Tài liệu này tổng hợp các đột phá học thuật và mã nguồn mở mới nhất trong ngày 28 tháng 09 năm 2026 thuộc danh mục ArXiv cs.AI, cs.MA, và hệ sinh thái tác tử nghiên cứu khoa học tự trị. Trọng tâm nghiên cứu xoay quanh năm công trình học thuật tiêu biểu cùng một kho lưu trữ mã nguồn mở trọng điểm:
1. Báo Cáo Kỹ Thuật Mind DeepResearch (Mind DeepResearch Technical Report): Xây dựng hệ thống nghiên cứu sâu đa tác tử hiệu quả cao, đạt thành tích dẫn đầu với mô hình chỉ khoảng 30 tỷ tham số thông qua kiến trúc 3 tác tử (Planning, DeepSearch, Report) và quy trình huấn luyện 4 giai đoạn chuyên biệt (SFT, Search-RL, Report-RL, căn chỉnh sở thích) kết hợp bộ nhớ Extended Chain-of-Thought (XoT) (arXiv:2604.14518).
2. Quy Mô Hóa Đội Ngũ Hay Quy Mô Hóa Thời Gian? Học Tập Suốt Đời Nhờ Bộ Nhớ Trong Hệ Đa Tác Tử LLM (Scaling Teams or Scaling Time? Memory Enabled Lifelong Learning in LLM Multi-Agent Systems): Đề xuất khung LLMA-Mem tích hợp bộ nhớ phân tập, thủ tục và tương hỗ (transactive memory), chứng minh quy luật phi đơn điệu rằng việc tối ưu hóa bộ nhớ kinh nghiệm giúp các đội ngũ tác tử quy mô nhỏ hoạt động vượt trội hơn các mạng lưới tác tử lớn và cắt giảm 9.4% đến 71.7% chi phí suy luận (arXiv:2604.03295).
3. AdMem: Bộ Nhớ Nâng Cao Cho Tác Tử Giải Quyết Nhiệm Vụ (AdMem: Advanced Memory for Task-solving Agents): Thiết lập kiến trúc bộ nhớ hai tầng hợp nhất giữa ngắn hạn và dài hạn cho các miền ngữ nghĩa, phân tập và thủ tục, ứng dụng mô hình ba tác tử Actor-Memory-Critic và cơ chế hợp nhất, cắt tỉa dựa trên đánh giá phần thưởng (arXiv:2606.06787).
4. Bộ Nhớ Tác Tử Phổ Quát Qua Nghiên Cứu Sâu (General Agentic Memory Via Deep Research - GAM): Áp dụng nguyên lý biên dịch Đúng Thời Điểm (Just-in-Time compilation), lưu trữ toàn vẹn dữ liệu gốc trong kho trang (page-store) và sử dụng tác tử Researcher để tự động thực thi chu trình nghiên cứu sâu lặp tại thời điểm nhận truy vấn thay vì tóm tắt thụ động gây mất mát thông tin (arXiv:2511.18423).
5. DeepAgent: Tác Tử Lập Luận Đa Năng Với Bộ Công Cụ Mở Rộng (DeepAgent: A General Reasoning Agent with Scalable Toolsets): Cơ chế gấp bộ nhớ tự chủ (Autonomous Memory Folding qua thẻ
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 bảo đảm tính minh bạch, khả năng kiểm chứng và dấu thời gian công bố.
