CORE (CORE) giảm sâu

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

Tác giả: Triệu Dĩnh Lợi nhuận doanh nghiệp mạnh mẽ đang cung cấp sự hỗ trợ vững chắc cho thị trường chứng khoán Mỹ. John Flood, đối tác tại Goldman Sachs, cho rằng với việc định vị thị trường trở nên "sạch hơn", chỉ số S&P 500 có khả năng lập mức cao kỷ lục mới trong năm nay, và logic cốt lõi thúc đẩy dự báo này chính là lợi nhuận. Theo dữ liệu từ Goldman Sachs, tốc độ tăng trưởng EPS (thu nhập trên mỗi cổ phiếu) của S&P 500 trong quý II đạt 45%, vượt xa kỳ vọng ban đầu của thị trường là 22%. Ngay cả sau khi loại trừ các khoản thu nhập phi lõi như từ đầu tư vốn cổ phần, tốc độ tăng vẫn đạt 26%, không chỉ nhanh hơn quý I mà còn là mức tăng nhanh nhất kể từ năm 2021. Các nhà phân tích cũng đang bắt đầu điều chỉnh tăng kỳ vọng lợi nhuận cho năm 2027. Về định vị thị trường, chỉ báo tâm lý và định vị của Goldman Sachs đã giảm từ mức cao trước đó. Các chỉ báo định vị nhanh chuyển sang xu hướng giảm, các quỹ phòng hộ giảm đòn bẩy đáng kể, và đòn bẩy của nhà đầu tư bán lẻ cũng bắt đầu hạ nhiệt. Môi trường định vị "sạch hơn" này được cho là tạo điều kiện cho thị trường tiếp tục tăng. Từ góc độ định giá, so với các thị trường chính khác, định giá cổ phiếu Mỹ hiện ở mức tương đối thấp. Bên cạnh đó, John Flood chỉ ra rằng lợi ích chính từ siêu chu kỳ AI vẫn chưa được giải phóng hoàn toàn. Tuy nhiên, Goldman Sachs cũng lưu ý một rủi ro theo mùa: trong 13 năm có bầu cử giữa kỳ kể từ 1974, lợi nhuận trung bình của S&P 500 từ đầu tháng 8 đến ngày bầu cử là 0%. Điều này cho thấy vẫn tồn tại sự không chắc chắn về mặt thời gian đối với dự báo đạt mức cao mới trong năm. Kết luận là triển vọng lợi nhuận cung cấp hỗ trợ mạnh mẽ, nhưng khả năng duy trì vẫn là biến số then chốt.

OpenAI vừa công khai bản thảo dài 62 trang có tên "How the Ideas Came Together", trình bày chi tiết quá trình mô hình AI thế hệ mới của họ (được cho là GPT-6 hoặc Astra) tự động suy luận và chứng minh thành công 10 bài toán toán học lớn, được mệnh danh ở tầm "giải Fields". Toàn bộ chi phí tính toán cho công trình này ước tính chỉ khoảng 2000 USD. Bản thảo do chính AI viết, tái cấu trúc lại cách thức giải quyết từng vấn đề, bao gồm: ý tưởng ban đầu, những trở ngại gặp phải, sự thay đổi góc nhìn then chốt và sự hình thành của lập luận quyết định. Trong số các bài toán, nổi bật có: 1. **Bài toán xếp chặt hình cầu không gian chiều cao:** Một bài toán tồn tại 46 năm, AI đã cải thiện thành công cận trên của mật độ xếp chặt. 2. **Bài toán về nhóm không sofic:** AI đưa ra một cấu trúc tường minh cho một "nhóm không sofic" hữu hạn sinh, giải đáp câu hỏi tồn tại suốt 27 năm. Các bài toán khác bao gồm các giả thuyết quan trọng trong lý thuyết mã, lý thuyết nhóm, mạch số học, lý thuyết Ramsey và lý thuyết đồ thị cực trị. Sự kiện này được nhiều chuyên gia, như Mo Bavarian của OpenAI, coi là một bước tiến "siêu thực", đánh dấu khoảnh khắc AI chuyển từ việc vật lộn với toán tiểu học sang giải quyết các vấn đề lịch sử, và khiến họ cảm thấy "thời khắc trước kỳ dị (Singularity) có lẽ không còn xa".

