Tài liệu này tổng hợp các đột phá học thuật và mã nguồn mở mới nhất trong ngày 14 và 15 tháng 09 năm 2026 thuộc các danh mục ArXiv cs.MA, cs.AI, cs.CL, cs.SE và hệ sinh thái tác nhân nghiên cứu khoa học. Trọng tâm nghiên cứu xoay quanh ba trụ cột then chốt: 1. Định luật thực nghiệm về tổn thất thông tin khi phân rã đa tác tử (Multi-Agent Task Decomposition: Integrity vs Yield) và cơ chế bảo vệ tính toàn vẹn ngữ cảnh gốc. 2. Khung thực thi khoa học phiên bền vững (Science as Sessions, Code as Action) kết hợp sổ cái hành động (Append-Only Action Ledger) và quản trị xuất xứ thực nghiệm. 3. Cơ chế tự cải tiến lồng đệ quy (Recursive-in-Recursive Self-Improvement), thuật toán tiến hóa di truyền khám phá giả thuyết khoa học (HypoEvolve) và giao thức kiểm thử bộ nhớ dài hạn qua tái lập trạng thái dọc (LSREP / ICE v2).
Mọi bài báo học thuật và kho lưu trữ mã nguồn mở trong báo cáo đều được đối chiếu trực tiếp với URL gốc xác thực trên ArXiv và GitHub nhằm đảm bảo tính minh bạch, khả năng kiểm chứng và dấu thời gian thực nghiệm.
• URL Gốc: https://arxiv.org/abs/2609.17464 • Ngày Công Bố: 2026-09-15 • Tác Giả: Rong He • Trích Dẫn Chuẩn APA 7: He, R. (2026). Decomposition buys integrity, not yield. arXiv preprint arXiv:2609.17464. https://doi.org/10.48550/arXiv.2609.17464 • Phân Tích Chi Tiết: Các hệ thống đa tác tử thường biện minh cho việc phân rã nhiệm vụ theo dạng cây (tree-based task decomposition) bằng những lập luận mang tính kinh nghiệm: ngữ cảnh nhỏ hơn, phân tách vai trò sạch hơn, xử lý song song. Tuy nhiên, nghiên cứu này đặt câu hỏi bản chất: Việc phân rã ảnh hưởng thế nào đến tỷ lệ bằng chứng phát hiện ở các lá (leaves) có thể truyền tải về đến nút gốc (root)? Tác giả mô hình hóa sự phân rã thành một cây trong đó tác tử nhận b hạng mục sẽ giữ lại bất kỳ hạng mục nào với xác suất r(b) = C * b^(-delta). Trên 600 vết thực thi sâu trong môi trường production (deep-research traces), kết quả thực nghiệm xác định delta = 0.34 [khoảng tin cậy: 0.30 - 0.38] và hệ số suy giảm C = 0.571 [khoảng tin cậy: 0.527 - 0.615] đo lường qua 16,082 bước chuyển giao (hops). Ngoài ra, mỗi tầng phân cấp còn làm mất mát độ thẳng hàng mục tiêu (alignment loss): tỷ lệ lệch hướng là 1 trên 16 briefs (mu = 0.939), dẫn đến hệ số phạt tích lũy trên mỗi tầng là C * mu = 0.536. Điều này chứng minh rằng: Cấu trúc phẳng (flat) là tối ưu tuyệt đối cho năng suất thu thập bằng chứng (yield). Việc đào sâu phân tầng (depth) không gia tăng năng suất mà chỉ mua được hai yếu tố: 1. Bảo vệ tính toàn vẹn của nút gốc: Nút gốc là trạng thái duy nhất tồn tại bền vững và không thể quên rẻ tiền; phân tầng độ sâu k giúp giảm phơi nhiễm ngữ cảnh từ N hạng mục xuống N^(1/k). 2. Tối ưu chi phí suy luận: Tác tử phẳng tiêu tốn chi phí theo N^(1.39), và ở cùng mức ngân sách chi tiêu, hệ thống 2 tầng sẽ vượt qua cấu trúc phẳng khi số lượng phát hiện chạm mốc 403 hạng mục. • Ưu Điểm: 1. Đưa ra định luật toán học thực nghiệm chính xác giải mã trade-off giữa bảo vệ ngữ cảnh gốc và tổn thất bằng chứng khi ủy nhiệm nhiệm vụ (delegation). 2. Xác định điểm giao thoa định lượng (403 findings) để kiến trúc sư quyết định khi nào nên phân tầng và khi nào nên giữ cấu trúc phẳng. • Nhược Điểm và Giới Hạn: 1. Mô hình tập trung vào luồng chuyển giao thông tin đơn hướng từ lá về gốc, chưa tính đến các vòng lặp phản hồi hiệu chỉnh hai chiều (bidirectional critique loops). 2. Tỷ lệ suy giảm 46.4% bằng chứng qua mỗi tầng (C * mu = 0.536) đặt ra thách thức nghiêm trọng cho các quy trình nghiên cứu yêu cầu độ bao phủ bằng chứng 100%.
