Tài liệu này tổng hợp các đột phá học thuật và khảo sát mã nguồn mở mới nhất trong ngày 02 tháng 10 năm 2026 thuộc danh mục ArXiv cs.AI, cs.MA, cùng 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. Bộ Khung Tác Tử Tối Giản Với Khả Năng Biểu Đạt Tối Đa (Harness as a Language: A Minimalist Agent Framework With Maximal Expressivity): Đề xuất khung kiến trúc JAZ với nguyên ngữ cốt lõi invoke đệ quy trong môi trường mã thực thi, vượt trội Letta (MemGPT) 8% về truy hồi ngữ cảnh dài hạn và vượt ACE 4% về tự cải tiến liên tục (arXiv:2609.26891).
2. Tranh Luận Đa Tác Tử Có Thực Sự Nâng Cao Phản Hồi Cho Bài Báo Khoa Học? (Does Multi-Agent Debate Improve AI Feedback on Research Papers?): Nghiên cứu thực nghiệm đối chứng mù trên 44 nghiên cứu tổng quan phân tích gộp (meta-analyses), phát hiện các tác giả thực tế ưu tiên bản phản biện đơn lượt hơn hệ thống tranh luận đa tác tử tiêu tốn gấp 30 lần token (arXiv:2607.14713).
3. Nghiên Cứu Sâu: Khảo Sát Toàn Diện Về Các Tác Tử Nghiên Cứu Tự Trị (Deep Research: A Survey of Autonomous Research Agents): Tổng quan hệ thống hóa 4 giai đoạn then chốt của quy trình nghiên cứu sâu gồm lập kế hoạch, phát triển câu hỏi nghiên cứu, khai phá web mở và chấp bút báo cáo (arXiv:2508.12752).
4. Tác Tử Nghiên Cứu Sâu: Khảo Sát Hệ Thống Hóa và Lộ Trình Phát Triển (Deep Research Agents: A Systematic Examination And Roadmap): Phân loại toàn diện kiến trúc tác tử, so sánh truy xuất qua API và duyệt web, tích hợp giao thức ngữ cảnh mô hình Model Context Protocol (MCP) và các rào cản kiểm chuẩn (arXiv:2506.18096).
5. Hỗ Trợ Soạn Thảo Bài Báo Tương Tự Wikipedia Từ Đầu Bằng Mô Hình Ngôn Ngữ Lớn (Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models): Hệ thống STORM kiến tạo dàn ý và tổng hợp bài viết chuyên sâu thông qua kỹ thuật đối thoại đa góc nhìn và truy xuất có kiểm chứng (arXiv:2402.14207).
6. Khảo sát mã nguồn mở STORM (stanford-oval/storm): Hệ thống mã nguồn mở tiêu biểu của Đại học Stanford về tổng hợp tri thức tự trị, được khảo sát kiến trúc chuyên sâu bằng công cụ Graft phiên bản 0.16.0 giúp tiết kiệm hơn 173,000 token tính toán.
Mọi tài liệu 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/2609.26891
• Ngày Công Bố: 2026-09-22 (Phiên bản v2 cập nhật: 2026-09-30)
• Tác Giả: Zhening Li, Joshua Liu, Mateja Vukelic, Nicole Shen, Supriya Lall, Amitayush Thakur, Alex Zhang, Omar Khattab, Jonathan Light, Armando Solar-Lezama
• Trích Dẫn Chuẩn APA 7: Li, Z., Liu, J., Vukelic, M., Shen, N., Lall, S., Thakur, A., Zhang, A., Khattab, O., Light, J., & Solar-Lezama, A. (2026). Harness as a language: A minimalist agent framework with maximal expressivity. arXiv preprint arXiv:2609.26891. https://doi.org/10.48550/arXiv.2609.26891
• Phân Tích Chi Tiết:
Các tác tử mô hình ngôn ngữ hiện đại thường dựa trên vòng lặp tác tử truyền thống: mô hình được đặt trong một môi trường công cụ và luân phiên gọi công cụ rồi quan sát phản hồi. Tuy nhiên, các năng lực nâng cao như bộ nhớ dài hạn và tự cải tiến liên tục hiện nay đòi hỏi các bộ khung chuyên biệt cồng kềnh nằm ngoài vòng lặp chính. Nhóm tác giả đề xuất JAZ, một framework tác tử theo nguyên lý tối giản:
1. Nguyên ngữ đơn nhất invoke: Tác tử được điều khiển thông qua một hàm nguyên ngữ invoke duy nhất. Mọi đầu vào của invoke và lịch sử tương tác đều là các biến số trong môi trường mã Python thực thi.
