# Bài viết Liên quan Nghiên cứu AI

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Nghiên cứu AI", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Mở khóa Token Trong Tuần: H Mở khóa Token chiếm 7.9% lượng lưu hành

**Tóm tắt: Giải phóng Token Tuần Này (Unlock Token)** Bài viết liệt kê thông tin giải phóng token (token unlock) của ba dự án tiền mã hóa trong tuần, bao gồm số lượng, giá trị và mô tả ngắn gọn. **1. Humanity Protocol (H)** * **Số lượng giải phóng:** 270 triệu token. * **Giá trị:** Khoảng 19.88 triệu USD (tương đương 7.9% lượng token đang lưu hành). * **Mô tả:** Một mạng lưới blockchain chống Sybil, cung cấp cơ chế xác minh danh tính con người độc đáo cho nhà phát triển và quyền sở hữu dữ liệu đầy đủ cho người dùng. * **Nguồn:** Có biểu đồ lộ trình giải phóng token chi tiết. **2. SoSoValue** * **Số lượng giải phóng:** 23.45 triệu token. * **Giá trị:** Khoảng 7.27 triệu USD. * **Mô tả:** Một nền tảng nghiên cứu đầu tư được hỗ trợ bởi AI, kết hợp hiệu quả của CeFi với tính minh bạch của DeFi để giải quyết các thách thức như quá tải thông tin trong thị trường tiền mã hóa. * **Nguồn:** Có biểu đồ lộ trình giải phóng token chi tiết. **3. Collector** * **Số lượng giải phóng:** 28.86 triệu token. * **Giá trị:** Khoảng 5.57 triệu USD. * **Mô tả:** Một nền tảng kết hợp quyền sở hữu vật chất với thị trường kỹ thuật số Web3 để biến đổi thị trường sưu tầm. Người dùng có thể số hóa, giao dịch và thậm chí thế chấp bộ sưu tập của mình. * **Nguồn:** Có biểu đồ lộ trình giải phóng token chi tiết. Bài viết cung cấp liên kết đến trang Twitter và website chính thức của từng dự án.

marsbit2 ngày trước 11:41

Mở khóa Token Trong Tuần: H Mở khóa Token chiếm 7.9% lượng lưu hành

marsbit2 ngày trước 11:41

Claude bắt đầu tự thiết kế protein mới, hiệu suất vượt xa chuyên gia con người hàng chục lần

Anthropic đã công bố thử nghiệm để Claude tự chủ thiết kế protein. Chỉ với tên của 15 protein đích, Claude (các phiên bản Mythos Preview và Opus) đã tự động thực hiện toàn bộ quy trình: chọn vị trí tác động, sử dụng kết hợp các công cụ mã nguồn mở (như RFdiffusion, ProteinMPNN), tạo, tối ưu hóa và lựa chọn các thiết kế protein liên kết mới. Quá trình này diễn ra trong 24-48 giờ mà không có sự can thiệp quyết định của con người. Kết quả, trong 1320 thiết kế, 354 thiết kế được hai phòng thí nghiệm độc lập xác nhận là hiệu quả, đạt tỷ lệ thành công tổng thể 26.8% – cao gấp 2-3 lần mức trung bình ngành (10-15%). Đặc biệt, thiết kế được Claude xếp hạng cao nhất có tỷ lệ thành công 49%. Claude đã thành công với các mục tiêu khó như TNFα và vượt trội trong một cuộc thi thiết kế protein RBX1 trước đó. Thí nghiệm này cho thấy khả năng của mô hình AI tổng quát như Claude trong việc tự động hóa các nhiệm vụ nghiên cứu chuyên sâu, đẩy nhanh đáng kể giai đoạn đầu của quy trình phát triển dược phẩm. Anthropic đã công khai dữ liệu và mã để tái hiện, đồng thời khóa khả năng sinh học trong Claude phiên bản công cộng vì lo ngại rủi ro kép.

