Google Research công bố khung Science One vào ngày 30 tháng 7 năm 2026, với cốt lõi là một cơ chế gọi là "Chain-of-Evidence" (CoE), yêu cầu mọi kết luận của AI trong nghiên cứu khoa học đều phải gắn với nguồn tham khảo, mã nguồn và hồ sơ thí nghiệm.

Tác giả bài viết, nguồn: 0x9999in1, ME News



Tóm tắt ngắn gọn

• Google Research công bố khung Science One vào ngày 30 tháng 7 năm 2026, với cốt lõi là một cơ chế gọi là "Chain-of-Evidence" (CoE), yêu cầu mọi kết luận của AI trong nghiên cứu khoa học đều phải gắn với nguồn tham khảo, mã nguồn và hồ sơ thí nghiệm.
• Hệ thống nghiên cứu AI hiện tại vẫn mắc những vấn đề cũ: bịa đặt trích dẫn, điểm số không thể tái tạo, mô tả phương pháp không khớp với mã nguồn. Tỷ lệ trích dẫn ảo của hệ thống cơ sở lên tới 21%, tỷ lệ tái tạo điểm số chỉ xuống còn 42%.
• Thành tích của Science One là: không có trích dẫn ảo, điểm xác minh đúng hoàn toàn, tỷ lệ nhất quán giữa phương pháp và mã nguồn cao nhất. Theo tiết lộ, tất cả 337 trích dẫn do nó tạo ra đều là thật, 12 thí nghiệm có thể tái hiện đều chính xác, và trong 15 bài báo, có 14 bài nhất quán với mã nguồn.
• Thiết kế then chốt là "sinh nội dung đồng thời trích dẫn", chứ không phải "viết xong mới bổ sung trích dẫn". Các trích dẫn không đến từ bộ nhớ của mô hình, mà từ việc truy vấn thực tế qua API của Semantic Scholar.
• Phán đoán quan trọng hơn: Science One không hy sinh "năng lực" vì "trung thực". Nó đã giành 2 huy chương vàng và 2 huy chương bạc trên MLE-Bench, đồng thời đạt thành tích tốt nhất thời điểm đó trên Parameter-Golf.
• Ý nghĩa thực sự của việc này không nằm ở việc lại có một AI có thể viết luận văn, mà ở chỗ nó lần đầu tiên coi "khả năng xác minh" là nền tảng kiến trúc, chứ không phải là biện pháp khắc phục sau này.

Hãy hỏi một câu hỏi khiến bạn đau lòng trước: Bạn có dám tin vào bài luận do AI viết không?

Trong hai năm qua, các hệ thống nghiên cứu AI đã tiến bộ đáng kinh ngạc.

Nó có thể đọc tài liệu. Có thể đưa ra giả thuyết. Có thể chạy thí nghiệm. Có thể viết ra toàn bộ một bài báo khoa học với cấu trúc hoàn chỉnh và giọng văn chuyên nghiệp. Bạn chỉ cần lướt qua một cái là không thể phát hiện ra lỗi nào.

Nhưng vấn đề nằm ngay trong cụm từ "liếc qua".

Quét qua thì không sao, nhưng đào sâu một chút thì sao?

Google Research chính là làm việc này: họ lấy ra năm hệ thống nghiên cứu tự chủ phổ biến, thực hiện năm nhiệm vụ tối ưu hóa hệ thống, tạo ra tổng cộng 75 bài báo khoa học, sau đó từng bước chất vấn: bài báo bạn trích dẫn có thật sự tồn tại không? Điểm số bạn báo cáo, khi chạy lại mã có còn chính xác không? Bạn nói đã sử dụng một thuật toán nào đó, nhưng trong mã có thực sự viết như vậy không?

Kết quả không đẹp.

Mỗi hệ thống cơ sở đều ít nhất mắc một lỗi hệ thống. Tỷ lệ ảo tưởng trích dẫn cao nhất lên tới 21% — nghĩa là cứ năm trích dẫn thì có thể có một trích dẫn dẫn đến một bài báo hoàn toàn không tồn tại. Tỷ lệ vượt qua xác minh điểm số thấp nhất chỉ là 42%. Sự nhất quán giữa phương pháp và mã nguồn dao động từ 20% đến 80%.