• URL Gốc: https://arxiv.org/abs/2609.15096 • Mã Nguồn Mở: https://github.com/PKU-YuanGroup/OpenAI4S • Ngày Công Bố: 2026-09-14 • Tác Giả: Gongbo Zhang, Hao Li, Yu Wang, Mujie Lin, Liuzhenghao Lv, Yicheng Mao, Yimi Wang, Jun Zhu, Minhan Tang, Zhengxiang Jiang, Yusong Wang, Jiayu Yao, Kunpeng Ning, Dawei Pang, Yonghong Tian, OpenAI4S Community, Yuyang Liu, Li Yuan • Trích Dẫn Chuẩn APA 7: Zhang, G., Li, H., Wang, Y., Lin, M., Lv, L., Mao, Y., Wang, Y., Zhu, J., Tang, M., Jiang, Z., Wang, Y., Yao, J., Ning, K., Pang, D., Tian, Y., OpenAI4S Community, Liu, Y., & Yuan, L. (2026). OpenAI4S: Code as action, science as sessions. arXiv preprint arXiv:2609.15096. https://doi.org/10.48550/arXiv.2609.15096 • Phân Tích Chi Tiết: Tác nhân trí tuệ nhân tạo đồng nghiên cứu khoa học (AI co-scientists) hứa hẹn thúc đẩy nghiên cứu tính toán, song thách thức then chốt là quy trình nghiên cứu dài hạn phải luôn kiểm tra được (inspectable), tiếp tục lại được (resumable) và tái lập được (reproducible). Điều này đòi hỏi trạng thái tính toán bền vững và khả năng truy xuất nguồn gốc (provenance). OpenAI4S được xây dựng trên nguyên lý "Code as Action, Science as Sessions", kết hợp giữa runtime tính toán bền bỉ và cơ chế quản trị phiên nghiên cứu: 1. Điều phối kép (Hybrid Dual Loop): Tầng điều khiển và cấp quyền sử dụng các lời gọi công cụ có cấu trúc (structured JSON tool calls), trong khi các hành động khoa học được thực thi dưới dạng các ô mã hoàn chỉnh (code cells) trong nhân Python và R bền bỉ. 2. Sổ cái hành động chỉ thêm (Append-Only Action Ledger): Ghi vết thực thi từng ô mã, tài liệu tạo tác có phiên bản (versioned artifacts), trạng thái môi trường và các điểm kiểm tra không gian làm việc (workspace checkpoints), hỗ trợ khôi phục phiên, rẽ nhánh và mở rộng nghiên cứu. 3. Đánh giá toàn diện trên 36 kịch bản khoa học chuyên sâu (tổng hợp ngược, động lực học phân tử, thiết kế liên kết protein, đột biến protein, sàng lọc xúc tác, quang phổ khoáng chất), OpenAI4S đạt điểm tổng thể 7.83 so với 5.7 - 6.4 của các harness lập trình thông thường. • Ưu Điểm: 1. Tách biệt hoàn hảo giữa mặt phẳng điều khiển (orchestration control plane) và mặt phẳng tính toán khoa học (execution plane). 2. Cung cấp cơ chế checkpoint và Action Ledger cho phép khôi phục trạng thái nghiên cứu mà không bị mất mát biến tính toán trong bộ nhớ kernel. • Nhược Điểm và Giới Hạn: 1. Vấn đề tái lập toàn diện môi trường phụ thuộc (dependency environment specification) vẫn còn là thách thức mở đối với các thư viện sinh hóa phức tạp. 2. Cần hạ tầng sandbox nghiêm ngặt (bwrap/docker) để ngăn chặn rủi ro an toàn khi chạy mã tự sinh.
