anh ấy đã liệt kê 6 sự thay đổi quan trọng nhất từ sự kiện nghiên cứu AI lớn nhất năm nay, NeurIPS 2025. nó cho chúng ta biết rất nhiều về hướng đi của AI trong năm 2026: 1. cơ chế chú ý đang được nâng cấp khá nhiều. nó trở nên chọn lọc hơn bằng cách sử dụng các kỹ thuật như gating, sparsity, và xử lý ngữ cảnh dài tốt hơn. có thể trong khoảng 6 tháng nữa bạn sẽ thấy các mô hình rẻ hơn, thông minh hơn và hiệu quả hơn. 2. các mô hình tiên tiến đang hội tụ. chúng ta đã biết điều này nhưng một lần nữa, các mô hình hàng đầu đang nghe có vẻ giống nhau hơn. sự lựa chọn mô hình tiên tiến của bạn không còn quan trọng như trước, nhưng bất kỳ thiên kiến hoặc điểm mù nào cũng sẽ được khuếch đại ở mọi nơi cùng một lúc. 3. RL cuối cùng cũng đang mở rộng cho robot. nó đã bị đình trệ trong nhiều năm. phương pháp "chỉ cần tiếp tục mở rộng" mà đã hoạt động cho LLM giờ đây đang hoạt động cho các tác nhân. năm 2026 sẽ là năm có tiến bộ lớn trong các hệ thống tác nhân. 4. các mô hình khuếch tán không chỉ đơn giản là ghi nhớ dữ liệu huấn luyện. một bài báo lý thuyết lớn đã chỉ ra rằng việc huấn luyện khuếch tán thực sự có hai giai đoạn: một giai đoạn đầu tiên mà các mô hình học cách tạo ra các mẫu chất lượng cao, và một giai đoạn sau đó mà chúng bắt đầu ghi nhớ những thứ cụ thể. nhiều dữ liệu huấn luyện đẩy giai đoạn ghi nhớ và cho bạn một khoảng thời gian lớn hơn trước khi bị overfitting. 5. hệ thống bài báo học thuật đã bị COOKED (thật sự). với 20000 bài nộp, NeurIPS đang chìm trong các bài báo. họ thậm chí đang thử nghiệm với AI để xem xét các bài báo do AI tạo ra. điều đó có nghĩa là, bạn không còn thực sự có thể tin tưởng vào uy tín của các hội nghị và ấn phẩm. bạn phải dựa vào ai đã viết bài báo và nền tảng của họ. 6. các phòng thí nghiệm lớn đang đầu tư toàn bộ vào lý luận, hiệu quả và tích hợp. cuộc đua tiên tiến không còn chỉ là về kích thước mô hình. các phòng thí nghiệm lớn giờ đây đang làm việc về: (1) lý luận như một chỉ số có thể đo lường, tư duy từng bước, gọi công cụ, sử dụng tìm kiếm (2) hiệu quả, chạy các mô hình mạnh trên điện thoại và thiết bị biên với độ trễ thấp (3) tích hợp quy trình làm việc, kết nối các mô hình vào các công cụ và giao thức như MCP. tôi thực sự khuyên bạn nên xem bản phân tích 10 phút này nếu nghiên cứu AI là mối quan tâm của bạn.