Import AI số 479: Spacewar; các tác vụ có độ trễ thấp so với LLM; Genie 4

Chào mừng độc giả đến với Import AI, bản tin chuyên sâu về nghiên cứu AI. Import AI vận hành dựa trên cơ sở dữ liệu arXiv, cà-phê cappuccino và phản hồi từ độc giả. Độc giả quan tâm có thể đăng ký để ủng hộ bản tin. Đăng ký ngay Các mô hình LLM thể hiện hiệu năng rất hạn chế ở những tác vụ đòi hỏi độ trễ thấp: ...Theo Realtime-Bench, sẽ cần thêm nhiều thời gian trước khi các hệ thống AI có thể chơi trò chơi điện tử hoặc tham gia các phiên đấu giá trực tuyến thay cho con người... Các nhà nghiên cứu đã phát triển Realtime-Bench, “một bộ tác vụ động được tuyển chọn kỹ lưỡng, trong đó việc chậm trễ hành động sẽ ảnh hưởng trực tiếp đến khả năng thành công”. Thử nghiệm này hỗ trợ đánh giá năng lực của các hệ thống AI đa năng hiện đại khi thực hiện các tác vụ đòi hỏi phải ra quyết định theo thời gian thực. Bộ chuẩn đánh giá gồm 50 tác vụ tương tác trên web và trò chơi, chia thành 30 tác vụ web thuộc bốn nhóm (du lịch, thương mại điện tử, dịch vụ và bảo mật) cùng 20 tác vụ trò chơi (arcade, giải đố, chiến thuật và mô phỏng). Đơn vị thực hiện nghiên cứu: Bộ chuẩn do nhóm chuyên gia tại University of Texas at Austin, Ohio State University, University of Illinois at Urbana-Champaign, NVIDIA, Northwestern University và Steadyworks phối hợp xây dựng. Mục tiêu đo lường: Thử nghiệm được thiết kế nhằm đánh giá ba tiêu chí: nhận thức trạng thái theo thời gian (“RT-Perceive”), cho phép mô hình sử dụng quan sát để theo dõi các biến đổi trong môi trường; suy luận thích ứng (“RT-Deliberate”), cho phép mô hình điều chỉnh độ dài và chiều sâu suy luận tùy thuộc vào quỹ thời gian hiện có; và lựa chọn hành động có tính toán thời điểm (“RT-Act”), đòi hỏi mô hình phải căn chỉnh thời điểm thực hiện thao tác phù hợp với tình huống. “Ví dụ, một tác tử (agent) thực hiện thao tác mua vé phải theo dõi tình trạng mở bán và đánh giá xem số lượng vé hiển thị có còn hiệu lực hay không (RT-Perceive), hạn chế kéo dài suy luận khi khung thời gian mua vé sắp kết thúc (RT-Deliberate), và quyết định giữa việc chờ đợi mở bán hoặc tiến hành mua khi vé vẫn còn khả dụng (RT-Act).” Nghiên cứu áp dụng ba điều kiện thử nghiệm: Đồng hồ thời gian thực (Wall clock), được thiết kế để kiểm tra hiệu năng dưới tác động của độ trễ thực tế; Đồng hồ tạm dừng (Paused clock), cho phép tùy ý đóng băng môi trường nhằm xác định năng lực cơ sở; và Đồng hồ token (Token clock), cơ chế “thúc đẩy môi trường theo một tốc độ cố định trên mỗi token được tạo ra. Hành động sẽ được áp dụng tại thời điểm mô phỏng khi lệnh được chốt; do đó, việc tiêu tốn càng nhiều token sẽ làm chậm tiến độ thực thi, bất kể độ trễ suy luận thực tế là bao nhiêu”. Hiệu năng của các mô hình: Nhóm tác giả đã tiến hành thử nghiệm trên các mô hình của OpenAI (GPT-6-Astra, GPT-5.6 Sol, GPT-Realtime-2, OpenAI Decisions), Anthropic (Claude Fable 5.1, Claude Opus 5), Google (Gemini 3.8 Flash, Gemini 3.1 Flash Live, Gemini 3.8 Live), Jev 1.13, cùng các mô hình từ Trung Quốc của Deepseek (V4.1) và Moonshot AI (Kimi-K3). Trong điều kiện đánh giá “đồng hồ thời gian thực”, GPT-6 Astra (high) đạt tỷ lệ thành công cao nhất với 36%. Để so sánh, trong điều kiện đồng hồ tạm dừng, các mô hình có năng lực suy luận cao đạt tỷ lệ thành công tiệm cận mức 70%, thậm chí 80%. Ý nghĩa thực tiễn: Bộ chuẩn đánh giá này là thước đo hữu hiệu phản