• URL Gốc: https://arxiv.org/abs/2609.15938 • Ngày Công Bố: 2026-09-14 • Tác Giả: Jieyuan Liu, Mengzhou Hu, Jefferson Chen, JungHo Kong, Pratibha Jagannatha, Yiming Gao, Dexter Pratt, Hsin-Yuan Lee, Zhiting Hu, Trey Ideker, Wei Wang, Eric P. Xing, Zhen Wang • Trích Dẫn Chuẩn APA 7: Liu, J., Hu, M., Chen, J., Kong, J., Jagannatha, P., Gao, Y., Pratt, D., Lee, H. Y., Hu, Z., Ideker, T., Wang, W., Xing, E. P., & Wang, Z. (2026). HypoEvolve: Genetic algorithms enable multi-agent LLMs to discover scientific hypotheses. arXiv preprint arXiv:2609.15938. https://doi.org/10.48550/arXiv.2609.15938 • Phân Tích Chi Tiết: Tác nhân khoa học đóng góp vào việc khám phá giả thuyết bằng cách tổng hợp bằng chứng, đánh giá đề xuất và phát triển các lý giải mới. Tuy nhiên, mối quan hệ giữa các hình thức cộng tác của tác tử và chất lượng giả thuyết khoa học vẫn chưa được đo lường rõ ràng do khó tách bạch năng lực mô hình gốc với cơ chế cộng tác. Khung kiến trúc HypoEvolve ứng dụng thuật toán di truyền theo thế hệ (generational genetic algorithm) để điều phối các tác tử LLM chuyên biệt hóa: 1. Đội ngũ tác tử tích hợp các lập luận cơ chế (mechanistic arguments), xem xét lại các giả định ban đầu, kiểm tra tính khả kiểm và bằng chứng đối ứng. 2. Quần thể giả thuyết được tiến hóa qua các thế hệ thông qua các phép lai ghép ý tưởng, đột biến giả định và chọn lọc khắt khe dựa trên phản biện khoa học. 3. Đánh giá thực nghiệm dựa trên cơ sở dữ liệu y sinh DepMap và Open Targets trên 34 loại ung thư. HypoEvolve đạt độ chọn lọc DepMap 0.171 so với 0.115 của phương pháp mạnh nhất, vượt trội hoàn toàn so với các kỹ thuật sinh giả thuyết một lượt (single-pass generation). • Ưu Điểm: 1. Tách bạch rõ ràng giữa năng lực suy luận của mô hình và hiệu quả của cơ chế cộng tác đa tác tử. 2. Áp dụng chuẩn kiểm định khả chứng thực ngoại vi (DepMap / Open Targets) giúp loại bỏ các giả thuyết nghe hợp lý nhưng thiếu cơ sở thực nghiệm. • Nhược Điểm và Giới Hạn: 1. Chi phí suy luận tăng theo số thế hệ tiến hóa của quần thể giả thuyết. 2. Phụ thuộc vào các cơ sở dữ liệu chuẩn mực chuyên ngành để thiết lập hàm thích nghi (fitness function).
