Còn ai dám nói nghiên cứu khoa học không còn vấn đề mới nữa? Hướng đi hay đều bị người trước chiếm hết rồi sao??
Nếu tôi nói rằng—
Phần lớn các bài báo đã đăng trên tạp chí hàng đầu, đều có vấn đề thì sao?
Gần đây, sau khi các nhà nghiên cứu dùng AI Agent "kiểm tra tính trung thực học thuật", họ phát hiện:
Trong số 92 bài báo được báo cáo tại Hội nghị Quốc tế về Máy học (ICML) 2026, có 58 bài đã không thể tái hiện lại được.
Thật hay giả vậy? Chẳng lẽ cơ hội đăng bài ồ ạt lên tạp chí hàng đầu thực sự đến rồi?
Bài báo hội nghị hàng đầu đang bị AI "vạch trần" tập thể
Thông thường, một bài báo được chấp nhận vào hội nghị hàng đầu có nghĩa là nó đã trải qua quá trình phản biện đồng nghiệp.
Tuy nhiên, do hạn chế về thời gian và công sức, các phản biện đồng nghiệp hầu như không có thời gian để tải dữ liệu từ đầu, chạy mô hình hoặc tái hiện thí nghiệm để kiểm chứng từng kết luận thực nghiệm trong bài báo.
Đồng thời, cùng với sự bùng nổ số lượng bài báo trong lĩnh vực AI, các mô hình ngày càng phức tạp, quy mô thí nghiệm ngày càng lớn, mã nguồn, dữ liệu, thiết lập tham số đằng sau một bài báo có thể liên quan đến hàng trăm chi tiết.
Khả năng kiểm chứng của bài báo cũng vì thế mà trở nên quan trọng hơn bao giờ hết. Bài báo được công bố rồi, nhưng các kết luận trong đó có thể chạy lại được không?
Hiện tại, AI Agent đã giảm đáng kể chi phí cho việc kiểm chứng và tái hiện này.
Ngày 22 tháng 7, một công ty nghiên cứu và kiểm duyệt của Mỹ đã sử dụng AI Agent để tiến hành kiểm toán hệ thống nhằm tái hiện kết quả cho toàn bộ 168 bài báo báo cáo trình bày miệng tại ICML 2026.
Trong 168 bài báo, có 92 bài có ít nhất 5 tuyên bố kết luận có thể kiểm chứng.
Kết quả cuối cùng là: Chỉ có 34 bài mà AI Agent có thể tái hiện thành công hơn bốn phần trăm kết luận; và chỉ có 8 bài có thể tái hiện hơn tám phần trăm kết luận.
Tuy nhiên, cần phải nói rõ rằng, giữa "không thể tái hiện" và "gian lận nghiên cứu" vẫn tồn tại một sự khác biệt rất lớn.
Lý do thất bại trong tái hiện bao gồm nhưng không giới hạn ở việc mã nguồn thiếu tệp quan trọng, phiên bản thư viện phụ thuộc bị đứt gãy, kết quả chạy không khớp với bài báo, và có 4 bài báo phụ thuộc vào mô hình đã ngừng hoạt động, điều này có nghĩa là kết quả thí nghiệm đã vĩnh viễn không thể được tái hiện bởi bất kỳ ai.
Ngoài ra, còn có một số trường hợp sai sót khá nghiêm trọng—
Ví dụ, một bài báo lấy "chỉ huấn luyện 0.77% tham số của mô hình cơ sở" làm điểm bán hàng chính, nhưng checkpoint mã nguồn mở thực tế của nó lại huấn luyện tới 6.31% tham số, chênh lệch khoảng 8 lần.
Một bài báo khác đưa ra một bảng độ tin cậy dựa trên một mô hình đánh giá nhất định, nhưng mã nguồn mở của nó hoàn toàn không chứa mô hình đánh giá đó, cũng không có bất kỳ kịch bản nào có thể tạo ra kết quả trong bảng.