ánh những hạn chế kỹ thuật của tác tử AI - kết quả điểm số khiêm tốn nêu trên chỉ ra những lĩnh vực tác vụ mà tác tử AI hiện thời chưa thể đáp ứng kỳ vọng. Xem bảng xếp hạng: Realtime-Bench (trang web chính thức). Đọc báo cáo nghiên cứu: Realtime-Bench: Can Frontier Models Solve Real-time Interactive Problems? (arXiv). *** Tương lai của chiến tranh không gian theo báo cáo của Cơ quan Tình báo Quốc phòng Mỹ (DIA): …Công nghệ chống vệ tinh, vũ khí hạt nhân không gian và các mối đe dọa khác… Áp lực công việc trong lĩnh vực AI đôi khi thúc đẩy nhu cầu tìm hiểu các chủ đề khác nhằm nhận diện những nguy cơ tiềm tàng từ các lĩnh vực bên ngoài. Đây là cách tiếp cận tương tự việc giải tỏa tâm lý thông qua các tác phẩm âm nhạc trầm buồn (như của Radiohead, Neil Young, hay Bill Callahan / Smog). Báo cáo "Challenges to Security in Space" (Thách thức an ninh không gian) do Cơ quan Tình báo Quốc phòng Mỹ (DIA) công bố là một tài liệu phản ánh rõ nét thực trạng này. Tình hình thực tế trong không gian: Tương tự các cuộc xung đột trên Trái Đất, không gian vũ trụ đang chứng kiến sự cạnh tranh chiến lược giữa Mỹ và các quốc gia gồm Trung Quốc, Nga, Iran và Triều Tiên; trong đó Trung Quốc sở hữu trình độ công nghệ tiên tiến nhất, còn Nga thể hiện lập trường quyết liệt nhất. DIA nhận định: “Trung Quốc và Nga đang phát triển một loạt năng lực tấn công đáng gờm nhằm làm suy giảm hoặc phá hủy các dịch vụ không gian của các quốc gia khác, từ hình thức phá hủy động năng đến các hoạt động gây nhiễu tinh vi và tác chiến mạng. Trung Quốc đã tăng hơn gấp ba lần số vụ phóng vào không gian mỗi năm trong thập kỷ qua, từ 22 vụ phóng năm 2016 lên 93 vụ phóng năm 2025… Bắc Kinh đánh giá không gian đóng vai trò trung tâm đối với các chiến dịch của Mỹ và các đồng minh. Bắc Kinh cũng coi không gian là một mặt trận quân sự tấn công, định hình nên các thành tố cốt lõi trong kế hoạch tác chiến và các chiến dịch quân sự của Quân Giải phóng Nhân dân Trung Quốc (PLA).” Chiến tranh không gian: Toàn bộ báo cáo dài hơn 100 trang này cho thấy nhiều hoạt động quân sự phức tạp và đáng lo ngại đang diễn ra ngoài không gian, hoặc được tiến hành từ mặt đất nhằm vào các mục tiêu trên quỹ đạo. Một số trích dẫn tiêu biểu: “Đến cuối những năm 2020, Trung Quốc có thể triển khai các hệ thống năng lượng định hướng đặt trên không gian và các hệ thống năng lượng định hướng công suất cao hơn đặt trên mặt đất, có khả năng đe dọa các vệ tinh ở quỹ đạo cao hơn.” “Trung Quốc đang phát triển công nghệ không gian, bao gồm các vũ khí chống không gian trên quỹ đạo, có khả năng đặt các hệ thống không gian vào tình trạng nguy hiểm.” “Hệ thống laser mặt đất Peresvet của Nga được thiết kế để làm chói mắt hệ thống quang học của vệ tinh đối phương, nhằm che giấu sự di chuyển của các hệ thống tên lửa chiến lược của Nga.” “Nga đã phóng một số vệ tinh trong vài năm qua để thử nghiệm trên quỹ đạo các công nghệ có thể cho phép tấn công vệ tinh của các quốc gia khác, dẫn đến thiệt hại tạm thời hoặc vĩnh viễn.” Trung Quốc hiện sở hữu một số tàu vũ trụ không gian, tương tự phương tiện tối mật X-37B của Mỹ, và các khí tài này ngày càng được hoàn thiện tinh vi hơn. Vào năm 2023, một trong các phương tiện nêu trên của Trung Quốc đã “phóng thích và tương tác với một vật thể trên quỹ đạo.” Các cuộc đối đầu giữa vệ tinh với vệ tinh: Báo cáo chỉ rõ thực tế rằng thế giới đang bước vào một