Nửa đầu năm 2026 cho thấy nghiên cứu AI đang có một sự dịch chuyển rõ rệt. Các phòng thí nghiệm không còn chỉ tập trung vào việc xây dựng mô hình lớn hơn, nhiều tham số hơn hay đạt điểm benchmark cao hơn. Thay vào đó, trọng tâm ngày càng chuyển sang cách biến mô hình thành những hệ thống có khả năng suy luận, sử dụng công cụ, ghi nhớ, tự đánh giá, sửa lỗi và hoạt động trong môi trường phức tạp.
Một nhóm nghiên cứu nổi bật tập trung vào AI agent. Các công trình như TRAJDEBUG, SkillOpt, FIRE-Bench và Multi-Agent Design đều đặt những câu hỏi nằm ngoài phạm vi của một mô hình ngôn ngữ đơn lẻ. Nhà nghiên cứu muốn biết agent có thể tự hoàn thành một quy trình dài đến đâu, làm thế nào để phát hiện lỗi trong quá trình thực thi và liệu chính workflow của agent có thể được tối ưu hay không.
Reasoning cũng trở thành một bài toán độc lập. Thay vì mặc định rằng nhiều token suy luận hơn luôn mang lại kết quả tốt hơn, các nghiên cứu mới tìm cách hiểu hiện tượng “overthinking”, giảm lượng token cần thiết và tối ưu cách nhiều agent phối hợp với nhau. Google Research, DeepMind và nhiều nhóm khác đang xem prompt, workflow và cấu trúc agent như những thành phần có thể tối ưu tương tự model.
Ở một hướng khác, AI đang tiến từ việc hiểu văn bản và hình ảnh sang mô phỏng thế giới. Video world models, robotics và Physical AI xuất hiện ngày càng nhiều trong nghiên cứu của Meta và NVIDIA. Trong khi đó, Anthropic tập trung vào interpretability, còn OpenAI đẩy mạnh AI trong khoa học, coding và tự động hóa nghiên cứu.
Từ 32 công trình dưới đây, có thể thấy một xu hướng chung: model đang trở thành một thành phần của hệ thống AI lớn hơn.
1. ArXiv: AI đang được nghiên cứu như một hệ thống
1. Tracing the Heart
Tracing the Heart nghiên cứu cách sử dụng AI để tạo ra các đặc trưng phục vụ dự đoán suy tim từ dữ liệu y tế.
Điểm đáng chú ý nằm ở khả năng truy xuất nguồn gốc của các feature được tạo ra. Hệ thống không chỉ đưa ra dự đoán mà còn cố gắng liên kết kết quả với bằng chứng, giúp con người kiểm tra quá trình tạo ra feature.
Điều này phản ánh một yêu cầu ngày càng quan trọng đối với AI trong lĩnh vực nhạy cảm: kết quả không chỉ cần chính xác mà còn phải có khả năng kiểm chứng.
2. The Low Frequency Trap
The Low Frequency Trap xem xét khả năng hiểu video của các VideoLLM.
Nghiên cứu cho thấy mô hình có thể gặp khó khăn với những nhiệm vụ tưởng như đơn giản, chẳng hạn theo dõi hoặc đếm các sự kiện xảy ra với tần suất thấp trong một video.
Kết quả đặt ra câu hỏi về khoảng cách giữa khả năng mô tả nội dung hình ảnh và khả năng thực sự hiểu diễn biến theo thời gian.
3. Challenges in Evaluating Explanation Methods
Explainable AI từ lâu được xem là một hướng quan trọng để giúp con người hiểu tại sao mô hình đưa ra một dự đoán.
Tuy nhiên, nghiên cứu về các phương pháp đánh giá explanation cho thấy việc đo chất lượng của explanation không đơn giản. Khi dữ liệu và môi trường thay đổi, một explanation từng được xem là tốt có thể không còn phù hợp.
Điều này cho thấy XAI cần được đánh giá trong điều kiện động thay vì chỉ trên một dataset cố định.