Cũng không phải trường hợp cá biệt, năm 2026, Hugging Face và AlphaXiv cùng phát động cuộc thi "Agent Reproduction Challenge" nhắm vào ICML 2026, mời các nhà nghiên cứu sử dụng AI Coding Agent để tự động hóa việc tái hiện các bài báo được chấp nhận tại ICML 2026, kết quả cũng rất không khả quan.
Xu hướng tương tự được thể hiện rõ hơn trong việc phát hiện thiếu sót, lỗi sai trong bài báo.
Cuối năm 2025, một nghiên cứu đã phát triển hệ thống kiểm tra bài báo dựa trên GPT-5, dùng để phân tích các bài báo đã đăng trên các hội nghị và tạp chí AI hàng đầu, tìm kiếm những vấn đề có thể kiểm chứng khách quan. Các nhà nghiên cứu đã nói rất rõ:
Chúng tôi chỉ tìm "lỗi khách quan", chúng tôi không quan tâm đến tính sáng tạo và giá trị nghiên cứu của bài báo.
Kết quả cuối cùng cho thấy, trung bình mỗi bài báo được phát hiện ra 4.7 lỗi khách quan, 99.2% bài báo ít nhất bị đánh dấu có một vấn đề.
△ Ảnh do AI tạo ra
Xét theo loại lỗi, lỗi toán học và công thức chiếm tỷ lệ cao nhất, đạt 54.0% (bao gồm viết sai phương trình, logic suy luận có lỗ hổng, giả định sai trong chứng minh, v.v.).
Khoảng 30.8% bài báo tại NeurIPS và 23.8% bài báo tại ICLR chứa ít nhất một lỗi thực chất có thể ảnh hưởng đến việc diễn giải kết quả.
Đáng chú ý hơn là xu hướng theo thời gian: Số lỗi trung bình mỗi bài báo tại NeurIPS đã tăng từ 3.8 lỗi năm 2021 lên 5.9 lỗi năm 2025, tăng 55.3%.
......
Có lẽ sau này, việc công bố bài báo không còn có nghĩa là nghiên cứu tuyên bố "chiến thắng", mà chỉ là bước vào vòng bắt đầu mới của quá trình kiểm chứng bằng AI.
Tin vui lớn cho tân binh học thuật: Không cần làm thí nghiệm vẫn có thể đăng tạp chí hàng đầu
Vì vậy, các bạn ơi, đối với những người đang loay hoay tìm đề tài, điều này thực sự có thể là một "tin tốt" khá bất ngờ.
Việc tra cứu tài liệu tìm lỗi, viết thư chỉnh sửa, vốn là hình thức sản phẩm học thuật chính thống trong giới học thuật, giờ đây xem ra, lại là một vùng biển xanh học thuật hoàn toàn mới.
Cụ thể bắt đầu từ đâu? Đây là vài gợi ý cho các tân binh học thuật đang lo về đề tài:
Thứ nhất, thay đổi tư duy nghiên cứu, không đua ở tuyến đầu mà đua với quá khứ.
Chuyển từ "tìm đề tài mới" sang "tìm điểm bất thường trong các bài báo cũ", tập trung vào những bài báo kinh điển được trích dẫn nhiều nhưng ít tranh cãi. Dù sao thì "99.2% bài báo ít nhất có một lỗi".
Thứ hai, để AI giúp bạn tạo bản đồ tri thức và hệ phả nghiên cứu.
Loại bản đồ tri thức này có thể giúp bạn hiểu—đâu là những công trình thực sự đặt nền móng? Quan điểm nghiên cứu nào hiện còn đang tranh cãi? Kết luận nào được trích dẫn nhiều nhưng thiếu kiểm chứng? Mối quan hệ trích dẫn giữa các bài báo khác nhau là gì? Từ đó, tìm ra những kết nối và điểm bất thường khó phát hiện trước đây.
Thứ ba, Hãy hỏi bất cứ điều gì (Ask anything).