marsbit08/19 11:42

Claude bắt đầu tự thiết kế protein mới, hiệu suất vượt xa chuyên gia con người hàng chục lần

marsbit08/19 11:42

Sam Altman chỉ tên: Ông ấy là nhà nghiên cứu quan trọng nhất trong giới AI, nhưng hầu như không ai biết ông

Trong một cuộc phỏng vấn gần đây, Sam Altman đã dành lời khen hiếm có cho Alec Radford, coi ông có lẽ là nhà nghiên cứu quan trọng nhất nhưng ít được biết đến trong lịch sử AI. Dù không có bằng tiến sĩ và rất kín tiếng, Radford là tác giả chính của loạt công trình định hình ngành như GPT-1, GPT-2, CLIP, Whisper và đóng góp cho GPT-3, DALL·E, Scaling Law, GPT-4. Radford gia nhập OpenAI năm 2016 khi 23 tuổi. Thử nghiệm ban đầu với bình luận Reddit thất bại, nhưng OpenAI vẫn ủng hộ ông. Ông chuyển sang tập dữ liệu nhỏ hơn và phát hiện "tế bào thần kinh cảm xúc không giám sát", cho thấy mô hình có thể tự học các khả năng không được chỉ định rõ. Sự xuất hiện của kiến trúc Transformer năm 2017 là bước ngoặt. Radford áp dụng nó để dự đoán từ tiếp theo, tạo nền tảng cho GPT-1 (2018), khai sinh khái niệm "Big Transformer" – mở rộng quy mô mô hình, dữ liệu và tính toán. GPT-1 đặt hướng đi cho OpenAI, dẫn đến GPT-2 (2019) và các Định luật Scaling. Đến GPT-3 (2020), dự án đã trở thành nỗ lực tập thể lớn. Radford sau đó chuyển sang lĩnh vực khác, áp dụng nguyên lý cốt lõi – tìm nhiệm vụ huấn luyện đơn giản, phổ quát và mở rộng quy mô – vào thị giác máy tính với DCGAN, Image GPT, DALL·E, CLIP và xử lý âm thanh với Jukebox, Whisper. Dù có ảnh hưởng lớn, Radford cực kỳ kín đáo, ít phỏng vấn và hầu như không xây dựng hình ảnh cá nhân. Altman mô tả ông là "thiên tài trăm năm có một" và là người tử tế nhất. Năm 2024, Radford rời OpenAI để nghiên cứu độc lập. Dự án mới nhất của ông, Talkie, là một mô hình ngôn ngữ "cổ điển" chỉ được huấn luyện trên dữ liệu trước năm 1931, nhằm thử nghiệm khả năng học kỹ năng mới thay vì chỉ dựa vào ghi nhớ, một lần nữa cho thấy tư duy đi trước thời đại của ông.

marsbit08/17 08:16

Sam Altman chỉ tên: Ông ấy là nhà nghiên cứu quan trọng nhất trong giới AI, nhưng hầu như không ai biết ông

marsbit08/17 08:16

Oxford và NUS Đề Xuất Hướng Thế Giới Mô Hình Thế Hệ Tiếp Theo: Mô Hình Thế Giới Tâm Trí Đã Đến