4. TRAJDEBUG
TRAJDEBUG tập trung vào một vấn đề đặc biệt quan trọng với agent: agent có thể thực hiện hàng chục hoặc hàng trăm bước trước khi thất bại.
Khi đó, việc nhìn vào output cuối cùng thường không đủ để xác định nguyên nhân. TRAJDEBUG hướng tới việc theo dõi trajectory của agent và xác định những lỗi có vai trò quyết định đối với failure.
Đây là một hướng nghiên cứu có ý nghĩa trực tiếp đối với AgentOps. Khi agent trở thành một thành phần của phần mềm production, debugging trajectory có thể trở nên quan trọng tương tự debugging code.
5. Beyond Top-K
RAG truyền thống thường tìm một số lượng tài liệu cố định, sau đó đưa chúng vào LLM.
Beyond Top-K đặt câu hỏi liệu cách tiếp cận này có đủ tốt với các tài liệu phức tạp như tài liệu tài chính và regulatory hay không. Nghiên cứu hướng tới retrieval có tính tương tác hơn, trong đó hệ thống có thể tìm kiếm, điều hướng và đọc các phần liên quan của tài liệu.
Đây là dấu hiệu cho thấy RAG đang chuyển từ một pipeline retrieval đơn giản sang một quá trình agentic. Microsoft Research cũng ghi nhận kết quả tương tự với AgenticRAG, trong đó agent sử dụng search, find, open và summarize để tự điều hướng tài liệu. (Microsoft)
2. OpenReview: từ LLM sang AI có khả năng hành động
6. FIRE-Bench
FIRE-Bench đặt AI agent vào một bài toán gần với công việc nghiên cứu khoa học thực tế.
Agent phải hiểu vấn đề, đưa ra giả thuyết, thiết kế thí nghiệm, viết code, chạy thử nghiệm và rút ra kết luận.
Điểm quan trọng của nghiên cứu không chỉ là benchmark mới. Nó cho thấy một câu hỏi lớn đang xuất hiện trong AI research: liệu AI có thể thực hiện toàn bộ vòng đời của một nghiên cứu hay vẫn chỉ giỏi từng bước riêng lẻ?
7. Proact-VL
Proact-VL nghiên cứu VideoLLM có khả năng chủ động tương tác thay vì chỉ trả lời khi người dùng đặt câu hỏi.
Hệ thống phải quan sát video, xác định thời điểm thích hợp để phản hồi và tạo ra hướng dẫn hoặc commentary.
Đây là bước chuyển từ reactive AI sang proactive AI, trong đó hệ thống phải quyết định không chỉ “nói gì” mà còn “khi nào nên nói”.
8. Sparks of Cooperative Reasoning
Nghiên cứu này xem xét khả năng nhiều LLM phối hợp để giải quyết vấn đề.
Kết quả cho thấy việc đặt nhiều model cạnh nhau không tự động tạo ra một hệ thống thông minh hơn. Hiệu quả phụ thuộc vào cách các agent chia sẻ thông tin, duy trì context và phối hợp quá trình suy luận.
Điều này khiến thiết kế multi-agent trở thành một bài toán kiến trúc thay vì chỉ là vấn đề chọn model.
9. Trustworthy AI Must Account for Interactions
Một model có thể hoạt động tốt khi được đánh giá độc lập nhưng cho kết quả khác khi tương tác với người dùng, model khác hoặc môi trường bên ngoài.
Nghiên cứu lập luận rằng các thuộc tính như fairness, robustness và safety cần được đánh giá trong chính quá trình tương tác.
Quan điểm này phù hợp với xu hướng rộng hơn của agentic AI: đối tượng cần đánh giá không còn chỉ là model mà là toàn bộ hệ thống.
10. Generative Models Erode Human Temporal Learning
Nghiên cứu này đặt vấn đề về tác động dài hạn của generative AI đối với quá trình tích lũy kiến thức của con người.
Khi AI có thể tạo ra những sản phẩm trước đây đòi hỏi nhiều năm học tập và thực hành, việc phân biệt giá trị của quá trình học tập với giá trị của sản phẩm cuối cùng có thể trở nên khó khăn hơn.