• URL Gốc: https://arxiv.org/abs/2609.17523 • Cổng Thông Tin Dự Án: http://science-buddy.io • Ngày Công Bố: 2026-09-15 • Tác Giả: Shuhan Xue, Jianyuan Zhong, Ziyuan Nan, Wenbin Li, Zhaochen Yu, Jinchao Ding, Qiang Gao, Pengyu Zhan, Yuntong Zhang, Tian Cheng, Zhenfei Yin, Yingcheng Wu, Ling Yang • Trích Dẫn Chuẩn APA 7: Xue, S., Zhong, J., Nan, Z., Li, W., Yu, Z., Ding, J., Gao, Q., Zhan, P., Zhang, Y., Cheng, T., Yin, Z., Wu, Y., & Yang, L. (2026). ScienceBuddy: Recursive-in-recursive self-improvement for interactive scientific agents. arXiv preprint arXiv:2609.17523. https://doi.org/10.48550/arXiv.2609.17523 • Phân Tích Chi Tiết: ScienceBuddy đề xuất mô hình không gian làm việc nghiên cứu khoa học tương tác, đưa các tác nhân khoa học tự cải tiến liên tục vào quy trình làm việc thường nhật của nhà nghiên cứu. Hệ thống chuyển hóa yêu cầu, phản hồi và bằng chứng thực thi thành các tác vụ và tiêu chí đánh giá (rubrics) phục vụ học liên tục. Trọng tâm là mô hình tự cải tiến lồng đệ quy (recursive-in-recursive self-improvement), kết hợp giữa tiến hóa khung kiểm thử (harness evolution) và học tăng cường mô hình: 1. Đệ quy nội tại (Inner Recursion): Tối ưu hóa và tinh chỉnh harness khi mô hình giữ cố định, định hình trải nghiệm huấn luyện. 2. Đệ quy ngoại vi (Outer Recursion): Huấn luyện mô hình dưới sự dẫn dắt của harness đã cải tiến, từ đó mở ra cơ hội thích ứng mới cho harness. 3. Đánh giá trên 4 họ tác vụ nghiên cứu khoa học chứng minh tác nhân có khả năng đồng tiến hóa cùng quá trình nghiên cứu thực tế của con người. • Ưu Điểm: 1. Tạo vòng lặp phản hồi hữu cơ giữa tương tác người dùng thực tế và sự tiến hóa của tác nhân. 2. Kiến trúc lồng đệ quy giải quyết bài toán đóng băng năng lực của các tác nhân đóng gói sẵn. • Nhược Điểm và Giới Hạn: 1. Đòi hỏi sự tham gia kiên trì và chất lượng phản hồi cao từ các chuyên gia khoa học con người. 2. Nguy cơ trôi dạt mục tiêu (goal drift) nếu các rubric tự sinh trong vòng lặp nội tại không được kiểm định nghiêm ngặt.
• URL Gốc: https://arxiv.org/abs/2609.16730 • Ngày Công Bố: 2026-09-15 • Tác Giả: Deepesh Sonar • Trích Dẫn Chuẩn APA 7: Sonar, D. (2026). LSREP: A longitudinal state-replay protocol for evaluating conversational memory, with ICE v2 as an audited local-first architecture. arXiv preprint arXiv:2609.16730. https://doi.org/10.48550/arXiv.2609.16730 • Phân Tích Chi Tiết: Bộ nhớ hội thoại biến đổi liên tục trong quá trình sử dụng thực tế, do đó phương pháp hỏi đáp điểm cuối (endpoint QA) truyền thống không thể phản ánh cách thức trạng thái bền vững tích lũy, lão hóa hoặc tích hợp các chỉnh sửa. Nghiên cứu giới thiệu giao thức LSREP (Longitudinal State-Replay Evaluation Protocol) kết hợp phát lại có thứ tự (ordered replay), lịch trình vòng đời tường minh (explicit lifecycle schedules), thăm dò lặp lại và kiểm tra độ trung thực cơ chế. Nghiên cứu trường hợp với ICE v2 (phần mềm trung gian bộ nhớ ưu tiên cục bộ - local-first memory middleware) sở hữu kho lưu trữ định kiểu (typed stores), hợp nhất truy xuất (retrieval fusion) và ngân sách ngữ cảnh động: 1. Trên tập dữ liệu mật độ thông thường, ICE v2 đạt chất lượng tương đương vector-RAG trong khi chọn ít hơn 32% phân mảnh dữ liệu. 2. Trên tập dữ liệu mật độ cao, đường cơ sở không quản lý ngân sách gặp sự cố nghiêm trọng, trong khi ICE v2 duy trì tính ổn định. 3. Tuy nhiên, kiểm toán trung thực chỉ ra khiếm khuyết trong truy xuất thủ tục và việc đồ thị bộ nhớ chưa chứng minh được hiệu quả vượt trội so với chi phí token phát sinh. • Ưu Điểm: 1. Cung cấp phương pháp luận kiểm thử bộ nhớ agent chân thực theo trục thời gian thay vì các bài test tĩnh. 2. Kiến trúc local-first kết hợp typed stores và ngân sách ngữ cảnh động rất tương đồng với kiến trúc phân tầng hồ sơ của CEO AI OS. • Nhược Điểm và Giới Hạn: 1. ICE v2 gặp thất bại tạm thời trên các bài kiểm tra đa phiên (multi-session) dài hạn khi cần truy xuất thông tin có tính chất thời gian phức tạp. 2. Đòi hỏi chi phí tính toán lớn để thiết lập hạ tầng replay toàn bộ vòng đời tương tác.