• URL Gốc: https://arxiv.org/abs/2604.14518 • Ngày Công Bố: 2026-04-14 • Tác Giả: Sheng Yang, Yi Yao, He Zhu, Piaohong Wang, Jincheng Ren, Wangchunshu Zhou (Li Auto / MindDR Team) • Trích Dẫn Chuẩn APA 7: Yang, S., Yao, Y., Zhu, H., Wang, P., Ren, J., & Zhou, W. (2026). Mind DeepResearch Technical Report. arXiv preprint arXiv:2604.14518. https://doi.org/10.48550/arXiv.2604.14518 • Phân Tích Chi Tiết: Hệ thống Mind DeepResearch (MindDR) giải quyết bài toán nâng cao hiệu năng nghiên cứu sâu mà không cần dựa dẫm vào các mô hình khổng lồ hàng trăm tỷ tham số độc quyền. Hệ thống đạt 45.7% trên BrowseComp-ZH, 42.8% trên BrowseComp, 46.5% trên WideSearch, 75.0% trên xbench-DS, và 52.5 trên DeepResearch Bench với mô hình kích thước chỉ ~30B tham số qua hai trụ cột: 1. Kiến trúc phân rã thời gian suy luận (Inference-stage decomposition): Phối hợp ba tác tử chuyên biệt: - Planning Agent: Tiếp nhận câu hỏi mở, phân rã thành cây nhiệm vụ con và lập lộ trình tìm kiếm. - DeepSearch Agent: Tự điều hướng truy xuất thông tin đa bước, cô lập ngữ cảnh tìm kiếm để giảm tải cho mô hình chính. - Report Agent: Chuyên trách giải quyết xung đột thông tin giữa các nguồn tài liệu và tạo lập báo cáo có cấu trúc căn chỉnh với con người. 2. Bộ nhớ chuỗi suy luận mở rộng (Extended Chain-of-Thought - XoT Memory): Mở rộng vết suy luận xuyên suốt nhiều lượt tương tác giữa các tác tử và các lần gọi công cụ. DeepSearch và Report Agent cùng chia sẻ ngữ cảnh suy luận, cho phép Report Agent truy cập toàn bộ nguồn gốc xuất xứ (provenance) của dữ liệu đã truy xuất. 3. Quy trình huấn luyện 4 giai đoạn: - SFT Cold-start: Thiết lập hành vi cơ bản và khả năng tuân thủ chỉ dẫn, gọi công cụ. - Search-RL: Tối ưu hóa khả năng suy luận chặng dài và hiệu quả tìm kiếm qua gán công trạng theo bước (step-level credit assignment), giảm token dư thừa. - Report-RL: Tối ưu hóa chất lượng báo cáo dài theo tiêu chí RACE Rubrics kết hợp phần thưởng định dạng và trích dẫn. - Preference Alignment: Căn chỉnh báo cáo với kỳ vọng thực tế của người dùng thông qua DPO và Self-SFT. • Ưu Điểm: 1. Đạt hiệu năng tương đương các mô hình hàng đầu độc quyền với chi phí tính toán và kích thước mô hình tối ưu (~30B). 2. Bộ nhớ XoT bảo toàn tính xác thực và nguồn gốc dữ liệu giữa các tác tử, hạn chế tối đa ảo giác trích dẫn. • Nhược Điểm và Giới Hạn: 1. Quy trình huấn luyện 4 giai đoạn đòi hỏi thiết lập phức tạp và nhiều mô hình trọng tài (LLM-as-judge). 2. Bộ nhớ XoT dùng chung có thể gia tăng dung lượng nhanh chóng nếu không có cơ chế cắt tỉa sau các chặng tìm kiếm sâu.