Nghiên cứu chung giữa Đại học Oxford và Đại học Quốc gia Singapore (NUS) đề xuất "Mental World Modeling" (MWM), một hướng tiếp cận thế hệ tiếp theo cho mô hình thế giới. MWM lập luận rằng để dự đoán chính xác hành vi của con người, các mô hình AI cần mô hình hóa không chỉ trạng thái vật lý mà còn cả trạng thái tinh thần-xã hội (như niềm tin, kiến thức, mục tiêu, cảm xúc) của các tác nhân, vì những yếu tố này cùng quyết định trạng thái tương lai của thế giới. Bài báo minh họa bằng ví dụ: nếu người A cất cốc vào tủ mà người B không thấy, một mô hình chỉ dựa trên vật lý sẽ dự đoán sai rằng B sẽ tìm cốc trong tủ. Ngược lại, một mô hình hiểu được niềm tin của B (rằng cốc vẫn ở trên bàn) sẽ dự đoán đúng hành vi. Nhóm nghiên cứu đã phát triển MENTIS, một hệ thống mô-đun tham chiếu không cần huấn luyện, buộc các mô hình ngôn ngữ lớn (LLM) lập luận theo cách của MWM thông qua các bước rõ ràng: phân tích trạng thái, tạo quan sát cục bộ, mô phỏng chuyển đổi trạng thái vật lý-tinh thần và đánh giá. Thử nghiệm cho thấy MWM rất cần thiết, cải thiện đáng kể độ chính xác dự đoán hành vi, đặc biệt trong các tình huống tương tác xã hội nơi các biến số tinh thần là chủ đạo. Phân tích cũng chỉ ra rằng nút thắt chính hiện nay là khả năng mô phỏng sự chuyển đổi trạng thái kết hợp vật lý-tinh thần. MWM có giá trị cao nhất khi hiệu quả của một hành động phụ thuộc vào các biến số tinh thần không thể suy ra chỉ từ cảnh vật lý.

marsbit08/13 04:48

Oxford và NUS Đề Xuất Hướng Thế Giới Mô Hình Thế Hệ Tiếp Theo: Mô Hình Thế Giới Tâm Trí Đã Đến

marsbit08/13 04:48

Nhà nghiên cứu OpenAI: Chúng tôi đều không đọc bài báo nghiên cứu nữa

Một nghiên cứu viên của OpenAI nhận xét rằng các nhà nghiên cứu tại các phòng thí nghiệm tiên phong gần như không đọc bài báo khoa học nữa, chỉ trích ba hội nghị hàng đầu chứa quá nhiều sự cường điệu và gian lận. Một đánh giá quy mô lớn từ SAI (Science Audit Institute) trên 168 bài báo trình bày trực tiếp (Oral) tại ICML 2026 cho thấy kết quả đáng báo động: chỉ 104 bài có mã nguồn mở và 105 bài được tái hiện đầy đủ. Trong số đó, chỉ 34 bài tái hiện được hơn 40% luận điểm chính, và chỉ 8 bài đạt tỷ lệ tái hiện trên 80%. Các vấn đề phổ biến bao gồm mã không chạy được, thiếu file, hướng dẫn không đầy đủ, kết quả không khớp với bài báo, và một số mô hình phụ thuộc đã ngừng hoạt động. Chi phí để tái chạy thí nghiệm cho một bài báo Oral trung bình là 8.900 USD, với 17 bài vượt quá 100.000 USD và bài đắt nhất lên tới gần 2,2 triệu USD. Điều này khiến việc kiểm chứng độc lập trở nên cực kỳ khó khăn, tạo ra một môi trường mà "nghiên cứu kém chất lượng có lợi nhuận cao nhưng rủi ro thấp", vì các bài báo có vấn đề vẫn dễ dàng được chấp nhận, trích dẫn và trở thành công cụ xin việc. Mặc dù các chuyên gia trong ngành có thể ít dựa vào bài báo, nhưng chính những bài báo này vẫn là thước đo quan trọng để sinh viên và nhà nghiên cứu trẻ chứng minh năng lực, xin học bổng tiến sĩ, vị trí giảng dạy hay việc làm tại các phòng thí nghiệm lớn. Điều này tạo ra nghịch lý: giá trị truyền tải tri thức của bài báo bị nghi ngờ, nhưng giá trị trong cạnh tranh nghề nghiệp thì vẫn nguyên vẹn.

marsbit08/09 23:32

Nhà nghiên cứu OpenAI: Chúng tôi đều không đọc bài báo nghiên cứu nữa

marsbit08/09 23:32

Phiên bản Trung Quốc của "DeepSeek Sinh học" ra đời, 4 học bá Oxford để AI tiếp quản Khoa học Sự sống