2. Khả năng thực thi mã đệ quy: Mô hình có thể viết mã tùy ý chứa các lệnh gọi invoke đệ quy lồng nhau, cho phép giải quyết các bài toán phân rã đa tầng mà không cần xây dựng thêm hạ tầng đồ thị phức tạp.
3. Cơ chế móc nối (Hooks) cho ràng buộc và giám sát: Lập trình viên kiểm soát an toàn và kiểm toán hành vi tác tử qua các hàm hook tích hợp sẵn.
4. Hiệu quả thực nghiệm vượt bậc: Trên tác vụ StuLife đòi hỏi truy hồi bộ nhớ dài hạn vượt xa cửa sổ ngữ cảnh, JAZ chỉ dùng kỹ thuật gợi ý mà vượt qua Letta (MemGPT) 8% về độ chính xác với chi phí token chỉ bằng một nửa. Trên tác vụ tự cải thiện AppWorld, JAZ vượt framework ACE 4% với chi phí thấp hơn.
• Ưu Điểm:
1. Kiến trúc tối giản triệt để, loại bỏ sự cồng kềnh của các hệ thống quản trị bộ nhớ ngoài phức tạp.
2. Tiết kiệm tài nguyên token và giảm độ trễ đáng kể nhờ việc biến toàn bộ tương tác thành biến số trong không gian mã.
• Nhược Điểm và Giới Hạn:
1. Đòi hỏi môi trường thực thi sandbox mã nguồn tuyệt đối an toàn vì tác tử có toàn quyền sinh và chạy mã đệ quy.
2. Phụ thuộc cao vào khả năng viết mã Python chính xác của mô hình ngôn ngữ nền tảng.
• URL Gốc: https://arxiv.org/abs/2607.14713 • Ngày Công Bố: 2026-07-16 • Tác Giả: Tomas Havranek, Zuzana Irsova • Trích Dẫn Chuẩn APA 7: Havranek, T., & Irsova, Z. (2026). Does multi-agent debate improve AI feedback on research papers? arXiv preprint arXiv:2607.14713. https://doi.org/10.48550/arXiv.2607.14713 • Phân Tích Chi Tiết: Xu hướng xây dựng hệ thống đa tác tử tranh luận (Multi-Agent Debate) được kỳ vọng sẽ nâng cao chất lượng phản hồi học thuật. Nhóm nghiên cứu tiến hành một thử nghiệm thực chứng mù đăng ký trước (pre-registered within-paper experiment) trên chính các tác giả của 44 bài báo tổng quan phân tích gộp trong lĩnh vực kinh tế: 1. Thiết kế thực nghiệm nghiêm ngặt: Các tác giả bài báo xếp hạng độ hữu ích của ba báo cáo phản biện AI được chuẩn hóa theo cùng độ dài và cấu trúc: một bản phản biện đơn lượt (single pass) từ mô hình hàng đầu và hai hệ thống đa tác tử tranh luận (mad-research và paper-workshop). 2. Kết quả bất ngờ: Các tác giả người thật ưu tiên bản phản biện đơn lượt hơn mad-research 0.66 bậc xếp hạng và hơn paper-workshop 0.57 bậc, bất kể paper-workshop tiêu tốn gấp 30 lần lượng token tính toán. 3. Hiện tượng đảo chiều của giám khảo AI: Khi sử dụng ba giám khảo AI độc lập để đánh giá, mô hình Gemini lại xếp hạng paper-workshop ở vị trí số một, hoàn toàn trái ngược với đánh giá của tác giả con người. Điều này cảnh báo nguy cơ nghiêm trọng khi thay thế đánh giá con người bằng giám khảo AI trong các quy trình kiểm định khoa học. • Ưu Điểm: 1. Cung cấp bằng chứng thực nghiệm khách quan đầu tiên về hiệu quả thực tế của mô hình tranh luận đa tác tử trong đánh giá học thuật. 2. Cảnh báo rõ ràng về chi phí token khổng lồ và hiện tượng sai lệch đánh giá của các giám khảo LLM tự động. • Nhược Điểm và Giới Hạn: 1. Nghiên cứu giới hạn trong phạm vi 44 bài báo tổng quan phân tích gộp ngành kinh tế học, có thể chưa phản ánh toàn diện các ngành khoa học tự nhiên. 2. Đối tượng đo lường là độ hữu ích cảm nhận được trên bài báo đã hoàn thiện, chưa đánh giá tác động ở giai đoạn phác thảo sơ khởi.