Đây là một trong những hướng nghiên cứu cho thấy tác động của AI không chỉ nằm ở năng suất mà còn liên quan đến cấu trúc của thị trường lao động và tri thức.
3. Hugging Face Papers: các hướng đang được cộng đồng quan tâm
11. ABot-World-0
ABot-World-0 nghiên cứu world model cho video tương tác.
Mục tiêu không chỉ là tạo ra một đoạn video đẹp mà là mô phỏng cách thế giới phản ứng với hành động của agent.
Đây là một bước quan trọng đối với Physical AI, bởi robot cần dự đoán điều gì sẽ xảy ra sau khi thực hiện một hành động thay vì chỉ nhận diện hình ảnh hiện tại.
12. PaddleOCR-VL-1.6
PaddleOCR-VL-1.6 tập trung vào document understanding.
Thay vì chỉ mở rộng model, hướng tiếp cận chú trọng vào việc xác định những vùng mà model còn yếu và sử dụng post-training để cải thiện chúng.
Điều này cho thấy việc tăng kích thước model không phải lúc nào cũng là phương án tối ưu. Dữ liệu, post-training và cách phân bổ năng lực cũng ngày càng quan trọng.
13. SkillOpt
SkillOpt đưa ra một ý tưởng đáng chú ý: skill của agent có thể được tối ưu mà không nhất thiết phải thay đổi model weights.
Agent thực hiện task, tạo trajectory, đánh giá kết quả rồi sử dụng optimizer để cải thiện skill.
Nếu hướng này tiếp tục phát triển, việc “train agent” trong tương lai có thể không đồng nghĩa với fine-tune model. Một phần quan trọng của learning có thể diễn ra ở lớp workflow và skill.
14. mmGRPO
mmGRPO mở rộng reinforcement learning sang các hệ thống LLM nhiều module.
Thay vì chỉ tối ưu model, phương pháp hướng tới việc tối ưu các thành phần trong toàn bộ chương trình AI.
Đây là một dấu hiệu của sự chuyển dịch từ weight optimization sang system optimization.
4. Google DeepMind: reasoning, safety và con người
Google DeepMind hiện liệt kê hàng loạt nghiên cứu mới trong năm 2026, trong đó các chủ đề nổi bật gồm reasoning, safety, human values và multimodal AI. (Google DeepMind)
15. Visual Prompt Engineering for Video Models
Nghiên cứu này áp dụng visual prompt engineering cho video models.
Thay vì chỉ thay đổi câu lệnh bằng văn bản, researchers tìm cách điều chỉnh thông tin trực quan được đưa vào model để cải thiện khả năng reasoning.
Kết quả cho thấy prompt engineering đang mở rộng từ ngôn ngữ sang chính không gian hình ảnh và video.
16. Quantifying the Salience of Geo-Cultural Values
AI toàn cầu phải hoạt động trong nhiều nền văn hóa khác nhau.
Nghiên cứu này xem xét cách các giá trị địa lý và văn hóa được thể hiện trong AI, qua đó đặt câu hỏi về việc xây dựng các hệ thống alignment không áp đặt một hệ giá trị duy nhất.
17. The Case for Globally Beneficial Technology
DeepMind tiếp tục nghiên cứu câu hỏi ai sẽ hưởng lợi từ những công nghệ AI mạnh hơn.
Thay vì chỉ đánh giá AI bằng capability, nghiên cứu xem xét lợi ích của công nghệ trên quy mô toàn cầu.
Đây là một phần của cuộc thảo luận rộng hơn về governance và phân phối lợi ích từ AI.
18. Towards Structural Understanding of LLM Overthinking
Reasoning model thường được kỳ vọng rằng càng suy nghĩ nhiều thì càng có kết quả tốt.
Nghiên cứu của DeepMind cho thấy thực tế phức tạp hơn. Model có thể tiếp tục khám phá hoặc kiểm tra ngay cả khi đã có đủ thông tin để đưa ra câu trả lời.