Mô hình GeneLLM của Công ty Công nghệ Sinh học Jindu, do 4 nghiên cứu sinh từ Đại học Oxford sáng lập, đã được công bố trên các tạp chí khoa học uy tín *Nature Communications* và *Advanced Science*. Đây là mô hình đa nhóm sinh học (multi-omics) lớn đầu tiên trên thế giới được đào tạo trước trực tiếp từ dữ liệu gốc (raw sequencing data), coi các base RNA (A, U, G, C) như các "token" cơ bản để dự đoán thông tin sinh học tiếp theo. Với 15 tỷ tham số ban đầu và phiên bản XLarge lên đến 300 tỷ tham số, GeneLLM hứa hẹn cách mạng hóa nhiều lĩnh vực như phát triển thuốc, y học chính xác và sinh học tổng hợp. Không dừng lại ở mô hình cơ sở, Jindu phát triển nền tảng nghiên cứu BioFord Agent và hệ thống BioFord Harness, một "cơ sở hạ tầng thông minh" kết nối thế giới AI với phòng thí nghiệm vật lý. Hệ thống này bao gồm năm tác nhân thông minh (agent) phối hợp để tự động hóa toàn bộ quy trình nghiên cứu từ tra cứu tài liệu, thiết kế thí nghiệm, lập lịch thiết bị đến phân tích dữ liệu, giúp rút ngắn chu kỳ nghiên cứu từ vài tháng xuống còn một tuần. Điểm mấu chốt là nó biến mọi dữ liệu thí nghiệm, kể cả thất bại, thành kinh nghiệm có thể học hỏi cho hệ thống. Với lối tiếp cận "nhẹ" tập trung vào "chặng cuối cùng" (last mile) kết nối AI với phòng thí nghiệm thay vì tự xây dựng cơ sở hạ tầng nặng, Jindu đã thu hút được bốn vòng đầu tư chỉ trong một năm từ các quỹ lớn như Sequoia China và Gaotejia. Công ty kỳ vọng sẽ định nghĩa lại phương thức nghiên cứu khoa học sự sống trong kỷ nguyên AI, biến phòng thí nghiệm thành một hệ thống có khả năng học tập liên tục.

marsbit08/04 13:59

Phiên bản Trung Quốc của "DeepSeek Sinh học" ra đời, 4 học bá Oxford để AI tiếp quản Khoa học Sự sống

marsbit08/04 13:59

Claude Science phiên bản mã nguồn mở đã ra mắt: Không phụ thuộc, giấy phép MIT, tích hợp hơn 30 Skills nghiên cứu

Claude Science, một công cụ nghiên cứu AI nổi tiếng, đã được tái tạo dưới dạng mã nguồn mở với tên gọi OpenAI4S. Được phát triển bởi Phòng thí nghiệm chung Đại học Bắc Kinh và YuanAI, dự án này được cấp phép MIT và không phụ thuộc vào thư viện bên ngoài. OpenAI4S hoạt động dựa trên triết lý "Code-as-Action" (Mã lệnh là Hành động), cho phép tác nhân AI tạo và thực thi mã Python/R trong một môi trường kernel liên tục. Cách tiếp cận này giúp tự động hóa các quy trình nghiên cứu phức tạp, từ tìm kiếm tài liệu, phân tích dữ liệu, chạy thuật toán đến tạo báo cáo, trong khi vẫn giữ lại các kết quả trung gian để kiểm tra và sửa đổi. Dự án tích hợp sẵn hơn 30 kỹ năng (Skills) cho các lĩnh vực như sinh học, hóa học, bao gồm phân tích cấu trúc protein, thiết kế phân tử và truy xuất dữ liệu mở. Nó tuân thủ chính sách "không tạo dữ liệu giả", chỉ sử dụng dữ liệu thật và tính toán thật, đồng thời hỗ trợ kết nối với môi trường tính toán riêng (như GPU) cho các tác vụ chuyên sâu. OpenAI4S là một nền tảng nghiên cứu mở, khuyến khích cộng đồng học thuật và nhà phát triển đóng góp kỹ năng mới, cải thiện kiến trúc và mở rộng khả năng ứng dụng vào các lĩnh vực khoa học thực tế.