Hãy suy ngẫm về con số 42% này. Hơn một nửa các bài báo nghiên cứu, kết quả công bố không thể tái tạo lại khi chạy lại mã nguồn.

Đây không phải là một lỗi nhỏ. Đây là sự sụp đổ của niềm tin.

Vì bản chất của nghiên cứu khoa học là "khả năng tái tạo" và "khả năng truy xuất nguồn gốc". Giá trị của một bài báo khoa học không nằm ở việc nó đọc có trôi chảy đến đâu, mà ở chỗ người khác có thể theo dõi từng bước qua các trích dẫn, mã nguồn và dữ liệu của nó để xác minh rằng nó không nói dối. AI đã nâng cao "chất lượng bề ngoài" của các bài báo, nhưng lại rút đi cột trụ nền tảng nhất.

Càng bề ngoài rực rỡ, vấn đề càng ẩn giấu. Đó mới là nơi nguy hiểm nhất.

Câu trả lời của Google: Không dựa vào sự tin tưởng, mà dựa vào chuỗi

Tư tưởng của Science One, nói đơn giản thì rất mộc mạc.

Vì không thể tin rằng AI sẽ tự giác trung thực, nên đừng mong đợi nó tự giác. Hãy xiềng nó lại.

Sợi xích này chính là "chuỗi bằng chứng" (Chain-of-Evidence).

Google đã đưa ra một sự so sánh cực kỳ chính xác: trong lĩnh vực cơ sở dữ liệu, có một khái niệm gọi là ACID, nó không quan tâm bạn xây dựng cơ sở dữ liệu như thế nào, mà chỉ quy định một giao dịch muốn "đáng tin cậy" thì phải đáp ứng những tính chất nào. Chuỗi bằng chứng cũng tương tự. Nó không quy định bạn phải xây dựng một tác nhân khoa học như thế nào, mà chỉ quy định: mọi thứ bạn tạo ra, nếu muốn được tin tưởng, thì phải đáp ứng những điều gì.

Một nguyên tắc, hai nửa.

Nửa đầu tiên gọi là tính toàn vẹn: Mỗi tuyên bố trong bài luận—dù là một trích dẫn, một con số, một mô tả phương pháp hay một kết luận—đều phải được gắn với một chuỗi bằng chứng được ghi lại.

Độ chính xác của nửa sau: Chuỗi này phải thực sự chịu được câu mà nó gắn vào.

Nói một cách dễ hiểu: Mỗi câu bạn nói đều phải có nguồn gốc; và nguồn gốc đó phải thực sự chứng minh được câu nói của bạn.

Vậy thì làm thế nào để thực hiện? Chìa khóa nằm ở thời điểm.

Hệ thống hiện tại hoạt động như thế nào? Trước tiên viết ra một bài luận dài dòng, xong rồi mới quay lại bổ sung trích dẫn và bằng chứng. Điều này giống như việc tự sáng tạo một câu chuyện, sau đó đi tìm bằng chứng để biện minh cho nó. Những chỗ không thể biện minh được, chỉ còn cách bịa ra. Những trích dẫn ảo tưởng chính là xuất phát từ đây.

Science One làm ngược lại. Ngay tại "thời điểm tạo ra câu này", nó đồng thời xây dựng chuỗi bằng chứng. Tuyên bố và bằng chứng được sinh ra cùng nhau, không phải được khâu lại sau này.

Việc thay đổi thứ tự này là linh hồn của toàn bộ sự việc.

Xem từng phần: ba mô-đun, mỗi cái phụ trách một phần lời nói dối

Kiến trúc của Science One chia làm ba phần, mỗi phần đều chính xác ngăn chặn một khả năng gian lận.

Phần đầu tiên, điều tra viên vấn đề, phụ trách việc gian lận trích dẫn.

Nó không dựa vào "trí nhớ" của mô hình để trích dẫn tài liệu. Trí nhớ của mô hình là môi trường sinh sôi ảo tưởng—nó có thể "nhớ" ra một bài báo thực tế không tồn tại. Science One kết nối trực tiếp với API của Semantic Scholar để xây dựng một đồ thị trích dẫn thực tế, đọc tối đa 100 tệp PDF toàn văn cho mỗi chủ đề và tạo ra một bản tóm tắt nghiên cứu có cấu trúc. Mỗi trích dẫn trong bài báo cuối cùng đều xuất phát từ việc truy vấn API thực tế này, hoàn toàn cắt đứt sự phụ thuộc vào trí nhớ của mô hình.