Việc hiểu cấu trúc của “overthinking” có ý nghĩa trực tiếp đối với chi phí inference của các reasoning model. (Google DeepMind)
19. Bridging the Scale Gap
DeepMind nghiên cứu cách dùng AI để hỗ trợ con người red-team các text-to-image model.
Thay vì chỉ tăng số lượng người kiểm thử, AI có thể hỗ trợ mở rộng phạm vi tìm kiếm các failure mode.
Điều này tạo ra một hướng đáng chú ý: sử dụng AI để kiểm thử chính các hệ thống AI khác.
20. Real-Time Group Dynamics with LLM Facilitation
Một nghiên cứu khác của DeepMind xem xét việc sử dụng LLM để hỗ trợ quá trình thảo luận và ra quyết định của nhóm.
AI trong trường hợp này không còn chỉ đóng vai trò trợ lý cho một cá nhân mà trở thành thành phần của một hệ thống xã hội có nhiều người tham gia. (Google DeepMind)
5. OpenAI: AI bắt đầu tham gia trực tiếp vào khoa học và engineering
OpenAI hiện công bố các nghiên cứu liên quan đến scientific computing, AI safety, coding evaluation và scientific discovery. (OpenAI)
21. Scientific Computing in the Age of Agentic AI
OpenAI nghiên cứu cách các coding agent có thể được sử dụng trong scientific computing.
AI không chỉ viết một đoạn code mà có thể tham gia vào quá trình xây dựng phần mềm phục vụ nghiên cứu khoa học.
Đây là dấu hiệu cho thấy agentic coding đang mở rộng từ software engineering sang scientific engineering.
22. GPT-Red
GPT-Red là hệ thống tự động red-team sử dụng self-play để tìm và cải thiện khả năng chống lại các vấn đề về safety, alignment và prompt injection.
Điểm đáng chú ý là AI được sử dụng để liên tục kiểm thử chính AI.
Nếu mô hình này mở rộng hiệu quả, automated red teaming có thể trở thành một lớp bắt buộc trong quy trình phát triển frontier models. (OpenAI)
6. Anthropic: nhìn vào bên trong model
23. A Global Workspace in Language Models
Anthropic công bố nghiên cứu về một cấu trúc nội bộ được gọi là J-space trong Claude.
Các nhà nghiên cứu cho rằng J-space có một số đặc tính tương tự “global workspace”, nơi thông tin có thể được truy cập và sử dụng bởi nhiều quá trình khác nhau bên trong model.
Điểm quan trọng là J-space không phải một module được lập trình trực tiếp. Nó xuất hiện trong quá trình training. Anthropic cũng cho biết nghiên cứu này có thể giúp phát hiện một số trạng thái nội bộ của model mà output bên ngoài không thể hiện rõ. (Anthropic)
24. Claude’s Values Across Models and Languages
Anthropic cũng nghiên cứu cách các giá trị thể hiện trong Claude thay đổi giữa các model và ngôn ngữ.
Kết quả cho thấy alignment không nhất thiết là một thuộc tính bất biến. Cách model thể hiện các giá trị có thể thay đổi theo model và context ngôn ngữ.
Đây là vấn đề quan trọng khi một hệ thống AI được triển khai trên phạm vi toàn cầu.
7. Meta AI: AI bắt đầu học cách hiểu thế giới
Meta đang đẩy mạnh nghiên cứu về video, reasoning, retrieval và robotics. Danh mục publication của Meta trong tháng 7/2026 có các nghiên cứu về reasoning bằng reinforcement learning, memory retrieval và video world models. (Ai.Meta)
25. Interpreting Physics in Video World Models
Nghiên cứu của Meta tìm hiểu cách các video world model biểu diễn thông tin vật lý bên trong mạng neural.
Các nhà nghiên cứu xác định một vùng trung gian gọi là “Physics Emergence Zone”, nơi những biến vật lý trở nên dễ nhận diện hơn.