marsbit08/04 10:24

Claude Science phiên bản mã nguồn mở đã ra mắt: Không phụ thuộc, giấy phép MIT, tích hợp hơn 30 Skills nghiên cứu

marsbit08/04 10:24

10.000 Nhà Khoa H�h Miễn Phí 1 Năm, OpenAI Chuyển Dây Chuyền Nghiên Cứu Vào ChatGPT

OpenAI vừa công bố chương trình "ChatGPT for Academic Researchers", cung cấp quyền truy cập miễn phí một năm vào các mô hình AI tiên tiến nhất cho 100.000 nhà nghiên cứu học thuật (mục tiêu 2027, bắt đầu với 10.000 chỗ mùa hè này). Gói này bao gồm ChatGPT, ChatGPT Work, Codex với hạn mức cao hơn, cửa sổ ngữ cảnh lớn hơn, cùng hơn 75 công cụ chuyên ngành khoa học sự sống và khả năng kết nối với các nền tảng như Zotero, GitHub. Mục tiêu là đóng gói toàn bộ quy trình nghiên cứu - từ đọc tài liệu, viết mã, phân tích dữ liệu đến soạn thảo bản thảo - vào một không gian làm việc thống nhất. Dữ liệu của OpenAI cho thấy khoảng 1,3 triệu người đã sử dụng ChatGPT hàng tuần cho công việc khoa học và toán học cấp cao. Tuy nhiên, chương trình miễn phí có ba giới hạn chính: hạn mức sử dụng có giới hạn, không bao gồm API và quan trọng nhất là không cung cấp quyền truy cập vào trọng số mô hình (model weights), nghĩa là mô hình vẫn là một "hộp đen". Điều này trái ngược với mong muốn của nhiều nhà nghiên cứu AI, những người cần trọng số để đánh giá độc lập và kiểm tra an toàn. Chương trình này khác với "AI for Science" của Anthropic (cung cấp credit API), tập trung vào việc tạo ra một môi trường làm việc toàn diện nhằm hình thành thói quen sử dụng lâu dài. Câu hỏi đặt ra là liệu các nhà nghiên cứu có thể từ bỏ công cụ này khi thời gian dùng thử kết thúc hay không.

marsbit07/30 11:53

10.000 Nhà Khoa H�h Miễn Phí 1 Năm, OpenAI Chuyển Dây Chuyền Nghiên Cứu Vào ChatGPT

marsbit07/30 11:53

Ông Ta Để GPT-5.6 Sol Chạy Liên Tục 33 Giờ Nghiên Cứu Định Lý Lớn Fermat, Bị Hệ Thống Ngừng Cưỡng Chế