Báo cáo của BofA cho thấy chỉ số Bull & Bear đã tăng lên mức 9.7 - mức cao nhất kể từ năm 2021 và sắp chạm ngưỡng bán tháo. Dòng tiền tuần trước chảy mạnh vào tiền mặt (52.9 tỷ USD), cổ phiếu (32.9 tỷ USD) và trái phiếu (23.1 tỷ USD). BofA nhận định ý đồ hỗ trợ thanh khoản từ các nhà hoạch định chính sách là rõ ràng, được minh chứng bởi cuộc can thiệp tỷ giá phối hợp gần đây. Tuy nhiên, ba mâu thuẫn cốt lõi đang hình thành: chỉ số Bull & Bear ở vùng cực đoan, chênh lệch tín dụng của các công ty AI siêu lớn vẫn mở rộng, và sự bất ổn từ cuộc bầu cử giữa kỳ đang gia tăng. Do đó, chiến lược được đề xuất là "Rút lui hoặc Luân chuyển" - rời khỏi tài sản rủi ro hoặc luân chuyển sang các lĩnh vực phòng thủ (như hàng tiêu dùng thiết yếu), tài sản có thời gian đáo hạn dài (như REITs, cổ phiếu vốn hóa nhỏ) và đồng USD. Bầu cử giữa kỳ được xác định là biến số vĩ mô lớn nhất nửa cuối năm, có thể định hình lại câu chuyện thị trường. Trong khi hỗ trợ thanh khoản tạo ra một "tấm đệm" phía dưới, chỉ số Bull & Bear ở mức 9.7 cho thấy không gian tăng giá đã được định giá đầy đủ. Báo cáo cũng lưu ý đến dữ liệu việc làm tháng 7 và diễn biến chính sách tại Jackson Hole như những yếu tố then chốt sắp tới.

Cộng đồng toán học vừa chấn động trước thông tin Giả thuyết Crouzeix, một bài toán mở đã tồn tại suốt 22 năm, được chứng minh bởi một bác sĩ ngoại trú thần kinh từ Bệnh viện Hợp tác Bắc Kinh (Bệnh viện Hiệp Hòa), Shanmu Jin. Ông không có nền tảng toán học chính quy (cử nhân địa chất, tiến sĩ y khoa) mà tự học toán để phục vụ nghiên cứu y học. Bằng cách sử dụng và tùy chỉnh một hệ thống "kỹ thuật tạo lời nhắc (prompt engineering)" tinh vi, ông để ChatGPT 5.6 tự hoạt động liên tục trong khoảng 16 giờ. AI đã khám phá ra một chiến lược chứng minh thông minh và bất ngờ, dựa trên "điều kiện dương tính" thay vì cách tiếp cận phức tạp truyền thống. Toàn bộ quá trình, bao gồm mã chứng minh và lời nhắc, đều được công khai. Chỉ 8 ngày sau, hai nhà toán học Emiel Lorist và Felix Schwenninger cũng công bố một chứng minh độc lập, ngắn gọn khác, thừa nhận họ cũng sử dụng ChatGPT 5.6. Cả hai chứng minh đều được cộng đồng, bao gồm chính người đưa ra giả thuyết Michel Crouzeix, xác nhận tính chính xác. Sự kiện này đánh dấu một bước ngoặt, cho thấy AI mạnh mẽ có thể trở thành đối tác sáng tạo, phá vỡ rào cản giữa các ngành và tăng tốc khám phá khoa học, mở ra một kỷ nguyên mới cho toán học ứng dụng.