Trích dẫn không phải là "nghĩ" ra, mà là "tra" ra. Một nhát dao này cắt đứt gốc rễ của những trích dẫn ảo tưởng.

Phần thứ hai, công cụ phát hiện, quản lý việc gian lận trong ghi chép thí nghiệm.

Nó sử dụng chiến lược "khám phá—khai thác" song song để đồng thời thử nghiệm các giải pháp trên nhiều nhánh. Trong mỗi vòng, một Solver thực hiện giải pháp, trong khi một bộ đánh giá chuyên dụng chấm điểm. Các nhánh có hiệu suất tốt sẽ được tinh chỉnh liên tục, và tất cả đầu ra đánh giá ban đầu đều được ghi lại vào một bản ghi nghiêm ngặt, chỉ đọc.

Chỉ đọc. Hai chữ này rất quan trọng. Điểm gốc đã được ghi lại thì không thể thay đổi. Sau này muốn viết luận văn và báo một điểm đẹp hơn? Xin lỗi, sổ sách ở đây rồi, không thể sửa được.

Mục thứ ba, người viết luận văn kiêm kiểm tra tuyên bố, phụ trách việc phát hiện sự không khớp giữa phương pháp và mã nguồn.

Trước khi hoàn thành bài luận, nó sẽ cấu trúc hóa từng tuyên bố sự thật, gắn nhãn chứng cứ nội tuyến vào từng câu, liên kết với một sản phẩm cụ thể trong không gian làm việc. Sau đó, một nhân viên kiểm tra chuyên biệt sẽ đối chiếu từng tuyên bố với nguồn mà nó tuyên bố là trích dẫn.

Nếu không khớp thì phải làm sao? Có một chi tiết rất tinh tế ở đây. Nó không đơn giản là xóa bỏ, mà là “thu lại” – nói một cách thận trọng hơn, để nó quay trở lại phạm vi mà bằng chứng có thể hỗ trợ. Bằng chứng hỗ trợ đến đâu, lời nói sẽ dừng đến đó.

Không thổi phồng, cũng cố gắng không lãng phí. Sự cân nhắc này cao cấp hơn việc áp dụng một giải pháp duy nhất.

Transcript: The cost of honesty, has it made you dumber?

Đến đây, một câu hỏi gay gắt nên được đặt ra.

Đeo quá nhiều gông cùm vào AI, khiến nó phải lo lắng tìm bằng chứng cho từng câu nói, liệu nó có còn dám khám phá táo bạo không? Liệu vì sự “trung thực” mà ta đã hy sinh khả năng “năng lực” của nó?

Nỗi lo này rất hợp lý. Đây cũng là mâu thuẫn kinh điển giữa "an toàn" và "khả năng".

Câu trả lời của Science One là: Không.

Hãy xem cột Thành thật. Dưới cùng một bộ giao thức kiểm toán—Google gọi đây là CoE Audit, một công cụ kiểm tra tự động như pháp y, sẽ xác minh lại từng trích dẫn với cơ sở dữ liệu học thuật thời gian thực—Science One dẫn đầu ở cả bốn bài kiểm tra tính toàn vẹn. Các trích dẫn của nó không có ảo giác nào, mỗi trích dẫn đều dẫn đến một bài báo học thuật thực sự và có thể tìm kiếm được; xác minh điểm số đạt hoàn hảo; tỷ lệ nhất quán giữa phương pháp và mã nguồn cũng cao nhất. Theo dữ liệu được công bố, tất cả 337 trích dẫn do nó tạo ra đều là thật, kết quả của 12 thí nghiệm có thể tái tạo đều khớp chính xác, và trong 15 bài báo, có 14 bài khớp với mã nguồn thực tế.