• URL Gốc: https://arxiv.org/abs/2604.03295 • Ngày Công Bố: 2026-04-03 • Mã Nguồn: https://github.com/ShanglinWu/MAS_lifelong_learning • Tác Giả: Shanglin Wu, Lei Zhang, Yuan Wang, Xin Liu • Trích Dẫn Chuẩn APA 7: Wu, S., Zhang, L., Wang, Y., & Liu, X. (2026). Scaling teams or scaling time? Memory enabled lifelong learning in LLM multi-agent systems. arXiv preprint arXiv:2604.03295. https://doi.org/10.48550/arXiv.2604.03295 • Phân Tích Chi Tiết: Công trình nghiên cứu mối quan hệ tương tác giữa việc mở rộng số lượng tác tử (Team Size) và khả năng học tập tích lũy theo thời gian (Lifelong Learning) dưới ràng buộc chi phí thực tế. Kết quả thực nghiệm trên MultiAgentBench chỉ ra một quy luật phi đơn điệu: các đội ngũ tác tử lớn không nhất thiết mang lại kết quả tốt hơn do chi phí giao tiếp và sự phân mảnh thông tin; ngược lại, các đội ngũ nhỏ kết hợp với hệ thống bộ nhớ hiệu quả vượt trội hơn hẳn các đội lớn. Nhóm tác giả đề xuất khung LLMA-Mem gồm 3 thành phần liên kết: 1. Bộ nhớ phân tập (Episodic Memory): Lưu giữ các trải nghiệm theo từng tác vụ trong ngữ cảnh nguyên bản. 2. Bộ nhớ thủ tục (Procedural Memory): Trích xuất các chiến lược và quy trình có thể tái sử dụng từ kinh nghiệm tích lũy. 3. Bộ nhớ tương hỗ (Transactive Memory): Mô hình hóa cấu trúc "ai biết cái gì" trong hệ thống thông qua hồ sơ chuyên môn của từng tác tử và các mẫu phối hợp đội ngũ hiệu quả cho từng loại tác vụ. 4. Ba cấu trúc liên kết bộ nhớ (Topologies): Khảo sát và tối ưu hóa cấu trúc bộ nhớ cục bộ (Local), chia sẻ tập trung (Shared), và lai ghép (Hybrid - kết hợp phân tập cục bộ với thủ tục chia sẻ). • Ưu Điểm: 1. Cắt giảm từ 9.4% đến 71.7% lượng token tiêu thụ so với các giải pháp bộ nhớ cơ sở. 2. Chứng minh khoa học rằng việc đầu tư vào cấu trúc bộ nhớ tương hỗ mang lại hiệu quả chi phí cao hơn việc tăng số lượng tác tử đơn thuần. • Nhược Điểm và Giới Hạn: 1. Đòi hỏi cơ chế cập nhật và đồng bộ liên tục hồ sơ chuyên môn của tác tử trong bộ nhớ tương hỗ. 2. Cấu trúc lai ghép đòi hỏi logic định tuyến ngữ cảnh phức tạp giữa không gian riêng và chung.
• URL Gốc: https://arxiv.org/abs/2606.06787 • Ngày Công Bố: 2026-06-05 • Tác Giả: Runzhe Wang, Huilin Lu, Shengjie Liu, Li Dong, Jason Zhu • Trích Dẫn Chuẩn APA 7: Wang, R., Lu, H., Liu, S., Dong, L., & Zhu, J. (2026). AdMem: Advanced memory for task-solving agents. arXiv preprint arXiv:2606.06787. https://doi.org/10.48550/arXiv.2606.06787 • Phân Tích Chi Tiết: Các phương pháp bộ nhớ truyền thống cho tác tử phần lớn tập trung vào việc lưu trữ dữ kiện tĩnh hoặc chỉ phát lại các quỹ đạo thành công mà bỏ qua việc học hỏi từ các thất bại. AdMem khắc phục hạn chế này bằng một khung bộ nhớ tự động toàn diện: 1. Thiết kế hai tầng (Bi-level design): Kết hợp bộ nhớ ngắn hạn phục vụ tiến trình hiện tại và bộ nhớ dài hạn bền vững, tích hợp cả ba chiều tri thức: ngữ nghĩa (semantic), phân tập (episodic), và thủ tục (procedural). 2. Kiến trúc ba tác tử điều phối: - Actor Agent: Thực thi tác vụ chính trong môi trường. - Memory Agent: Tạo lập bản ghi bộ nhớ tự động và định tuyến lưu trữ. - Critic Agent: Gán nhãn phần thưởng, đánh giá tính hiệu quả của các hành động và hướng dẫn truy xuất thích ứng. 3. Quản trị bộ nhớ dài hạn chủ động: Thực thi định kỳ việc đánh giá dựa trên phần thưởng, hợp nhất các bản ghi tương đồng và cắt tỉa các thông tin lỗi thời hoặc kém hiệu quả, đảm bảo bộ nhớ không bị phình to mất kiểm soát. • Ưu Điểm: 1. Học hỏi có hệ thống từ cả quỹ đạo thành công lẫn trường hợp thất bại, giúp tác tử không lặp lại lỗi sai. 2. Cơ chế cắt tỉa và hợp nhất tự động duy trì dung lượng bộ nhớ ổn định và tối ưu tốc độ truy xuất. • Nhược Điểm và Giới Hạn: 1. Việc vận hành tác tử Critic để chấm điểm phần thưởng làm phát sinh thêm các lệnh gọi LLM phụ trợ. 2. Ngưỡng cắt tỉa nếu cấu hình quá gắt gao có thể làm mất các tri thức phân tập đặc thù ít gặp.