• URL Gốc: https://arxiv.org/abs/2508.12752 • Ngày Công Bố: 2025-08-18 • Tác Giả: Wenlin Zhang, Xiaopeng Li, Yingyi Zhang, Pengyue Jia, Yichao Wang, Huifeng Guo, Yong Liu, Xiangyu Zhao • Trích Dẫn Chuẩn APA 7: Zhang, W., Li, X., Zhang, Y., Jia, P., Wang, Y., Guo, H., Liu, Y., & Zhao, X. (2025). Deep research: A survey of autonomous research agents. arXiv preprint arXiv:2508.12752. https://doi.org/10.48550/arXiv.2508.12752 • Phân Tích Chi Tiết: Báo cáo khảo sát toàn diện của nhóm tác giả phác thảo bức tranh tổng thể về mô hình Deep Research: 1. Khung chu trình 4 giai đoạn cốt lõi: • Lập kế hoạch (Planning): Phân rã mục tiêu lớn thành các nhiệm vụ truy vấn chi tiết. • Phát triển câu hỏi nghiên cứu (Question Developing): Đào sâu ngữ cảnh để hình thành các câu hỏi trúng đích thay vì tìm kiếm từ khóa chung chung. • Khai phá web mở (Web Exploration): Tương tác linh hoạt giữa công cụ tìm kiếm và bóc tách nội dung chuyên sâu. • Chấp bút báo cáo (Report Generation): Tổng hợp đa nguồn, đảm bảo tính trung thực và trích dẫn kiểm chứng được. 2. Phân loại kỹ thuật tối ưu hóa: Tổng kết các phương pháp huấn luyện tăng cường (RL), kỹ thuật tinh chỉnh ngữ cảnh (In-context learning) và đối chiếu chéo nhiều nguồn tài liệu. 3. Định vị thách thức mở: Điểm nghẽn về sự suy giảm độ chính xác khi chuỗi suy luận kéo dài, hiện tượng ảo giác trích dẫn và khó khăn trong đánh giá tự động các báo cáo dài. • Ưu Điểm: 1. Định hình một ngôn ngữ và cấu trúc quy chuẩn chung cho toàn bộ ngành nghiên cứu tác tử tự trị. 2. Hệ thống hóa các bộ kiểm chuẩn và công cụ đo lường độ tin cậy của tài liệu nghiên cứu. • Nhược Điểm và Giới Hạn: 1. Tài liệu chủ yếu tổng kết các công trình trước đó, chưa cung cấp giải pháp thuật toán mới riêng biệt. 2. Một số phương pháp khảo sát phụ thuộc vào các dịch vụ tìm kiếm web thương mại độc quyền.