Hãy so sánh với những cái tên唬人的 như "bộ giải lai thần kinh-ký hiệu" trong cơ sở dữ liệu—nghe thì hoành tráng, nhưng mở mã nguồn ra mới biết chỉ là một quy tắc heuristics xác định đơn giản. Tên là để dành cho người xem, còn mã mới là sự thật.

Xem thêm cột Năng lực.

Trên năm nhiệm vụ dựa trên tiêu chuẩn ADRS, Science One đã ngang bằng hoặc vượt mức của chuyên gia con người, trong đó hai nhiệm vụ (Cloudcast và EPLB) đạt thành tích tốt nhất trong tất cả các hệ thống.

Ngoài vòng tròn này, nó còn tham gia các nhiệm vụ bên ngoài khó khăn hơn. Trong MLE-Bench, với năm cuộc thi Kaggle đầy thách thức bao gồm hình ảnh y tế, nhận dạng tinh vi và cảm biến 3D, nó đã giành được 2 huy chương vàng và 2 huy chương bạc—đặc biệt trong cuộc thi phát hiện đối tượng 3D, các hệ thống khác đều thất bại hoàn toàn, trong khi nó đạt điểm số thuộc hàng vô địch. Trong cuộc thi Parameter-Golf, nơi các ràng buộc về phần cứng và kích thước tệp bị khắt khe đến mức cực hạn, các hệ thống khác thậm chí không thể gửi được bất kỳ kết quả hợp lệ nào, nhưng nó không chỉ tuân thủ đầy đủ mọi ràng buộc mà còn đạt thành tích tốt nhất tính đến ngày 27 tháng 4 năm 2026. Và điều này đạt được nhờ phát hiện ra những kỹ thuật thuật toán thực sự mới mẻ, chứ không phải chỉ đơn thuần điều chỉnh siêu tham số để may mắn.

Vì vậy, câu trả lời rất rõ ràng: trung thực, không làm nó trở nên ngu ngốc.

Đây chính là điểm tôi coi trọng nhất. Nếu Science One chỉ đạt được sự trong sạch bằng cách “bó tay”, thì nó chẳng có giá trị gì — vì chẳng ai dùng một công cụ nghiên cứu vừa ngốc nghếch vừa trung thực. Nhưng nó đã chứng minh rằng có thể đồng thời đạt được tính xác minh được và hiệu suất cao. Chính điều này đã biến việc “coi trung thực là ràng buộc bắt buộc” từ một lời kêu gọi đạo đức trở thành một lựa chọn kinh tế trong kỹ thuật.

Quan điểm của tôi: Nó quan trọng, nhưng đừng vội thần thánh hóa nó

Nói nhiều lời khen vậy, cũng phải tạt hai chậu nước lạnh.

Chậu đầu tiên: Google tự viết rõ ràng ở cuối bài rằng Science One là một bản mẫu nghiên cứu mang tính thí nghiệm, không phải công cụ có thể triển khai trực tiếp vào sản xuất.

Đây không phải là sự khiêm tốn, mà là giới hạn. Năm nhiệm vụ nó thực hiện đều thuộc các lĩnh vực như tối ưu hóa hệ thống – những lĩnh vực “có bộ đánh giá rõ ràng và có thể chấm điểm tự động”. Nói cách khác, tốt hay xấu có thể được máy móc định lượng một cách khách quan. Nhưng còn nghiên cứu tiên tiến thực sự thì sao? Giá trị của nhiều giả thuyết, ý nghĩa của nhiều kết luận, trong ngắn hạn hoàn toàn không có bộ đánh giá nào có thể chấm điểm cho bạn. Chuỗi bằng chứng có thể ngăn chặn “tạo dẫn chứng giả”, nhưng không thể ngăn chặn việc “chọn một vấn đề tầm thường”. Nó quản lý sự trung thực, nhưng không quản lý được gu thẩm mỹ.

Bát thứ hai: Chính chuỗi bằng chứng cũng có chi phí. Mỗi chủ đề cần đọc 100 tài liệu PDF, mỗi câu đều phải xây dựng bằng chứng, gắn nhãn và kiểm tra lại một lần nữa—quy trình này không hề rẻ. Trong khi theo đuổi sự thật, nó cũng tiêu tốn sức tính toán và thời gian. Khi mở rộng quy mô, thì chi phí này sẽ được tính toán thế nào, hiện vẫn chưa có câu trả lời.