• URL Gốc: https://arxiv.org/abs/2511.18423 • Ngày Công Bố: 2025-11-27 • Tác Giả: Jiamin Chen, Shuo Wang, Yifan Li, Kun Zhao, Min Zhang • Trích Dẫn Chuẩn APA 7: Chen, J., Wang, S., Li, Y., Zhao, K., & Zhang, M. (2025). General agentic memory via deep research. arXiv preprint arXiv:2511.18423. https://doi.org/10.48550/arXiv.2511.18423 • Phân Tích Chi Tiết: Bộ nhớ tĩnh chuẩn bị trước (Ahead-of-Time - AOT) thường chịu tổn thất thông tin nghiêm trọng do quá trình nén và tóm tắt sớm. Nghiên cứu đề xuất khung General Agentic Memory (GAM) hoạt động theo nguyên lý biên dịch Đúng Thời Điểm (Just-in-Time - JIT): 1. Cấu trúc tác tử kép (Dual-Agent Design): - Memorizer: Trong giai đoạn nhàn rỗi (offline), chỉ tạo lập bộ nhớ nhẹ cho các thông tin trọng tâm và duy trì toàn vẹn dữ liệu lịch sử trong kho lưu trữ trang phổ quát (universal page-store). - Researcher: Khi nhận được yêu cầu trực tuyến (online), tác tử Researcher thực thi một chu trình nghiên cứu sâu chuyên biệt qua ba bước: Lập kế hoạch (Planning), Tìm kiếm song song (Searching trên Vector, BM25 và ID-based), và Phản chiếu (Reflection). 2. Khả năng mở rộng thời gian kiểm thử (Test-time scalability): Độ sâu phản chiếu có thể điều chỉnh linh hoạt từ 1 đến 5 chặng, cho phép tác tử tự quyết định dừng khi thông tin đã hội tụ đầy đủ. 3. Hiệu năng vượt bậc: Đạt độ chính xác trên 90% trên các tác vụ đa chặng của RULER benchmark và duy trì tính ổn định tuyệt đối trước độ dài ngữ cảnh biến thiên trên HotpotQA. • Ưu Điểm: 1. Triệt tiêu hoàn toàn sự mất mát thông tin ban đầu, cho phép truy xuất chính xác đến từng dữ kiện nguyên thủy. 2. Linh hoạt điều chỉnh độ sâu tính toán tùy theo độ phức tạp của từng câu hỏi nghiên cứu. • Nhược Điểm và Giới Hạn: 1. Tăng độ trễ phản hồi ban đầu do tác tử Researcher phải thực hiện các bước tìm kiếm và phản chiếu động. 2. Đòi hỏi cơ sở dữ liệu hạ tầng hỗ trợ truy xuất hỗn hợp (Vector + BM25 + ID) tốc độ cao.