• URL Gốc: https://arxiv.org/abs/2506.18096 • Ngày Công Bố: 2025-06-22 (Phiên bản v2 cập nhật: 2025-09-03) • Tác Giả: Yuxuan Huang, Yihang Chen, Haozheng Zhang, Kang Li, Huichi Zhou, Meng Fang, Linyi Yang, Xiaoguang Li, Lifeng Shang, Songcen Xu, Jianye Hao, Kun Shao, Jun Wang • Trích Dẫn Chuẩn APA 7: Huang, Y., Chen, Y., Zhang, H., Li, K., Zhou, H., Fang, M., Yang, L., Li, X., Shang, L., Xu, S., Hao, J., Shao, K., & Wang, J. (2025). Deep research agents: A systematic examination and roadmap. arXiv preprint arXiv:2506.18096. https://doi.org/10.48550/arXiv.2506.18096 • Phân Tích Chi Tiết: Công trình nghiên cứu tập trung bóc tách kiến trúc hạ tầng và các thành phần công nghệ nền tảng của tác tử Deep Research: 1. Chiến lược thu thập thông tin: So sánh đối đầu giữa phương pháp truy xuất qua API tìm kiếm có cấu trúc và phương pháp duyệt web tự trị qua trình duyệt ảo. Nhóm tác giả chỉ ra API mang lại độ trễ thấp và cấu trúc sạch, trong khi trình duyệt cho phép truy cập dữ liệu động phía sau tường bảo vệ hoặc JavaScript. 2. Khung công cụ mô đun hóa và chuẩn MCP: Nhấn mạnh tầm quan trọng của Model Context Protocol trong việc chuẩn hóa kết nối giữa tác tử và hệ sinh thái công cụ ngoại vi. 3. Phân loại quy trình tĩnh và động: Đánh giá sự khác biệt giữa quy trình xác định trước (DAG tĩnh) và quy trình suy luận thích ứng theo thời gian thực (Dynamic Agentic Loops). • Ưu Điểm: 1. Cung cấp lộ trình kỹ thuật cụ thể giúp các nhóm phát triển lựa chọn kiến trúc phù hợp giữa đơn tác tử và đa tác tử. 2. Phân tích chi tiết rủi ro của việc thực thi tuần tự đối với độ trễ hệ thống. • Nhược Điểm và Giới Hạn: 1. Chưa phân tích sâu về vấn đề chi phí hạ tầng khi duy trì phiên duyệt web ảo quy mô lớn. 2. Các gợi ý về MCP còn ở mức tổng quan kiến trúc, cần thử nghiệm thực tế trên từng giao thức cụ thể.
• URL Gốc: https://arxiv.org/abs/2402.14207 • Ngày Công Bố: 2024-02-22 (Phiên bản v2 cập nhật: 2024-04-08) • Tác Giả: Yijia Shao, Yucheng Jiang, Theodore A. Kanell, Peter Xu, Omar Khattab, Monica S. Lam • Trích Dẫn Chuẩn APA 7: Shao, Y., Jiang, Y., Kanell, T. A., Xu, P., Khattab, O., & Lam, M. S. (2024). Assisting in writing Wikipedia-like articles from scratch with large language models. arXiv preprint arXiv:2402.14207. https://doi.org/10.48550/arXiv.2402.14207 • Phân Tích Chi Tiết: Nghiên cứu của Đại học Stanford giải quyết bài toán cốt lõi: làm thế nào để tự động chấp bút các bài viết tổng quan dài, có tổ chức chặt chẽ và bám sát nguồn tin cậy tương tự bách khoa toàn thư Wikipedia: 1. Hệ thống STORM: Đề xuất mô hình tổng hợp dàn ý đề tài qua truy xuất và đặt câu hỏi đa góc nhìn (Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking). 2. Ba bước chuẩn hóa giai đoạn tiền chấp bút: • Khám phá các góc nhìn đa dạng về chủ đề nghiên cứu. • Mô phỏng cuộc đối thoại giữa các nhà nghiên cứu mang góc nhìn khác nhau và chuyên gia thông tin bám sát nguồn web đáng tin cậy. • Tinh lọc thông tin thu thập được để xây dựng dàn ý cấu trúc phân tầng. 3. Đánh giá chất lượng thực tế: Trên tập dữ liệu FreshWiki và qua phản hồi của các biên tập viên Wikipedia kỳ cựu, bài viết của STORM có cấu trúc mạch lạc hơn 25% và độ bao phủ tri thức rộng hơn 10% so với phương pháp RAG truyền thống. • Ưu Điểm: 1. Giải quyết triệt để vấn đề thiên kiến góc nhìn bằng kỹ thuật giả lập đối thoại đa vai trò. 2. Tạo ra cấu trúc bài viết khoa học có tính phân cấp rõ ràng trước khi viết chi tiết. • Nhược Điểm và Giới Hạn: 1. Nguy cơ lan truyền thiên kiến nguồn (source bias transfer) nếu nguồn web ban đầu không trung lập. 2. Hiện tượng liên kết quá mức các sự kiện không liên quan (over-association of unrelated facts) khi tổng hợp từ quá nhiều luồng đối thoại.
• URL Kho Lưu Trữ: https://github.com/stanford-oval/storm
• Mô Tả: STORM là framework nghiên cứu tự trị hàng đầu do Đại học Stanford phát triển, chuyên sâu về tổng hợp tri thức tự động, sinh dàn ý phân cấp qua truy vấn đa góc nhìn và tạo lập báo cáo học thuật đầy đủ trích dẫn. Framework bao gồm hai hệ thống cốt lõi: STORMWiki (tạo bài viết bách khoa tự trị) và Collaborative STORM / Co-STORM (nghiên cứu tương tác hợp tác đa tác tử).
• Công Cụ Khảo Sát: Graft phiên bản 0.16.0 (Phân tích tĩnh đồ thị cú pháp trừu tượng AST, 0 USD phí LLM).
• Ước Tính Token Tiết Kiệm: Hệ thống Graft đã loại trừ hơn 173,090 token dư thừa (tiết kiệm 99% chi phí đọc trực tiếp) thông qua lệnh graft build, graft map và phân tích điểm tập trung graft callers STORMWikiRunner.
Bản đồ phân tích xác định 52 tệp tin, 669 biểu tượng và 1,602 liên kết điều hướng: 1. Phân Vùng Điều Phối Bách Khoa STORM (knowledge_storm/storm_wiki/): • 11 tệp tin, 119 biểu tượng. • Điểm tập trung cốt lõi (Hotspot Hubs): • Lớp STORMWikiRunner (engine.py, L171-L441, 11 liên kết hướng vào): Lớp điều phối toàn bộ chu trình 3 bước: sinh góc nhìn nhân vật (persona generation), đặt câu hỏi truy xuất thông tin (knowledge curation qua giả lập đối thoại) và chấp bút dàn ý báo cáo (outline generation và article generation). • Lớp STORMWikiLMConfigs (engine.py, L21-L124): Cho phép cấu hình các mô hình ngôn ngữ riêng biệt cho từng tác vụ: mô hình sinh nhân vật, mô hình giả lập đối thoại, mô hình đặt câu hỏi, mô hình tạo dàn ý và mô hình đánh bóng văn bản. • Mô đun PersonaGenerator (modules/persona_generator.py): Tự động phát hiện các góc nhìn chuyên môn khác nhau cho một chủ đề để mở rộng phạm vi điều tra. 2. Phân Vùng Nghiên Cứu Hợp Tác Co-STORM (knowledge_storm/collaborative_storm/): • 15 tệp tin, 172 biểu tượng. • Lớp CollaborativeStormEngine (engine.py): Quản lý không gian tri thức chung (shared mind map/concept graph) giữa nhiều tác tử và người dùng. • Mô đun Trích Xuất và Làm Sạch Trích Dẫn (collaborative_storm_utils.py): Xử lý trích dẫn chuẩn mực, bảo đảm mỗi luận điểm đều gắn với đoạn văn bản trích dẫn nguồn gốc (grounding). 3. Phân Vùng Giao Tiếp Mô Hình và Truy Xuất (knowledge_storm/lm.py và knowledge_storm/rm.py): • rm.py chứa các lớp kết nối công cụ tìm kiếm: BingSearch, SearXNG, SerperRM, VectorRM, YouRM. • lm.py hỗ trợ linh hoạt đa nhà cung cấp: ClaudeModel, LitellmModel, OllamaClient. 4. Phân Vùng Giao Diện và Cấu Trúc Dữ Liệu (knowledge_storm/interface.py và dataclass.py): • Lớp ArticleSectionNode và KnowledgeGraph: Quản lý dàn ý bài viết dưới dạng cấu trúc cây phân cấp trước khi tiến hành viết văn bản đầy đủ.
Dựa trên năm công trình học thuật mới và kết quả phân tích mã nguồn mở stanford-oval/storm, phòng R&D đề xuất các định hướng nâng cấp sau cho chuẩn ARS 4.0.0: 1. Tích Hợp Giai Đoạn Khám Phá Đa Góc Nhìn (STORM Multi-Perspective Pre-writing): • Bổ sung bước sinh 3 đến 5 góc nhìn chuyên môn khác nhau trước khi tiến hành tìm kiếm sâu, đảm bảo tài liệu thu thập bao quát toàn diện các khía cạnh kinh tế, kỹ thuật, pháp lý và xã hội. 2. Tối Ưu Hóa Vòng Lặp Phản Biện Theo Nguyên Lý Tối Giản (JAZ Minimalist Harness & Anti-Waste): • Giới hạn số lượt phản biện ở mức tối đa 2 vòng giữa R&D, Subc và Grill-QA. Tuyệt đối tránh các vòng lặp tranh luận đa tác tử không giới hạn làm phình to chi phí tính toán mà không cải thiện chất lượng phản hồi cho người dùng cuối. 3. Chuẩn Hóa Kiến Trúc 4 Giai Đoạn Theo Deep Research Survey: • Định hình rõ ranh giới trách nhiệm giữa Planning, Question Developing, Web Exploration và Report Generation trong các profile chuyên biệt của hệ thống CEO AI OS. 4. Tách Bạch Rõ Dàn Ý Phân Tầng Trước Khi Chấp Bút (Outline Tree Construction): • Yêu cầu mọi báo cáo nghiên cứu chuyên sâu phải duyệt cấu trúc cây đề cương trước khi viết chi tiết, đảm bảo mỗi đề mục đều có căn cứ nguồn xác thực từ ArXiv hoặc nguồn uy tín.
Phòng R&D bàn giao toàn bộ tài liệu nghiên cứu và dữ liệu bằng chứng ngày 2026-10-02 cho Subc để tiến hành Giai đoạn 2 (Soạn thảo Idea Contract V1): 1. Hồ Sơ Bàn Giao: • Báo cáo tổng hợp: shared/intelligence/tech_daily/2026-10-02.md • Bằng chứng thô có cấu trúc: profiles/r-and-d/raw_evidence/evidence_tech_ai_20261002.json • Bản đồ kiến trúc Graft của STORM: profiles/r-and-d/raw_evidence/storm_graft_map.txt 2. Trọng Tâm Soạn Thảo Idea Contract: • Tên đề xuất: IC-2026-10-02-TECH-STORM-PERSPECTIVES-MINIMALIST-HARNESS • Domain: Group-B3-Tech (Research Infrastructure Upgrade) • Mục tiêu: Nâng cấp chuẩn nghiên cứu ARS 4.0.0 tích hợp cơ chế sinh góc nhìn đa nhân vật (STORM Multi-Perspective Persona) và cấu trúc điều phối tối giản (JAZ Minimalist Harness) nhằm nâng cao độ bao phủ tri thức, ngăn ngừa lãng phí token từ tranh luận thừa và chuẩn hóa cây dàn ý phân tầng cho các báo cáo nghiên cứu trên hệ thống CEO AI OS.