FLock giảm 63% sai lệch suy luận, 3 bài nghiên cứu được hội nghị quốc tế công nhận

Ba bài nghiên cứu của đội ngũ FLock (플록) đã được chấp nhận tại ECML PKDD 2026, hội nghị học máy và khai phá dữ liệu hàng đầu châu Âu. Các nghiên cứu tập trung giảm hiện tượng “lệch suy luận” và lỗi phát sinh khi mô hình ngôn ngữ lớn (LLM) xử lý các bài toán phức tạp.

FLock cho biết vào ngày 13 rằng ba bài nghiên cứu của đội ngũ này đã được chọn tại ECML PKDD 2026. Hội nghị ECML PKDD 2026 diễn ra từ ngày 7 đến 11 tháng 9 tại Naples, Ý, quy tụ các nghiên cứu về học máy và khám phá tri thức từ cơ sở dữ liệu.

Ba nghiên cứu lần này giải quyết ba vấn đề lặp lại trong quá trình suy luận phức tạp của LLM: mô hình chọn “đường tắt” không liên quan đến cốt lõi vấn đề, lỗi phát sinh giữa chừng quá trình suy luận, và hiện tượng lệch khỏi mục tiêu ban đầu khi các bước suy luận kéo dài.

Một trong ba nghiên cứu đề xuất phương pháp giúp mô hình duy trì mạch tư duy ban đầu trong quá trình suy luận nhiều bước, kéo dài. Kết quả cho thấy khi áp dụng phương pháp này, mức độ lệch trong quá trình suy luận giảm 63%, còn độ chính xác trung bình trên các mô hình có quy mô khác nhau tăng thêm 7,4 điểm phần trăm.

Hai nghiên cứu còn lại tập trung nâng cao khả năng suy luận khi mô hình gặp vấn đề chưa từng thấy, và cải thiện hiệu quả sửa lỗi cục bộ sau khi phát hiện sai sót trong suy luận. Cả ba nghiên cứu đều hướng tới việc kiểm tra chính quá trình mô hình giải quyết vấn đề, thay vì chỉ đánh giá kết quả trả lời cuối cùng.

Đội ngũ nghiên cứu của FLock tập trung vào các vấn đề huấn luyện, suy luận và độ tin cậy của mô hình ngôn ngữ lớn. Trước đó, FLock cũng từng thúc đẩy hợp tác với Red Hat để xây dựng nền tảng học liên kết, nhằm mở rộng hệ sinh thái AI dành cho tổ chức.

Việc các bài nghiên cứu được hội nghị chấp nhận không đồng nghĩa kết quả đã được ứng dụng vào dịch vụ thương mại hay mô hình phục vụ người dùng thực tế. Tài liệu công bố không nêu sản phẩm áp dụng cụ thể, tổ chức triển khai, quy mô hợp đồng hay số liệu đóng góp doanh thu. Cũng không có thông tin nào cho thấy mối liên hệ trực tiếp giữa việc bài nghiên cứu được công nhận và giá trị token của FLock.

Việc kết quả nghiên cứu có được tái hiện trong các mô hình và môi trường dịch vụ thực tế hay không vẫn cần được xác nhận qua các bài nghiên cứu tiếp theo và các trường hợp ứng dụng cụ thể.