Theo công bố nghiên cứu từ trang CTGT đăng tải trên Hacker News vào ngày 30 tháng 7 năm 2026, quá trình chưng cất tri thức (knowledge distillation) từ mô hình ngôn ngữ lớn DeepSeek sang GPT-OSS không hề làm chuyển dịch các bộ lọc kiểm duyệt đi kèm. Thử nghiệm thực tế từ nhóm nghiên cứu cho thấy mô hình học sinh (student model) có thể tiếp thu năng lực lập luận nhưng không bị ràng buộc bởi các rào cản hệ tư tưởng của mô hình giáo viên (teacher model). Đây là một phát hiện kỹ thuật quan trọng đối với cộng đồng phát triển mã nguồn mở toàn cầu.
Bối cảnh & Nguyên nhân
Trong lĩnh vực trí tuệ nhân tạo, chưng cất tri thức là kỹ thuật phổ biến nhằm thu nhỏ kích thước mô hình bằng cách huấn luyện một mô hình nhỏ hơn bắt chước hành vi của mô hình lớn. DeepSeek, một dòng mô hình nổi tiếng với hiệu năng vượt trội nhưng đi kèm các cơ chế kiểm duyệt nội dung nghiêm ngặt, thường là đối tượng được chọn để chưng cất sang các phiên bản mã nguồn mở như GPT-OSS.
Nhiều chuyên gia lo ngại rằng việc sao chép phân phối xác suất từ mô hình gốc sẽ vô tình chuyển giao cả các bộ lọc chính trị và văn hóa nhạy cảm. Tuy nhiên, dự án từ CTGT đã chứng minh điều ngược lại thông qua các thực nghiệm trực quan sinh động.
Phân tích kỹ thuật & Công nghệ
Phân tích kỹ thuật từ báo cáo chỉ ra rằng các cơ chế kiểm duyệt (censorship alignment) của DeepSeek thường được nhúng sâu vào các lớp căn chỉnh chỉ dẫn (instruction tuning) và an toàn (safety training) sau cùng, thay vì nằm ở năng lực suy luận cốt lõi của mô hình nền tảng.
Khi tiến hành chưng cất dữ liệu đầu ra để huấn luyện GPT-OSS, các phân phối xác suất biểu thị tri thức thuần túy được chuyển giao hiệu quả, trong khi các phản hồi từ chối (refusals) mang tính kiểm duyệt của mô hình giáo viên bị triệt tiêu hoặc không thể bám rễ vào kiến trúc của mô hình học sinh. Điều này cho phép GPT-OSS duy trì tính trung lập và tự do tối đa trong việc xử lý các truy vấn nhạy cảm mà vẫn giữ được độ chính xác cao.
Ý kiến chuyên gia & Nhận định
Theo các thảo luận sôi nổi trên diễn đàn Hacker News, kết quả thử nghiệm này đã mang lại sự giải tỏa lớn cho các nhà phát triển độc lập lo ngại về tính thiên kiến của các mô hình thương mại hóa. Một số ý kiến kỹ thuật nhận định rằng việc "lọc bỏ" các hành vi kiểm duyệt trong quá trình chưng cất là minh chứng cho thấy sự độc lập của cấu trúc biểu diễn tri thức trong mạng thần kinh.
Tuy nhiên, các nhà nghiên cứu cũng khuyến cáo người dùng cần tự trải nghiệm và kiểm chứng kỹ lưỡng hiệu suất thực tế trên các tập dữ liệu biên (edge cases) khác nhau để có đánh giá khách quan nhất.
Tác động & Tương lai
Phát hiện này mở ra triển vọng to lớn cho việc xây dựng các mô hình ngôn ngữ lớn mã nguồn mở có hiệu năng tiệm cận các mô hình độc quyền hàng đầu mà không bị áp đặt các rào cản thông tin phi kỹ thuật.
Đối với cộng đồng công nghệ tại Việt Nam, khả năng tận dụng tri thức từ các mô hình tiên tiến như DeepSeek mà không lo ngại về vấn đề kiểm duyệt không mong muốn sẽ là tiền đề quan trọng để phát triển các ứng dụng AI nội địa hóa có độ tùy biến cao và an toàn về mặt dữ liệu.