Nhưng sau khi đổ hết hai chậu nước này, tôi vẫn cho rằng đây là một việc bị đánh giá thấp.

Tại sao?

Vì nó đã thay đổi cách đặt câu hỏi.

Hai năm qua, mọi người đều hỏi: AI có thể làm nghiên cứu khoa học không? Nó có thể mạnh đến mức nào? Mọi người so sánh khả năng giải bài toán và điểm số trên bảng xếp hạng. Câu hỏi mà Science One đặt ra lại thuộc một chiều hướng khác: Nghiên cứu khoa học do AI tạo ra có thể được tin tưởng không?

Hai vấn đề này không nằm trên cùng một lộ trình.

Khi ngày càng nhiều hệ thống có thể đưa ra những lời giải đẹp, khả năng giải quyết vấn đề sẽ không còn là yếu tố phân biệt nữa. Khi đó, điều thực sự phân biệt mức độ ưu việt của chúng là liệu sản phẩm do chúng tạo ra có thể được tin tưởng hay không. Google đã nâng tầm “khả năng xác minh” lên vị trí “công dân hạng nhất”, cho rằng nó phải là ràng buộc ở cấp độ kiến trúc, chứ không phải là biện pháp khắc phục sau này—Tôi cho rằng phán đoán này là đúng và đến đúng thời điểm.

Vì sự tin tưởng là thứ tích lũy rất chậm nhưng sụp đổ rất nhanh. Nếu nghiên cứu AI ngay từ giai đoạn đầu đã tiêu xài hết niềm tin của toàn bộ cộng đồng học thuật thông qua một loạt các bài báo bề ngoài rực rỡ nhưng thực chất đầy lỗ hổng, thì về sau muốn khôi phục lại sẽ phải trả giá quá lớn để gánh chịu. Science One đang làm là bổ sung cốt thép vào nền móng trước khi nó sụp đổ.

Kết thúc

Quay lại câu hỏi ban đầu: Bạn có tin vào bài luận do AI viết không?

Trước Science One, câu trả lời trung thực là—không dám chắc. Càng viết hay, bạn càng nên cẩn trọng hơn.

Science One không làm cho AI trở nên thông minh hơn. Điều nó làm là một việc khác, đơn giản hơn nhưng khó hơn: giúp AI ghi lại bằng chứng có thể kiểm chứng cho từng câu nói của chính nó.

Đã có quá nhiều AI thông minh rồi.

AI biết tự chịu trách nhiệm cho chính mình mới chỉ bắt đầu.

Bước này chưa lớn, chỉ là một bản mẫu và vẫn còn rất nhiều vấn đề chưa được giải quyết. Nhưng hướng đi đã đúng. Đôi khi, giá trị thực sự của một việc không nằm ở tốc độ nó có thể chạy nhanh ngay lúc này, mà nằm ở chỗ nó đã đặt thước đo ở đâu.

Science One đã dịch chuyển tiêu chí từ "viết có giống không" sang "có chịu được kiểm tra không".

Chỉ riêng việc chuyển này đã xứng đáng.

Tài liệu tham khảo

1. Blog Nghiên cứu của Google. 《Science One Framework: Một khung nghiên cứu tự chủ có thể xác minh thông qua Chain-of-Evidence》, ngày 30 tháng 7 năm 2026.
2. Nghiên cứu AI của Google Cloud. Bài báo arXiv:2605.26340 “Science One Framework / Chain-of-Evidence”.
3. AlphaSignal. 《Google's Science One Framework Fixes AI Research's Fake Citation Crisis》, tháng 7 năm 2026.
4. Zhidingwang. "Khung Science One: Hệ thống nghiên cứu tự chủ có thể xác minh dựa trên chuỗi bằng chứng", ngày 31 tháng 7 năm 2026.
5. Sakana AI. arXiv:2504.08066 《The AI Scientist v2》 (so sánh với cơ sở).
6. OpenAI. Dự án GitHub Parameter-Golf.
7. Bài báo chuẩn MLE-Bench, arXiv:2410.07095.
8. Bộ chuẩn arXiv:2510.06189《Automated Design of Research Systems (ADRS)》.