• URL Gốc: https://arxiv.org/abs/2510.21618
• Ngày Công Bố: 2025-10-24
• Mã Nguồn: https://github.com/RUC-NLPIR/DeepAgent
• Tác Giả: Jiahao Xu, Chao Wang, Zhiwei Liu, Xiao Chen
• Trích Dẫn Chuẩn APA 7: Xu, J., Wang, C., Liu, Z., & Chen, X. (2025). DeepAgent: A general reasoning agent with scalable toolsets. arXiv preprint arXiv:2510.21618. https://doi.org/10.48550/arXiv.2510.21618
• Phân Tích Chi Tiết:
DeepAgent thiết lập mô hình tác tử suy luận sâu tích hợp khả năng tư duy tự chủ, khám phá công cụ động và thực thi hành động trong một luồng lập luận thống nhất:
1. Cơ chế gấp bộ nhớ tự chủ (Autonomous Memory Folding): Tác tử có thể chủ động kích hoạt thẻ
• URL Kho Lưu Trữ: https://github.com/langchain-ai/open_deep_research
• Mô Tả: Hệ thống tác tử nghiên cứu sâu tự trị phân tầng do LangChain phát triển. Hệ thống sử dụng kiến trúc đồ thị trạng thái đệ quy, kết hợp giữa tác tử giám sát (supervisor agent) và các tác tử nghiên cứu chuyên biệt (researcher agents), tích hợp tìm kiếm web song song, máy chủ Model Context Protocol (MCP) và các rào chắn kiểm soát giới hạn token.
• Công Cụ Khảo Sát: Graft phiên bản 0.16.0 (Phân tích tĩnh AST không tốn phí suy luận LLM).
• Ước Tính Token Tiết Kiệm: Hệ thống Graft đã loại trừ 89,013 token rác (tiết kiệm 99% chi phí đọc thô) bằng cách lập bản đồ toàn bộ 22 tệp mã nguồn và truy vết điểm nóng liên kết (73,264 token từ graft map và 15,749 token từ graft callers).
Bản đồ phân tích xác định 22 tệp tin, 180 biểu tượng và 485 liên kết điều hướng: 1. Phân Vùng Lõi Điều Phối Tác Tử Nghiên Cứu (src/open_deep_research/): • Điểm tập trung cốt lõi (Hubs): - Hàm get_api_key_for_model (utils.py:L892-L914, 7 liên kết hướng vào): Quản lý tập trung khóa API cho các mô hình đa dạng (OpenAI, Anthropic, Google, v.v.). - Hàm is_token_limit_exceeded (utils.py:L665-L701, 3 liên kết hướng vào): Rào chắn kiểm soát độ dài ngữ cảnh, phát hiện sớm nguy cơ tràn token trước khi gọi tác tử tổng hợp. - Hàm _find_mcp_error_in_exception_chain (utils.py:L399-L409, 2 liên kết hướng vào): Cơ chế bóc tách lỗi chi tiết khi giao tiếp với các máy chủ MCP từ xa. - Hàm get_all_tools (utils.py:L569-L597, 2 liên kết hướng vào): Tổng hợp công cụ tìm kiếm và công cụ MCP cho tác tử researcher. - Tệp deep_researcher.py: Đóng vai trò bộ não điều phối chu trình nghiên cứu sâu, phân rã câu hỏi, gọi công cụ song song và biên soạn báo cáo hoàn chỉnh. 2. Phân Vùng Kiến Trúc Kế Thừa & Đa Tác Tử (src/legacy/): • Điểm tập trung cốt lõi: - Hàm _load_mcp_tools (multi_agent.py, 2 liên kết hướng vào): Nạp động các công cụ từ máy chủ MCP. - Hàm azureaisearch_search_async (utils.py, 2 liên kết hướng vào): Tích hợp tìm kiếm chuyên sâu trên Azure AI Search. - Các hàm get_research_tools, get_supervisor_tools, get_search_tool trong multi_agent.py: Định nghĩa ranh giới quyền hạn công cụ giữa tác tử giám sát và tác tử thực thi. 3. Phân Vùng Kiểm Định và Đánh Giá Chất Lượng (tests/): • Điểm tập trung cốt lõi: Hàm _format_input_query trong evaluators.py (5 liên kết hướng vào), extract_langsmith_data.py, và supervisor_parallel_evaluation.py hỗ trợ đánh giá hiệu năng trên 100 tác vụ nghiên cứu cấp tiến sĩ (PhD-level tasks) theo thang điểm RACE Rubrics. 4. Phân Vùng An Ninh và Xác Thực (src/security/): • Điểm tập trung cốt lõi: Hàm verify_token trong auth.py (1 liên kết hướng vào) bảo đảm tính toàn vẹn khi triển khai dịch vụ API.