• URL Kho Lưu Trữ: https://github.com/PKU-YuanGroup/OpenAI4S • Giấy Phép: Giấy phép nguồn mở MIT • Công Cụ Khảo Sát: Graft phiên bản 0.16.0 (Phân tích AST xác định bằng Tree-sitter, $0). • Ước Tính Token Tiết Kiệm: Tiết kiệm xấp xỉ 6,057,837 token so với việc quét đọc thủ công 1,847 tệp tin mã nguồn. • Quy Mô Cấu Trúc Toàn Bộ Dự Án: 1. Tổng số tệp tin: 1,847 tệp (bao gồm mã nguồn Python của nhân agent, frontend TypeScript, bộ kịch bản và 423 tệp kiểm thử chuyên sâu). 2. Tổng số thực thể ký hiệu (symbols): 25,482 biểu tượng (hàm, lớp, phương thức, giao diện). 3. Tổng số cạnh liên kết phụ thuộc (edges): 70,187 cạnh liên kết cấu trúc.
Khảo sát phân tích mã nguồn cho thấy hệ thống được tổ chức thành các phân hệ lõi hỗ trợ nghiên cứu khoa học chuyên sâu:
Phân hệ Nhân Agent và Điều Phối Tính Toán (openai4s/):
• Quy mô: 367 tệp tin, 8,497 biểu tượng kiến trúc.
• Điểm tập trung điều phối (hubs):
Config (openai4s/config.py, 424 liên kết hướng vào): Quản lý toàn bộ cấu hình mô hình, chính sách sandbox và phân bổ tài nguyên.get_store (openai4s/store.py, 343 liên kết hướng vào): Quản trị kho lưu trữ trạng thái phiên và sổ cái hành động chỉ thêm (Action Ledger).SkillLoader (openai4s/skills_loader/loader.py, 87 liên kết hướng vào): Nạp động các kỹ năng thủ tục khoa học dạng modulized theo nhu cầu.Phân hệ Thư Viện Kỹ Năng Khoa Học (skills/):
• Quy mô: 679 tệp tin, 1,958 biểu tượng khoa học.
• Bao gồm 46 danh mục kỹ năng chuyên sâu được đóng gói độc lập:
literature-review/, pdf-explore/, paper-narrative/, evidence-walkthrough/, audit-dataset/.alphafold2/, boltz/, chai1/, diffdock/, esmfold2/, proteinmpnn/, rfdiffusion/, single-cell-rna-analysis/, bioskills/ (hơn 560 module phân tích sinh học tế bào).admet_genetic/, retrosynthesis_planning/, single-step-retrosynthesis/, reaction-yield-estimation/, catalyst_sar_screening/.remote-compute-ssh/, remote-compute-nvidia/.Phân hệ Khung Kiểm Thử Kịch Bản Khoa Học (harness/):
• Quy mô: 21 tệp tin, 204 biểu tượng.
• Trọng tâm kiểm soát: Lớp ScenarioValidationError và hàm run_auto_mode_contract xác thực tính toàn vẹn của kịch bản nghiên cứu tự động, đảm bảo không có rò rỉ trạng thái giữa các phiên.