Điều đáng chú ý là thông tin vật lý không được lưu dưới dạng một bộ biến nhỏ giống physics engine truyền thống. Thay vào đó, nó được biểu diễn theo cách phân tán và phân cấp trong mạng. (Ai.Meta)
26. Learning to Reason by Analogy via Retrieval-Augmented Reinforcement Fine-Tuning
Meta nghiên cứu cách kết hợp retrieval với reinforcement fine-tuning để giúp model học reasoning bằng analogy.
Thay vì chỉ học trực tiếp từ dữ liệu training, model có thể tìm những ví dụ tương tự và sử dụng chúng trong quá trình suy luận.
Đây là một hướng đáng chú ý vì nó kết hợp ba xu hướng lớn: retrieval, reasoning và reinforcement learning. (Ai.Meta)
8. Microsoft Research: agent cần môi trường và hạ tầng
27. Orchard
Orchard hướng tới một framework cho agentic AI có khả năng mở rộng.
Ý tưởng quan trọng là agent không thể được xem đơn giản như một prompt cộng với một LLM. Hệ thống còn cần execution environment, tools, orchestration và evaluation.
Đây là cách tiếp cận gần với khái niệm AgentOps, trong đó infrastructure trở thành một phần của intelligence stack.
28. Multi-Agent AI Systems Outperform Human Teams in Creativity
Một nghiên cứu của Microsoft Research cho thấy multi-agent LLM teams có thể vượt các nhóm người trong một số bài toán sáng tạo.
Nghiên cứu phân tích hơn 4.500 ý tưởng từ multi-agent LLM teams và 341 ý tưởng từ human teams. Kết quả cho thấy lợi thế chủ yếu đến từ khả năng tạo ra các ý tưởng mới lạ hơn. (Microsoft)
Kết quả không có nghĩa rằng AI đã “sáng tạo hơn con người” trong mọi tình huống. Nó cho thấy cấu trúc thảo luận giữa nhiều agent có thể tạo ra một dạng exploration mà một agent đơn lẻ khó đạt được.
9. Google Research: tối ưu chính kiến trúc của agent
29. Multi-Agent Design
Google Research nghiên cứu cách tự động tối ưu prompt và topology của multi-agent system.
Một hệ thống có thể có nhiều agent, nhưng số lượng agent không phải yếu tố duy nhất quyết định hiệu quả. Cách chúng trao đổi thông tin và thứ tự thực hiện nhiệm vụ cũng đóng vai trò quan trọng.
Mục tiêu của nghiên cứu là giảm lượng trial-and-error mà con người phải thực hiện khi thiết kế multi-agent workflow. (Google Research)
30. CROP
CROP tập trung vào một vấn đề đang trở nên ngày càng quan trọng khi reasoning model được sử dụng ở quy mô lớn: chi phí token.
Thay vì đơn giản yêu cầu model suy nghĩ nhiều hơn, phương pháp tìm cách tối ưu prompt để model đạt kết quả tương đương với ít token hơn.
Đây là hướng nghiên cứu có giá trị thực tế cao bởi trong hệ thống agent, một lần chạy có thể chứa hàng chục hoặc hàng trăm lần gọi model.
10. NVIDIA Research: bước chuyển sang Physical AI
31. DreamDojo
DreamDojo hướng tới một world model cho robotics.
Thay vì robot chỉ học quan hệ trực tiếp giữa camera và action, world model cho phép hệ thống mô phỏng các trạng thái có thể xảy ra sau một hành động.
Nếu tiếp tục phát triển, cách tiếp cận này có thể giúp robot “thử” hành động trong môi trường mô phỏng trước khi thực hiện ngoài đời.
32. Learning Dexterous Manipulation Using Contact Wrench Guidance
Nghiên cứu này tập trung vào khả năng manipulation khéo léo của robot.
Thông tin về lực tiếp xúc và wrench được sử dụng để giúp robot học những hành động phức tạp hơn từ human demonstrations.
Đây là một phần của xu hướng Physical AI, trong đó intelligence không chỉ tồn tại trong phần mềm mà phải được kết nối với cảm biến, vật lý và hành động trong thế giới thực.
Nhận định: AI đang thay đổi từ model-centric sang system-centric
Nếu đặt 32 nghiên cứu cạnh nhau, một bức tranh khá rõ xuất hiện.
