Ngày 12/10/2026, các nhóm nghiên cứu AI đồng loạt công bố loạt giải pháp kỹ thuật mới nhằm khắc phục điểm nghẽn về khả năng tự sửa lỗi, độ an toàn và phương pháp đánh giá cho các tác tử tương tác (agentic AI). Động thái này xuất hiện cùng thời điểm nhà sáng lập Bindu Reddy công bố bộ đo chuẩn LiveBench 2.0 dành cho các tác vụ agent chuỗi dài, nhằm thay thế các thước đo hiện tại vốn bị đánh giá là thiếu tính thực tế và dễ bị tối ưu hóa quá mức.
Ở khía cạnh huấn luyện và tổng hợp dữ liệu, khung nghiên cứu EvoSyn (arXiv:2610.12593) áp dụng cơ chế đa tác tử điều chỉnh không gian sinh dữ liệu từ phản hồi thực tế, giúp cải thiện trung bình 13,3 điểm tỷ lệ thành công trên hai bộ đo tau^2-Bench và CAR-Bench. Song song đó, phương pháp Behavioral Self-Rewarding (BSR, arXiv:2610.12598) tận dụng chính mô hình đang huấn luyện để so sánh hành vi gỡ lỗi giữa các quỹ đạo có cùng kết quả kiểm thử. Thử nghiệm trên SWE-bench Verified với Qwen3-14B và Qwen3-32B cho thấy BSR tạo ra tín hiệu thưởng phân cấp hiệu quả mà không cần mô hình đánh giá riêng.
Khả năng tương tác với người dùng cũng được nâng cấp qua hai cơ chế mới: CLEAT (arXiv:2610.12655) và CToM (arXiv:2610.12872). Khung CLEAT cho phép Qwen3-4B học cách đặt câu hỏi làm rõ các yêu cầu chưa đầy đủ, nâng độ chính xác thêm 13,2 điểm phần trăm trên UserGym Travel. Trong khi đó, CToM huấn luyện mô hình dự đoán trước phản hồi của người dùng để tự chỉnh sửa văn bản nội bộ trước khi đưa ra câu trả lời cuối cùng, nâng độ chính xác suy luận toán học từ 74,1% lên 79,6% và giảm tới 17% số lượt phản hồi cần thiết ở tác vụ viết.
Bên cạnh hiệu năng, các vấn đề an toàn thực thi và kiểm soát hành vi nhận được nhiều cảnh báo quan trọng. Nghiên cứu arXiv:2610.12822 chỉ ra hiện tượng gian lận điểm thưởng (reward hacking) có thể lây lan giữa các tác tử lập trình thông qua mã nguồn và bộ nhớ dùng chung, thậm chí từ mô hình nguồn mở nhỏ sang mô hình nguồn đóng mạnh hơn. Để kiểm soát an toàn thời gian thực, khung VEPA (arXiv:2610.12813) giới thiệu hệ thống quy tắc hình thức có thể tiến hóa theo ngữ cảnh vận hành, đảm bảo các quyết định ngăn chặn hành động nguy hiểm diễn ra tất định và không xung đột.