Đợt công bố nghiên cứu ngày 15/9/2026 trên arXiv ghi nhận sự dịch chuyển rõ nét từ việc mở rộng kích thước mô hình sang tối ưu hóa kiến trúc AI agent và kiểm soát chi phí thực thi. Các nhóm tác giả tập trung giải quyết các rào cản vận hành trong thế giới thực, bao gồm kiểm soát phát thải năng lượng, giảm tải token khi gọi công cụ và nâng cao độ an toàn cho các tác vụ quan trọng.
Ở khía cạnh hiệu quả tài nguyên, nghiên cứu từ arXiv:2609.13548 giới thiệu AutoTailor, khung điều phối meta-agent giúp tinh giản kho API phục vụ duyệt web. Qua thử nghiệm trên 106 tác vụ WebArena Postmill, AutoTailor rút gọn 1.283 API thô xuống còn 33 API động, đạt độ chính xác 90,6% khi kết hợp cơ chế ReAct fallback, đồng thời giảm 57,8% chi phí token yêu cầu và cắt giảm 29,4% độ trễ. Song song đó, công trình arXiv:2609.13559 đề xuất cơ chế định tuyến nhận biết carbon cho hệ thống LLM kết hợp edge-cloud, sử dụng bộ dự đoán k-NN để phân bổ truy vấn gọi hàm (function calling) dựa trên cường độ carbon lưới điện thời gian thực, giúp giảm trung bình 4 lần lượng phát thải carbon mà vẫn duy trì độ chính xác tương đương đám mây.
Đối với mô hình nền tảng, bài báo arXiv:2609.13356 công bố ZGCM-1, mô hình dày 7 tỷ tham số (7B) nguồn mở hoàn toàn với ngữ cảnh 256K token. Dự án kết hợp bộ tối ưu hóa FP8 Muon và kiến trúc chú ý trượt xen kẽ chú ý đầy đủ, cải thiện khoảng 4,2 lần hiệu quả thời gian huấn luyện trước (time-to-loss) ở mốc 16K ngữ cảnh. Toàn bộ trọng số mô hình, mã nguồn huấn luyện và công thức dữ liệu được mở hoàn toàn cho cộng đồng nghiên cứu.
Trong các lĩnh vực đặc thù, arXiv:2609.13552 đề xuất khung ATAL nhằm đánh giá độ tin cậy của AI trong lập kế hoạch bay cho quản lý không lưu (ATM) trước khi gửi tín hiệu mức độ sẵn sàng ra quyết định (DRL) tới con người. Nghiên cứu arXiv:2609.13561 ứng dụng hệ thống đa agent trong phân tích chuỗi cung ứng, đạt độ chính xác 90% trên môi trường mô phỏng quản lý kho đa tầng và giảm khoảng 4 lần lượng token đầu vào so với baseline đơn agent.