Phân hệ Kiểm Thử Hệ Thống (tests/):
• Quy mô: 423 tệp tin, 11,977 biểu tượng kiểm thử.
• Kiểm soát các khía cạnh an ninh sandbox bwrap, tính bền vững của Action Ledger, tính toàn vẹn của phiên tính toán và khả năng phục hồi sau lỗi đứt gãy kết nối.
| Tiêu Chí So Sánh | Hiện Trạng ARS 4.0.0 Tại Hermes | Đề Xuất Nâng Cấp Từ Bằng Chứng 2026-09-16 |
|---|---|---|
| Phân Rã Đa Tác Tử (Decomposition) | Phân chia nhiệm vụ theo cây phân cấp giữa các profile | Ứng dụng Định luật Rong He: Cấu trúc phẳng tối ưu cho năng suất thu thập bằng chứng; giới hạn phân cấp sâu trừ khi số phát hiện vượt mốc 403 hạng mục nhằm ngăn chặn tổn thất 46.4% bằng chứng mỗi tầng |
| Quản Trị Phiên Nghiên Cứu (Session Runtime) | Chạy theo từng lượt (turn-based) trong terminal hoặc subagent ngắn hạn | Tích hợp nguyên lý "Code as Action, Science as Sessions" từ OpenAI4S: Thiết lập Sổ cái Hành động chỉ thêm (Action Ledger) và checkpoints phiên để hỗ trợ khôi phục tiến trình nghiên cứu |
| Khám Phá Giả Thuyết (Hypothesis Discovery) | Tạo giả thuyết đơn lẻ qua prompt tư vấn | Ứng dụng thuật toán di truyền HypoEvolve: Phối hợp các tác tử chuyên biệt qua nhiều thế hệ, lai ghép và chọn lọc giả thuyết dựa trên các tiêu chí kiểm định khả chứng thực ngoại vi |
| Tự Cải Tiến Hệ Thống (Self-Improvement) | Cập nhật thủ công SKILL.md sau khi phát hiện lỗi | Áp dụng mô hình lồng đệ quy (ScienceBuddy): Vòng lặp nội tại cải tiến harness và rubrics đánh giá từ vết thực thi của tác tử, vòng lặp ngoại vi tinh chỉnh chính sách hành động |
| Kiểm Thử Bộ Nhớ Dài Hạn (Memory Testing) | Kiểm thử qua các câu hỏi đơn lẻ cuối phiên | Thiết lập giao thức LSREP: Tái lập lịch sử tương tác dọc theo thứ tự thời gian với các mốc kiểm tra (checkpoints) định kỳ để đánh giá hiện tượng suy thoái hoặc ô nhiễm bộ nhớ |
Toàn bộ chứng cứ học thuật thô đã được lưu giữ tại profiles/r-and-d/raw_evidence/evidence_tech_20260916.json và kho lưu trữ mã nguồn mở OpenAI4S đã được phân tích xác định bằng Graft tại profiles/r-and-d/raw_evidence/OpenAI4S/ (kèm bản đồ trích xuất tại profiles/r-and-d/raw_evidence/OpenAI4S_map.txt).
Phòng R&D đã hoàn tất xuất sắc Giai đoạn 1: 1. Thu thập và trích xuất 5 công trình học thuật mới nhất trên ArXiv ngày 14 và 15 tháng 09 năm 2026 kèm URL gốc xác thực và trích dẫn chuẩn APA 7. 2. Khảo sát chuyên sâu mã nguồn mở OpenAI4S bằng Graft, lập bản đồ kiến trúc toàn diện ($0, tiết kiệm hơn 6.05 triệu token). 3. Thiết lập bảng đối soát năng lực với quy trình nghiên cứu ARS 4.0.0, chỉ ra bài toán đánh đổi giữa tính toàn vẹn và năng suất bằng chứng.
Hồ sơ sẵn sàng bàn giao cho Subc để thực hiện Giai đoạn 2 (Soạn thảo Idea Contract V1).