ chế bổ trợ:

Trích xuất claim: mỗi trace được cô đặc thành M (mặc định 5) mệnh đề trung gian mang tính quyết định (kết luận, ràng buộc, điểm chuyển đổi) — lọc bỏ token routine gây nhiễu.
Thẩm định bằng phản bác (falsification): dùng chính mô hình gốc tìm bằng chứng phản bác từng claim (mâu thuẫn, ví dụ phản, lỗi logic) thay vì giải lại. Tận dụng bất đối xứng: xây dựng lời giải đúng cần cả đường suy luận hoàn hảo, còn bác bỏ một claim sai chỉ cần một lỗi quyết định.

Quy trình 2 giai đoạn: Giai đoạn 1 sinh K trace + claim; Giai đoạn 2 cùng mô hình thẩm định claim. Điểm số phi tuyến rk = (tỉ lệ claim sống sót)^M — bác bỏ càng nhiều claim thì trọng số trace càng tụt mạnh, cho phép thiểu số đáng tin đảo lật đa số sai (weighted aggregation). CLR@K tốn K sinh + K thẩm định = bằng Cons@2K về số lượt gọi.

Ví dụ đời thường: giống giám khảo chấm thi không đọc lại toàn bộ bài làm của thí sinh, mà chỉ xé ra vài kết luận thenốt rồi đi tìm một sai sót bẻ gãy lập luận — tìm được một lỗi là loại bài đó, thay vì phải tự làm lại cả bài đúng từ đầu.

III. Main Results:

Trên GPT-OSS-20B/CMIMC25: CLR vượt pass@1 tới +27.15 điểm % và nâng self-consistency từ 77.50% lên 82.19% với 37.0% ít token hơn.
Trên Gemma-4-12B-it/HMMT25: độ chính xác từ 76.67% lên 88.75% (+12.08 điểm).
Rescue rate (tỷ lệ cứu) trung bình ~37% (16–48% tùy thiết lập): CLR đảo ngược những trường hợp đa số bình chọn sai dù đáp án đúng đã có trong K mẫu.
Decomposition: riêng việc thêm prompt sinh claim làm giảm pass@1; toàn bộ cải thiện đến từ bước reweighting bằng phản bác (+4.48 đến +7.01 điểm so với cùng tập ứng viên.
Số claim M: tăng từ 1 → 3 cải thiện 3.1–3.8 điểm; M=5 tiếp tục tăng trên 3/4 benchmark. Lợi ích chính đến từ việc vượt quá 1 claim.
Scaling: so với self-consistency, CLR tránh bão hòa sớm và tỏa sáng hơn khi thêm mẫu đếm phiếu cho tín hiệu nhiễu.

IV. Conclusion & Future Works:

Nguyên lý claim-level falsification dùng mỏ neo ngữ nghĩa quyết định để kìm hãm đường suy luận sai, giúp đường đúng có ảnh hưởng lớn hơn — thay vì chỉ sinh thêm mẫu. CLR chứng minh chuyển một phần ngân sách từ sinh lời giải sang phản bác có mục tiêu đẩy xa hơn frontier độ chính xác–token ở test-time. Hướng tương lai: mở rộng nguyên lý này sang các mô hình test-time scaling khác (branching, search, tự sửa).

V. Brainstorming Space:

1. Publish Papers:

Mở rộng claim-level falsification sang các mô hình TTS dựa trên tìm kiếm cây (tree-of-thoughts) hoặc tự sửa, thay vì chỉ aggregation theo consensus.
Nghiên cứu trích xuất claim tự thích ứng theo độ khó bài toán thay vì cố định M=5, để cân bằng phủ sóng ngữ nghĩa và chi phí token.
Kết hợp CLR với verifier học được (process reward model) để so sánh độ tin cậy mệnh đề giữa training-free và supervised verification trên cùng benchmark.

2. Patent:

Trợ lý toán học trên điện thoại: app giải bài tập chia lời giải thành vài bước thenốt rồi tự 'bắt bẻ' từng bước để chọn đáp án đáng tin nhất, chạy local mà không cần model lớn hơn — tiết kiệm pin và giảm token gửi lên cloud.
Tính năng kiểm tra đáp án trong ứng dụng ngân hàng/tài chính: trước khi hiển thị kết quả tính toán cho người dùng, hệ thống cô đặc các giả định chính thành claim và tự tìm phản ví dụ, chặn kết quả sai do một bước tính lỗi.
Bộ lọc tin xác thực trên mạng xã hội: với mỗi bài đăng có lập luận số liệu, tách các mệnh đề quyết định và tự tìm mâu thuẫn/nguồn phản bác để gắn nhãn 'thiếu tin cậy' trước khi đề xuất lên đầu bảng tin.

Các đường dẫn liên quan

Nền tảng	Đường dẫn
Hugging Face	https://huggingface.co/papers/2608.11994
ArXiv Abstract	https://arxiv.org/abs/2608.11994
PDF Download	https://arxiv.org/pdf/2608.11994.pdf
Github Repository	https://github.com/WeiboAI/CLR

📰 Summary of Papers​

1. Can We Defend Against AI-Generated Video Attacks on Real-World Crisis Events? A Systematic Evaluation of Detectors, Generators and Social Dissemination (261 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

2. Self-Supervised Visual On-Policy Distillation (150 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

3. Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development (43 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

4. Intern-S2-Mobius: Foundation Model with Decoupled Knowledge and Reasoning (31 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

5. Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence (29 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

6. SimpleOPD: Simple Tokenizer-Agnostic On-Policy Distillation for Long-Context Reasoning (27 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

7. Marionette: Predicting World States, Rendering Geometry, Painting Appearance (23 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

8. DFM Mimir v1: An Open HRM Delivering Frontier Performance at 1B Parameters Using Only Permissible Post-Training Data (21 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

2. Patent:​

Các đường dẫn liên quan​

9. MobileMem: Learning from a Year of Mobile Experiences (20 votes)​

I. Main Problem:​

II. Main Idea:​

III. Main Results:​

IV. Conclusion & Future Works:​

V. Brainstorming Space:​

1. Publish Papers:​

📰 Summary of Papers

1. Can We Defend Against AI-Generated Video Attacks on Real-World Crisis Events? A Systematic Evaluation of Detectors, Generators and Social Dissemination (261 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

2. Self-Supervised Visual On-Policy Distillation (150 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

3. Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development (43 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

4. Intern-S2-Mobius: Foundation Model with Decoupled Knowledge and Reasoning (31 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

5. Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence (29 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

6. SimpleOPD: Simple Tokenizer-Agnostic On-Policy Distillation for Long-Context Reasoning (27 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

7. Marionette: Predicting World States, Rendering Geometry, Painting Appearance (23 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

8. DFM Mimir v1: An Open HRM Delivering Frontier Performance at 1B Parameters Using Only Permissible Post-Training Data (21 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers:

2. Patent:

Các đường dẫn liên quan

9. MobileMem: Learning from a Year of Mobile Experiences (20 votes)

I. Main Problem:

II. Main Idea:

III. Main Results:

IV. Conclusion & Future Works:

V. Brainstorming Space:

1. Publish Papers: