Ant Group đã công bố bốn bài báo tại IJCAI 2026, khám phá hệ thống khả năng thích ứng của AI trong môi trường động.

Tác giả bài viết, nguồn: Leifeng.com

Dù thuật toán có thông minh đến đâu, cuối cùng cũng phải được kiểm nghiệm trong môi trường động.

IJCAI-ECAI 2026 sẽ được tổ chức tại Bremen, Đức từ ngày 15 đến 21 tháng 8 năm 2026. Trong thời gian diễn ra hội nghị, AI Technology Review đang tiến hành quét hệ thống các bài báo được chấp nhận tại hội nghị hàng đầu này để nắm bắt các xu hướng công nghệ và định hướng ngành.

TrongHuawei IJCAI 2026: Từ “mật độ quy mô” chuyển sang “mật độ thiết kế”, chúng tôi nhận thấy các công ty lớn đang thể hiện sự kiềm chế trong cuộc đua tham số và hướng tới hiệu suất tính toán.

Bốn bài báo được chọn của Ant Group hướng đến một dòng công nghệ quan trọng không kém nhưng có con đường hoàn toàn khác biệt: sự khám phá hệ thống về khả năng thích ứng với môi trường động.

Độ chính xác của mô hình thuật toán liên tục phá vỡ kỷ lục trong phòng thí nghiệm, nhưng một khi được triển khai vào thế giới thực, hiệu suất suy giảm gần như trở thành điều bình thường. Lý do rất đơn giản: thế giới thực không bao giờ đứng yên.

Các bối cảnh hoạt động của Ant Group đã đẩy sự “không tĩnh lặng” này đến cực hạn: hơn 1 tỷ người dùng, hơn 8.000 dịch vụ, đỉnh cao thanh toán và khoảng lặng đêm khuya có thể chênh lệch vài cấp độ, các mô hình kiểm soát rủi ro phải phản ứng theo giờ để thích ứng với sự cập nhật của các chiến lược tội phạm mạng, đồng thời triển khai toàn cầu phải điều chỉnh phù hợp với cơ sở hạ tầng tài chính khác biệt ở mỗi quốc gia.

Trong môi trường như vậy, các mô hình tĩnh với phương châm “đào tạo một lần, triển khai vĩnh viễn” chắc chắn sẽ rơi vào tình thế “vẽ kiếm trên thuyền”.

Chính vì vậy, trí tuệ thực sự nằm ở khả năng của thuật toán trong việc nhận biết sự thay đổi của môi trường, chủ động điều chỉnh chiến lược của chính nó và tìm kiếm giải pháp tối ưu trong trạng thái động. Bốn bài báo của Ant Group đều cùng trả lời cho luận đề cốt lõi này: Làm thế nào để AI tiến hóa từ “bộ giải bài toán tĩnh” thành “người tự thích nghi động”?

01 MSRGC-Net: Làm cho việc phân cụm chuỗi thời gian “tự thích nghi” với phân bố mật độ dữ liệu

Thời gian chuỗi phân cụm là việc tự động phân loại các chuỗi hành vi quy mô lớn, đây là công cụ cơ bản để hiểu các mẫu hành vi và giám sát các tín hiệu bất thường.

Tuy nhiên, các phương pháp hiện có đều có những điểm bất tiện riêng:

Phương pháp độ tương đồng (ví dụ: k-Shape): có thể phát hiện các mô hình cục bộ, nhưng cần tính khoảng cách giữa tất cả các cặp mẫu; khi dữ liệu tăng lên thì chạy rất chậm;
Các phương pháp học sâu (như autoencoder): Khả năng biểu diễn mạnh, nhưng đào tạo tốn kém, tinh chỉnh tham số phức tạp và tiêu tốn nhiều sức mạnh tính toán;
Trích xuất đặc trưng truyền thống: phụ thuộc vào việc thiết kế đặc trưng thủ công, các thông tin động lực thời gian quan trọng có thể bị bỏ sót.

Vấn đề lớn hơn là: phân bố mật độ dữ liệu chuỗi thời gian trong thực tế cực kỳ không đồng đều—dữ liệu giao dịch Ngày Độc Thân dày đặc như mưa rào, trong khi dữ liệu vào ban đêm lại thưa thớt như giọt nước, nhưng các phương pháp truyền thống yêu cầu bạn phải thông báo trước cho nó biết chia thành mấy loại, điều này vốn đã không phù hợp với thực tế.

MSRGC-Net do Tập đoàn Ant và Đại học Công nghệ Bưu chính Viễn thông Trùng Khánh đề xuất sử dụng một loạt chiến lược “không cần huấn luyện” để vượt qua sự lựa chọn khó khăn giữa độ chính xác và hiệu suất tính toán.

Địa chỉ bài báo: https://arxiv.org/pdf/2606.12077v1

▎Logic cốt lõi của nó có thể chia thành ba bước:

Bước đầu tiên, mã hóa hồ chứa đa quy mô (trích xuất đặc trưng). Sử dụng nhiều mạng trạng thái vang (ESN) không cần huấn luyện làm đơn vị tính toán cơ bản của hồ chứa, chỉ cần điều chỉnh bán kính phổ để đồng thời trích xuất biến động cục bộ và xu hướng dài hạn từ chuỗi thời gian gốc, sau đó tổng hợp tất cả các mẫu để tạo ma trận đặc trưng nhìn thấy, làm đầu vào cho các giai đoạn tiếp theo.

Bước thứ hai, xây dựng biểu đồ neo của “hạt cầu” (mô hình hóa cấu trúc), đây là phần tinh vi nhất. Thuật toán không còn tập trung vào từng điểm dữ liệu đơn lẻ, mà tự động chia thành các “hạt cầu” dựa trên mật độ cục bộ của dữ liệu: các vùng có mật độ cao tạo thành nhiều hạt nhỏ, trong khi các vùng có mật độ thấp tạo thành ít hạt lớn. Kích thước dữ liệu được nén từ N xuống M (số hạt cầu, M < N), đồng thời nhiễu cũng được giảm thiểu.

Bước thứ ba: Tối ưu hóa đồ thị đa thang độ dựa trên sự đồng thuận. Đồ thị neo xuyên thang độ được kết hợp thông qua chiến lược đồng thuận, giúp mô hình vừa nắm bắt được các mẫu vi mô cục bộ, vừa把握 được xu hướng vĩ mô toàn cục, từ đó tạo ra kết quả phân cụm bền vững mà không cần xác định trước số lượng cụm.

Hiệu quả của cách chơi này thế nào?

Trên 5 bộ dữ liệu chuẩn đa biến và 15 chỉ số đánh giá (NMI, ARI, RI mỗi loại 5 chỉ số), MSRGC-Net đạt 12 chỉ số tốt nhất và 2 chỉ số thứ hai — tỷ lệ tốt nhất đạt 80%.

Quan trọng hơn, nó tránh được phép tính cặp đôi O(n²) và đạt được độ phức tạp gần tuyến tính. Nói đơn giản là: nhanh và chính xác, và bạn không cần phải đoán phải chia thành bao nhiêu nhóm.

Trong các tình huống thực tế của Ant, điều này có nghĩa là hệ thống có thể tự động điều chỉnh độ mịn của cụm dựa trên mật độ lưu lượng – trong giờ cao điểm, phân nhóm chi tiết để phát hiện bất thường; trong giờ thấp điểm, tóm tắt thô để tiết kiệm tài nguyên tính toán, luôn đi theo dữ liệu.

02 Làm cho chiến lược trộn dữ liệu học tăng cường từ ngoại tuyến sang trực tuyến trở nên thích ứng

Học tăng cường có một vấn đề nổi tiếng gọi là “không phù hợp với môi trường” — “sự dịch chuyển phân phối”: mô hình được huấn luyện trên dữ liệu ngoại tuyến dễ dàng “quên” ngay khi đưa vào hoạt động. Điều này xảy ra do sự khác biệt về phân phối giữa dữ liệu ngoại tuyến và dữ liệu tương tác trực tuyến, khiến chiến lược trong giai đoạn đầu trực tuyến nhanh chóng “quên” những kiến thức đã học từ dữ liệu ngoại tuyến.

Các giải pháp hiện có không ngoài hai cách: hoặc cố định tỷ lệ hỗn hợp 50% ngoại tuyến + 50% trực tuyến, hoặc sử dụng các quy tắc heuristics để ưu tiên lấy mẫu các mẫu “gần chiến lược”.

Nhưng vấn đề là nhu cầu của chiến lược ở các giai đoạn khác nhau hoàn toàn khác nhau – giai đoạn đầu cần nhiều dữ liệu ngoại tuyến để ổn định nền tảng cơ bản, giai đoạn sau cần nhiều dữ liệu trực tuyến để khám phá những khả năng mới. Chiến lược cố định chính là khắc chu cầu kiếm.

Ant Group kết hợp với Đại học Giao thông Thượng Hải đề xuất ROAD, biến tỷ lệ pha trộn dữ liệu từ một “tham số được thiết lập trước” thành một “biến quyết định động”.

Địa chỉ bài luận: https://arxiv.org/pdf/2605.14497

Ý tưởng cốt lõi của nó rất thú vị: việc lựa chọn dữ liệu về cơ bản là một bài toán tối ưu hai lớp.

Nội tầng (Inner-Level): Cập nhật Q-learning tiêu chuẩn, tức là tối thiểu hóa lỗi Bellman;
Lớp ngoài (Outer-Level): Xem chiến lược trộn dữ liệu như một biến quyết định cấp cao, nhằm tối đa hóa lợi nhuận kỳ vọng của chiến lược trực tuyến.

Hai lớp được giải xấp xỉ bằng thuật toán Multi-Armed Bandit (MAB), cho phép chiến lược hỗn hợp được điều chỉnh theo thời gian thực trong quá trình huấn luyện: khi phát hiện mô hình bắt đầu “quên” kiến thức học được ở giai đoạn ngoại tuyến, tỷ lệ lấy mẫu dữ liệu ngoại tuyến sẽ tự động tăng lên để duy trì nền tảng cơ bản; khi mô hình trở nên bảo thủ và thiếu khám phá, tỷ lệ dữ liệu trực tuyến sẽ được tăng kịp thời để khuyến khích nó thử nghiệm và sai sót.

Thí nghiệm được thực hiện rất chặt chẽ. Nhóm đã xác minh trên ba tiêu chuẩn kinh điển từ offline sang online reinforcement learning: AntMaze (robot tìm mục tiêu trong mê cung), MuJoCo (kiểm soát chuyển động của robot sinh học) và FrankaKitchen (tay máy thực hiện các thao tác phức tạp trong nhà bếp). Các nhiệm vụ này có độ khó khác nhau và không gian trạng thái đa dạng, giúp kiểm tra toàn diện khả năng khái quát hóa của thuật toán.

Để xác minh tính phổ quát của thuật toán ROAD, nhóm nghiên cứu đã kết hợp ROAD với nhiều thuật toán ngoại tuyến phổ biến khác như IQL, PEX, CQL và Cal-QL. Kết quả cho thấy: bất kể thuật toán nền nào được sử dụng, ROAD đều mang lại sự cải thiện hiệu suất một cách ổn định.

Ví dụ với PEX+ROAD, phương pháp này đạt điểm trung bình tổng thể 71.12 trên 24 nhiệm vụ điều khiển liên tục trong bộ chuẩn D4RL, trong đó 18 nhiệm vụ đứng đầu, vượt trội rõ rệt so với tất cả các phương pháp cơ sở như tỷ lệ cố định, tỷ lệ giảm dần, và bộ nhớ tái chơi cân bằng theo heuristic.

Nói cách khác, ROAD giúp mô hình tìm được điểm cân bằng tối ưu giữa “thừa kế bảo thủ” và “khám phá tích cực” – vừa tránh được tình trạng gặp sự cố ngay khi ra mắt, vừa không bỏ lỡ cơ hội cải thiện từ dữ liệu thời gian thực. Phương pháp này có giá trị rõ ràng trong các bối cảnh như triển khai mô hình kiểm soát rủi ro của Ant Group hoặc tối ưu hóa hệ thống đề xuất theo thời gian thực.

03 DSEBO: Làm cho tối ưu hóa Bayesian chiều cao “thích ứng” tìm kiếm không gian con

Bayesian optimization là phương pháp kinh điển để tối ưu hàm hộp đen, nhưng gặp khó khăn ngay khi đối mặt với bài toán chiều cao. Một giải pháp phổ biến là nhúng ngẫu nhiên — chiếu bài toán tối ưu xuống không gian con chiều thấp, nhưng vấn đề mới nảy sinh: chiều hiệu quả thực sự là bao nhiêu?

Các phương pháp truyền thống либо dựa vào kinh nghiệm của chuyên gia để xác định kích thước không gian con cố định, либо thông qua phương pháp thử-sai để ước lượng lặp đi lặp lại, không chỉ tiêu tốn nhiều tài nguyên mà kích thước không gian con cố định còn khó thích ứng với các nhiệm vụ khác nhau. Hơn nữa, kích thước hiệu quả bản thân có thể thay đổi trong quá trình tối ưu: trong giai đoạn khám phá ban đầu, kích thước thấp đã đủ, nhưng đến giai đoạn tinh chỉnh sau này có thể cần chi tiết ở kích thước cao hơn.

DSEBO do Tập đoàn Ant và Đại học Đông Hoa, Đại học Nam Kinh đề xuất, biến chiều không gian con thành “biến động” trong quá trình tối ưu, tự động chuyển đổi theo tiến độ tìm kiếm.

Địa chỉ bài báo: https://arxiv.org/pdf/2605.23473

Cơ chế cốt lõi của DSEBO là “từ thấp đến cao, từng cấp tăng lên”:

Xuất phát từ không gian con chiều thấp, bộ tối ưu tạo ra các nghiệm ứng cử trong không gian chiều thấp, sau đó ánh xạ ngẫu nhiên vào không gian gốc để nhanh chóng xác định hình dạng tổng quát của hàm mục tiêu, sau đó kết quả phản hồi thúc đẩy quá trình lặp và cập nhật Gaussian Process;
Quan sát thấy sau khi hội tụ, việc mở rộng chiều sẽ được kích hoạt tự động, sử dụng ma trận nhúng chung để “kế thừa” nghiệm chiều thấp sang chiều cao hơn;
Khởi tạo và tối ưu hóa liên tục các không gian con, với ma trận nhúng chung đảm bảo các không gian con lồng ghép lẫn nhau, tạo thành chu trình “khám phá chiều thấp → kích hoạt hội tụ → mở rộng chiều → tối ưu hóa liên tục”, cho đến khi đạt giới hạn ngân sách đánh giá.

Trong giai đoạn mở rộng chiều, mức độ mở rộng cũng không cố định—thuật toán sẽ tự điều chỉnh thích ứng theo đường cong thay đổi của giá trị tối ưu hiện tại: nếu đường cong phẳng thì mở rộng chậm hơn để tiết kiệm chi phí không cần thiết; nếu đường cong dốc thì mở rộng nhanh hơn để nhanh chóng tận dụng lợi ích từ chiều cao.

Kết quả thí nghiệm cho thấy: trên các hàm tổng hợp (Levy, Griewank, Sphere, D=1000) và ba nhiệm vụ thực tế (MSLR, Lasso-Hard, LIMO), DSEBO đã so sánh trực tiếp với hơn chục phương pháp phổ biến như REMBO, SIRBO, BAxUS, TuRBO, và đạt được giải pháp tối ưu trên hầu hết các nhiệm vụ—về cả độ chính xác và tốc độ hội tụ.

Chiến lược “khám phá ở chiều thấp, tinh chỉnh ở chiều cao” này cũng rất hữu ích trong quá trình phát triển hàng ngày của Ant — việc tối ưu siêu tham số của mô hình tín dụng, tìm kiếm ngưỡng tối ưu cho chiến lược kiểm soát rủi ro, và thiết kế thí nghiệm đa biến cho các chiến dịch tiếp thị, giờ đây không còn cần chuyên gia ước lượng chiều bằng trực giác nữa, thuật toán tự động “đi và quan sát”, đạt được vận hành tự động và hiệu quả cao.

04 VGA-BenchV2: Làm cho bộ chuẩn đánh giá video trở nên “thích ứng” với sự tiến hóa của hệ sinh thái AIGC

Nếu ba bài báo trước thảo luận về sự thích nghi ở cấp độ thuật toán, thì VGA-BenchV2 thể hiện cách cơ sở hạ tầng đánh giá “thích nghi” với sự phát triển của hệ sinh thái AIGC. Đây cũng là công trình duy nhất trong bốn bài báo tập trung vào hiểu biết đa phương tiện, phản ánh sự chuẩn bị chiến lược của Ant Group trong các lĩnh vực phi tài chính như đời sống số và hệ sinh thái nội dung.

AIGC đã thúc đẩy sự bùng nổ trong sản xuất video, nhưng một vấn đề cốt lõi đang gây trở ngại: Làm thế nào để chúng ta đánh giá một cách hệ thống chất lượng của các video được tạo ra?

Các chỉ số đánh giá truyền thống như FVD (đánh giá chất lượng tổng thể và tính liên tục theo thời gian), CLIP Score (đánh giá sự nhất quán ngữ nghĩa giữa hình ảnh được tạo ra và mô tả văn bản), chủ yếu tập trung vào việc hình ảnh có rõ ràng không, chuyển động có mượt mà không, văn bản có khớp không. Còn về bố cục có tinh tế không, ánh sáng có được chú trọng không, màu sắc có hài hòa không—những yếu tố liên quan đến chất lượng cảm nhận về “mỹ quan”, chúng gần như bất lực.

Trước đó, tại CVPR 2026, Ant Group cùng Học viện Điện ảnh Bắc Kinh và Viện Nghiên cứu Trí tuệ Nhân tạo Tổng quát (BIGAI) đã đề xuất VGA-Bench, lần đầu tiên xây dựng khung đánh giá ba chiều cho việc đánh giá thẩm mỹ video (chất lượng thẩm mỹ, nhãn thẩm mỹ, chất lượng tạo sinh), đồng thời xây dựng cơ sở đánh giá dựa trên 1.016 từ khóa gợi ý, 12 mô hình tạo sinh và hơn 60.000 video, giúp AI lần đầu tiên học được cách “đánh giá” video từ góc nhìn chuyên nghiệp.

Liên kết bài báo: https://arxiv.org/pdf/2604.10127

Nhưng mô hình sinh video tiến hóa quá nhanh, nhịp độ cập nhật theo tháng khiến các tiêu chuẩn cố định nhanh chóng “không còn đủ dùng”. Trong bài báo IJCAI 2026 này, nhóm đã tiếp tục giới thiệu VGA-BenchV2.

Địa chỉ mã nguồn mở:

https://huggingface.co/datasets/BestVictoryLab/VGA-Bench

▎Ba điểm tiến hóa cốt lõi:

Đầu tiên, khối lượng ghi chú thủ công được tăng lên. VGA-BenchV2 đã bổ sung 36.000 ghi chú thủ công ở cấp độ nhiệm vụ, bao gồm 16.200 ghi chú về chất lượng thẩm mỹ, 13.200 ghi chú về nhãn thẩm mỹ và 6.600 ghi chú về chất lượng tạo ra, tương ứng tăng 13,46 lần, 11,15 lần và 1,55 lần so với VGA-Bench. Dữ liệu "sở thích con người" phong phú hơn giúp bộ đánh giá đồng bộ chính xác hơn với phán đoán thẩm mỹ của con người.

Thứ hai, nâng cấp kiến trúc bộ đánh giá. Nhóm đã thiết kế kiến trúc lai: VAQA-Net chịu trách nhiệm chấm điểm thẩm mỹ liên tục, trong khi VTag-Net và VGQA-Net thực hiện nhận diện nhãn và đánh giá chất lượng dựa trên mô hình ngôn ngữ thị giác lớn Qwen. Việc tích hợp mô hình lớn đã nâng cao đáng kể khả năng hiểu ngữ nghĩa thị giác phức tạp của bộ đánh giá. Kết quả thí nghiệm cho thấy, kết quả đánh giá của nó trên nhiều mô hình sinh xuất sắc trùng khớp cao với phán quyết của con người.

Thứ ba, thiết lập vòng lặp khép kín từ “đánh giá” đến “tối ưu hóa”. Đây là thiết kế đột phá nhất của VGA-BenchV2: nó sử dụng bộ đánh giá thẩm mỹ đã học làm tín hiệu phần thưởng, trực tiếp dùng để tinh chỉnh mô hình sinh trong học tăng cường. Điều này có nghĩa là bộ đánh giá không còn chỉ là “trọng tài”, mà điểm số do nó đưa ra có thể trực tiếp chuyển hóa thành tín hiệu tối ưu hóa, hướng dẫn mô hình sinh liên tục cải tiến chất lượng thẩm mỹ.

Từ VGA-Bench đến VGA-BenchV2, hệ thống đánh giá không còn là thước đo tĩnh, mà là một hệ thống sống động cùng tiến hóa với hệ sinh thái tạo sinh. Đối với các bối cảnh như hiểu nội dung, kiểm duyệt an toàn và tối ưu hóa đề xuất của Ant Group, khả năng đánh giá chất lượng video không chỉ theo kịp sự phát triển của hệ sinh thái AIGC, mà còn ngược lại thúc đẩy tối ưu hóa các mô hình phía trên: từ “điểm số” đến “tối ưu hóa”, vòng lặp khép kín đã được hình thành.

Kết luận: Dù thuật toán có thông minh đến đâu, cuối cùng cũng phải được kiểm nghiệm trong môi trường động.

Bốn bài báo nghiên cứu lần lượt tiếp cận từ bốn hướng: học không giám sát, học tăng cường, tối ưu hóa hộp đen và đánh giá đa phương thức, cùng hướng đến một con đường kỹ thuật duy nhất—sự chuyển đổi từ mô hình tĩnh sang mô hình động.

Dữ liệu thực nghiệm cũng xác nhận hiệu quả của con đường này: MSRGC-Net giành 12 vị trí đầu và 2 vị trí nhì trong 15 chỉ số; ROAD vượt trội hơn các chiến lược hiện có trong nhiều nhiệm vụ học tăng cường từ ngoại tuyến sang trực tuyến; DSEBO đạt được cải tiến có thể định lượng trên các bài toán tối ưu hóa nghìn chiều; VGA-BenchV2 cho kết quả đánh giá trên nhiều mô hình sinh ra sự nhất quán cao với phán quyết của con người.

Khi xem xét toàn bộ chiến lược của Ant theo con đường kỹ thuật này, bạn sẽ nhận ra một cấu trúc “hai động lực” rõ ràng: một bên chuyên sâu vào các mô hình chuỗi thời gian, học tăng cường và các thuật toán tối ưu trong các bối cảnh cốt lõi tài chính; một bên tiên phong xây dựng cơ sở hạ tầng hiểu và đánh giá đa phương tiện trong hệ sinh thái đời sống số và nội dung.

Cuối cùng, dù thuật toán có thông minh đến đâu, cuối cùng cũng phải được kiểm nghiệm trong môi trường động. Giá trị thực sự của bốn bài báo này có lẽ nằm ở chỗ chúng đều được phát triển từ môi trường kinh doanh thực tế: bối cảnh kinh doanh của Ant không phải là “bối cảnh” cho bài báo, mà là nguồn gốc của vấn đề, nơi sản sinh dữ liệu và nơi kiểm nghiệm hiệu quả.

Và có lẽ, đây chính là điểm độc đáo nhất trong nghiên cứu AI của ngành công nghiệp—họ không chỉ đang “làm bài báo”, mà còn đang tìm kiếm những giải pháp “có thể chịu được sự thay đổi động” cho các vấn đề thực tế.