Dựa trên năm công trình học thuật mới nhất và khảo sát mã nguồn mở langchain-ai/open_deep_research, phòng R&D đề xuất các định hướng nâng cấp sau cho chuẩn ARS 4.0.0: 1. Tích Hợp Cơ Chế Extended Chain-of-Thought (XoT) Memory (Mind DeepResearch Pattern): • Thiết lập kênh chia sẻ vết suy luận và lịch sử tương tác giữa các profile (R&D, Subc, Grill-QA) để bảo toàn xuất xứ thông tin từ khâu thu thập thô đến khâu phản biện và xuất bản. 2. Ứng Dụng Bộ Nhớ Tương Hỗ (Transactive Memory) Thay Vì Tăng Số Lượng Tác Tử (LLMA-Mem Pattern): • Tránh mở rộng bừa bãi số lượng profile; tập trung hoàn thiện mô hình hóa năng lực chuyên môn và lưu trữ quy trình (procedural memory) để tối ưu hóa chi phí token và nâng cao độ chính xác. 3. Triển Khai Quản Trị Bộ Nhớ Hai Tầng Có Cắt Tỉa Dựa Trên Phần Thưởng (AdMem Pattern): • Tích hợp việc ghi nhận cả các giả thuyết bị bác bỏ (failure cases) trong quá trình nghiên cứu để hệ thống không lặp lại các suy luận sai lầm trong tương lai. 4. Ứng Dụng Nguyên Lý Biên Dịch Đúng Thời Điểm (Just-in-Time Memory qua GAM): • Hạn chế tối đa việc nén tóm tắt sớm tài liệu nguồn; duy trì kho lưu trữ nguyên bản và kích hoạt quy trình nghiên cứu sâu động khi có truy vấn phức tạp. 5. Thiết Lập Rào Chắn Tràn Token và Gấp Bộ Nhớ Tự Chủ (DeepAgent & Open Deep Research Pattern): • Bổ sung cơ chế tự động tạm dừng và cấu trúc hóa bộ nhớ thành dạng JSON khi đạt ngưỡng token nhất định trước khi tiếp tục thực thi.
Phòng R&D bàn giao toàn bộ tài liệu và dữ liệu bằng chứng ngày 2026-09-28 cho Subc để triển khai Giai đoạn 2 (Soạn thảo Idea Contract V1): 1. Hồ Sơ Bàn Giao: • Tệp báo cáo công nghệ: shared/intelligence/tech_daily/2026-09-28.md • Dữ liệu bằng chứng thô: profiles/r-and-d/raw_evidence/evidence_tech_ai_20260928.json • Bản đồ kiến trúc langchain-ai/open_deep_research bằng Graft: profiles/r-and-d/raw_evidence/open_deep_research_graft_map.txt 2. Trọng Tâm Soạn Thảo Idea Contract: • Tên đề xuất: IC-2026-09-28-TECH-XOT-LLMA-MEM • Domain: Group-B3-Tech (Research Infrastructure Upgrade) • Mục tiêu: Nâng cấp hạ tầng nghiên cứu học thuật ARS 4.0.0 kết hợp cơ chế bộ nhớ suy luận mở rộng XoT (Mind DeepResearch), mô hình bộ nhớ tương hỗ transactive memory (LLMA-Mem), và rào chắn kiểm soát tràn ngữ cảnh token guardrails (Open Deep Research).