Thứ nhất, LLM đang trở thành một thành phần thay vì toàn bộ sản phẩm AI. Một agent production cần model, prompt, tools, memory, environment, evaluation, guardrails và cơ chế phục hồi khi thất bại.
Thứ hai, workflow đang trở thành đối tượng nghiên cứu. Multi-Agent Design, SkillOpt và các nghiên cứu về agent trajectory cho thấy prompt, skill, topology và execution strategy có thể được tối ưu tương tự như model weights.
Thứ ba, evaluation đang trở thành một ngành riêng. FIRE-Bench, TRAJDEBUG, red teaming và các nghiên cứu về benchmark cho thấy câu hỏi “model mạnh đến đâu” đang dần được thay thế bằng những câu hỏi khó hơn: model có đáng tin không, có tự sửa lỗi được không, có hành động đúng trong môi trường thay đổi không và có thể làm việc dài hạn đến đâu?
Thứ tư, reasoning đang trở thành bài toán kinh tế. Overthinking và token efficiency không chỉ là vấn đề kỹ thuật. Với agent chạy hàng triệu task, mỗi token dư thừa đều trở thành chi phí hạ tầng.
Cuối cùng, Physical AI và AI for Science có thể là những hướng mở rộng lớn tiếp theo. Khi AI có thể viết code, chạy experiment, mô phỏng thế giới và điều khiển robot, ranh giới giữa “AI model” và “AI worker” sẽ ngày càng mờ đi.
Vì vậy, nhận định đáng chú ý nhất từ nhóm nghiên cứu này không phải là một model nào đang đứng đầu benchmark. Đó là sự thay đổi trong đơn vị cạnh tranh của AI.
Trong giai đoạn trước, câu hỏi thường là: “Model nào tốt hơn?”
Trong giai đoạn agentic AI, câu hỏi ngày càng trở thành: “Hệ thống nào có thể hoàn thành công việc tốt hơn, ổn định hơn và với chi phí thấp hơn?”
Đây cũng là lý do những khái niệm như AgentOps, harness, trajectory debugging, memory, skill optimization, evaluation và environment đang trở nên quan trọng đối với AI engineering.
Thuật ngữ
AI Agent: Hệ thống AI có khả năng lập kế hoạch và thực hiện nhiều bước để hoàn thành mục tiêu.
Agentic AI: Cách xây dựng AI theo hướng hệ thống có khả năng tự quyết định và thực hiện hành động thay vì chỉ tạo output một lần.
Agent Harness: Lớp phần mềm bao quanh model, cung cấp tools, prompt, memory, execution logic, guardrails và các cơ chế kiểm soát.
Trajectory: Toàn bộ chuỗi hành động, suy luận và tool calls của một agent trong một lần thực hiện nhiệm vụ.
AgentOps: Các hoạt động vận hành, quan sát, đánh giá, debugging và quản lý agent trong production.
World Model: Mô hình học cách biểu diễn và dự đoán trạng thái của một môi trường.
Physical AI: AI có khả năng tương tác trực tiếp với thế giới vật lý, đặc biệt thông qua robot.
Reasoning Model: Model được tối ưu để thực hiện các bước suy luận phức tạp trước khi đưa ra câu trả lời.
Overthinking: Hiện tượng reasoning model tiếp tục suy luận hoặc kiểm tra sau khi đã có đủ thông tin để trả lời.
Interpretability: Các phương pháp nhằm hiểu cách thông tin được biểu diễn và xử lý bên trong model.
Open-weight: Model công khai weights để người khác có thể tải và tự chạy, nhưng không nhất thiết đồng nghĩa với open-source hoàn toàn.
Agentic RAG: RAG trong đó agent chủ động tìm kiếm, mở tài liệu, điều hướng và đánh giá bằng chứng thay vì chỉ nhận một tập Top-K kết quả cố định.
Tham khảo
Anthropic Research: A Global Workspace in Language Models
Để lại một bình luận
Bạn phải đăng nhập để gửi bình luận.