Một chuyên gia đã thiết lập cho GPT-5.6 Sol một nhiệm vụ nghiên cứu cao cấp: tìm kiếm con đường ngắn gọn hơn để chứng minh Định lý cuối cùng của Fermat, tập trung vào độ cong Frey, phương pháp lùi vô hạn nhất quán, bất đẳng thức kiểu abc và thương số có giống thấp nhất quán. Nhiệm vụ chạy liên tục trong khoảng 33 giờ nhưng cuối cùng đã bị hệ thống OpenAI chặn lại một cách cưỡng chế. GPT-5.6 Sol tự phân tích rằng lý do có thể là do phiên chiếm quá nhiều tài nguyên tính toán, hoặc OpenAI không muốn lãng phí thêm năng lực tính toán vào vấn đề này. Trong 33 giờ đó, mô hình đã thực hiện nhiều công việc có cơ sở, chuyển các "con đường khả thi" thành các phát biểu chính xác có thể kiểm chứng, sau đó lần lượt bác bỏ hoặc loại trừ chúng. Kết quả thu được là một bản đồ "đường cụt", không phải là bản thân chứng minh. Về việc này, có nhiều cách giải thích khác nhau: một số người cho rằng OpenAI có thể đang giấu đi khả năng thực sự, không muốn mô hình giải quyết các vấn đề toán học lớn một cách tùy tiện; số khác lại tin rằng đây chỉ là cơ chế an toàn thông thường để tránh hệ thống bị treo, hoặc thậm chí là một lỗi kỹ thuật trong phiên bản 5.6. Một nhà khoa học nghiên cứu cấp cao của OpenAI đã phản bác giả thuyết "giấu nghề", cho rằng nếu người dùng thực sự giải được một bài toán lớn, đó sẽ là quảng cáo tốt nhất cho công ty. Tuy nhiên, những người phản đối cho rằng trong môi trường cạnh tranh lâu dài, việc bảo mật hoặc ưu tiên sử dụng nội bộ các mô hình mạnh là quan trọng hơn.

marsbit07/28 12:27

Ông Ta Để GPT-5.6 Sol Chạy Liên Tục 33 Giờ Nghiên Cứu Định Lý Lớn Fermat, Bị Hệ Thống Ngừng Cưỡng Chế

marsbit07/28 12:27

AGI Đếm Ngược Giờ Tận Thế, Lời Phát Biểu Gây Chấn Động Của Giám Đốc Nghiên Cứu OpenAI: Khoảng Trống Cho Nhân Loại Rất 'Nhỏ'

Trí tuệ nhân tạo phổ quát (AGI) sắp trở thành hiện thực. Mark Chen, Giám đốc Nghiên cứu của OpenAI, tuyên bố rằng thế giới đang tiến gần đến thời điểm các mô hình AI có thể tự duy trì nghiên cứu, tạo ra đột phá vượt ra ngoài tầm nhìn của con người. Ông tin tưởng mạnh mẽ vào định luật Scaling, cho rằng con đường tiến hóa của AI vẫn chưa chạm trần và những đột phá lớn nhất thường đến từ những cá cược ban đầu không được tin tưởng. Tương lai của nghiên cứu có thể sẽ xuất hiện khái niệm "Vibe Researcher" (Nhà nghiên cứu cảm quan), nơi con người đóng vai trò đưa ra ý tưởng và đánh giá dựa trên "khiếu thẩm mỹ" (taste), trong khi AI đảm nhận toàn bộ công việc thực thi và điều phối từ đầu đến cuối. Tuy nhiên, vẫn còn nhiều thách thức như cuộc khủng hoảng đánh giá (Benchmaxxing) và "biên giới lởm chởm" (jagged frontier) - nơi AI giỏi giải quyết vấn đề phức tạp nhưng lại có thể gặp khó khăn với những tác vụ đơn giản hàng ngày. Khi được hỏi về ước nguyện sau khi AGI thành hiện thực, Mark Chen chia sẻ một cách khiêm tốn: ông muốn mở một tiệm mì. Câu trả lời này hàm ý rằng khi mọi tri thức và sáng tạo có thể được tạo ra với tốc độ ánh sáng, thứ con người sở hữu và trân quý nhất có lẽ là những trải nghiệm, nhiệt huyết và câu chuyện đằng sau mỗi sản phẩm - điều mà máy móc không thể tái tạo.

marsbit06/30 08:40

AGI Đếm Ngược Giờ Tận Thế, Lời Phát Biểu Gây Chấn Động Của Giám Đốc Nghiên Cứu OpenAI: Khoảng Trống Cho Nhân Loại Rất 'Nhỏ'

marsbit06/30 08:40

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow

Xu hướng Công nghệright-arrow