Nhiều đột phá quan trọng trong lịch sử khoa học không đến từ việc đặt ra những câu hỏi hoàn toàn mới, mà đến từ việc xem xét lại một giả định đã được chấp nhận từ lâu.
Ví dụ: Một thí nghiệm kinh điển đã từng được kiểm chứng theo tiêu chuẩn ngày nay chưa? Một kết luận được trích dẫn rộng rãi, liệu có tồn tại điều kiện hạn chế chưa được chú ý?
Trước đây, việc đặt câu hỏi này có chi phí rất cao, các nhà nghiên cứu phải dành nhiều thời gian tra cứu tài liệu gốc, so sánh chi tiết thí nghiệm, nhưng giờ đây AI đã khiến chi phí đó gần như bằng không.
AI có thể bắt đầu tái cấu trúc lại lịch sử khoa học
Gần đây, nhà hóa học lý thuyết Pios từ Phòng thí nghiệm Chiết Giang, khi sử dụng AI để dự đoán điểm sôi của phân tử, đã phát hiện kết quả có mâu thuẫn rõ rệt với một cơ sở dữ liệu hóa học từ 75 năm trước.
Trước điều này, phản ứng đầu tiên của bất kỳ ai có lẽ đều là "chắc chắn là tôi sai rồi".
Pios cũng không ngoại lệ, anh vội vàng kiểm tra mô hình của mình. Nhưng sau khi truy ngược thủ công về tài liệu gốc, anh phát hiện: Trời ơi, hóa ra AI mới là bên đúng.
Pios vô cùng kinh ngạc, sau đó tiếp tục dùng AI để kiểm tra, thậm chí còn phát hiện ra một giá trị đo điểm sôi cách đây khoảng một thế kỷ và được giới học thuật công nhận là uy tín cũng bị sai.
Cần biết rằng, những dữ liệu này đã được trích dẫn và hấp thụ qua nhiều năm, nhiều thế hệ trong các nghiên cứu sau này.
Loại vấn đề này lâu nay không được phát hiện có thể liên quan trực tiếp đến quy mô của tài liệu khoa học.
△ Ảnh do AI tạo ra
Số lượng bài báo khoa học hiện đại đã vượt xa giới hạn đọc của bất kỳ nhà nghiên cứu cá nhân nào, ví dụ, chỉ riêng số lượng bài nộp hàng năm cho một hội nghị AI hàng đầu là ICLR đã tăng từ 1013 bài năm 2018 lên 19619 bài vào năm 2026.
Ở quy mô như vậy, một lỗi ban đầu xuất hiện trong một bài báo nào đó, một khi bị các tài liệu sau này trích dẫn lặp đi lặp lại, sẽ tiếp tục được truyền đi dọc theo chuỗi trích dẫn, hình thành nên sự đồng thuận học thuật trên thực tế.
Do thời gian đã lâu, chuỗi trích dẫn phức tạp, cộng với việc công tác kiểm tra lại tốn nhiều thời gian nhưng lợi ích học thuật hạn chế, phần lớn các lỗi đã đi vào hệ thống tài liệu chưa từng được xem xét một cách có hệ thống.
Nhưng giờ đây mọi thứ đã lung lay, ít nhất là về năng lực kỹ thuật, lần đầu tiên con người có khả năng xem xét lại quy mô lớn các tài liệu khoa học trong quá khứ.
Tuy nhiên, lấy ví dụ là Paper Correctness Checker chạy bằng GPT-5, độ chính xác phát hiện của nó là 83.2%, và trong mỗi lần kiểm tra vẫn còn khoảng bốn phần trăm lỗi thực sự chưa được phát hiện.
Có thể nói, bản thân các công cụ kiểm tra sự thật bằng AI như vậy không đủ tư cách để đóng vai trò quan tòa phán xét tài liệu khoa học, kết quả đầu ra của công cụ kiểm tra bằng AI cuối cùng vẫn cần được con người kiểm duyệt.
Bài viết từ tài khoản công khai WeChat "量子位" (ID: QbitAI), tác giả: Trình Thiển (程浅)
