Nguyễn Thị Hồng Trang, ngoài cùng bên trái, trong một hoạt động của Khoa Công nghệ Thông tin, Trường Đại học Bách khoa, Đại học Đà Nẵng. Ảnh: Trường Đại học Bách khoa, Đại học Đà Nẵng.

Một câu hỏi trắc nghiệm về toán, một đoạn đọc hiểu và một tình huống pháp luật không đòi hỏi cùng một cách giải. Tuy nhiên, nếu chỉ đưa tất cả cho một mô hình trí tuệ nhân tạo rồi chờ câu trả lời, hệ thống có thể xử lý những dạng câu hỏi rất khác nhau bằng một quy trình gần giống nhau. Với Nguyễn Thị Hồng Trang, sinh viên Khoa Công nghệ Thông tin, Trường Đại học Bách khoa, Đại học Đà Nẵng, đây là điểm cần thay đổi khi phát triển Q-AI Harness.

Sản phẩm được Trang thực hiện cho bảng Innovator của Vietnamese Student HackAIthon 2026, nơi thí sinh phải sử dụng các mô hình mở có kích thước nhỏ để xử lý một tập câu hỏi mà nội dung không được biết trước. Thay vì tìm một mô hình lớn hơn, Trang đi theo hướng tổ chức lại cách hệ thống làm việc với một mô hình có sẵn.

Q-AI Harness vì vậy không chỉ nhận câu hỏi rồi sinh câu trả lời. Hệ thống trước hết xác định loại nhiệm vụ đang gặp phải, sau đó mới chọn luồng xử lý phù hợp. Cách tổ chức này giúp Trang giành giải Nhất bảng Innovator và trở thành một trong sáu sinh viên được lựa chọn live-demo, trực tiếp bảo vệ giải pháp trước hội đồng ở vòng chung kết.

Nguyễn Thị Hồng Trang, thứ hai từ trái sang trong nhóm nhận giải, tại lễ trao giải Vietnamese Student HackAIthon 2026. Ảnh: NVCC/Báo và Phát thanh, Truyền hình Đà Nẵng.

Một mô hình nhưng không giao mọi việc theo cùng một cách

Ở Q-AI Harness, cùng một mô hình có thể đảm nhận nhiều vai trò khác nhau trong chuỗi xử lý. Hệ thống có bước phân loại câu hỏi, bước giải quyết nội dung, bước tìm tài liệu khi cần và bước lựa chọn thông tin thích hợp trước khi đưa ra đáp án. Trường Đại học Bách khoa, Đại học Đà Nẵng mô tả thiết kế này là một kiến trúc AI Agent tinh gọn kết hợp cơ chế định tuyến với Agentic RAG.

Có thể hiểu đơn giản rằng hệ thống không mặc định mọi câu hỏi đều cần tra cứu, cũng không buộc AI phải tự trả lời hoàn toàn bằng phần kiến thức đã nằm trong mô hình. Tùy loại câu hỏi, Q-AI Harness có thể quyết định sử dụng kiến thức sẵn có hoặc tìm thêm tài liệu từ kho dữ liệu rồi mới tiếp tục xử lý.

Kho tri thức được công bố cho hệ thống chứa hơn 217.000 đoạn tài liệu, bao gồm các nhóm dữ liệu về pháp luật, văn bản quy phạm, thủ tục hành chính, Wikipedia tiếng Việt và dữ liệu web. Việc xây dựng một lớp tra cứu riêng đặc biệt quan trọng đối với những câu hỏi mà mô hình có thể thiếu kiến thức, kiến thức đã thay đổi hoặc dễ đưa ra câu trả lời nghe hợp lý nhưng không chính xác.

Một slide trong phần trình bày Q-AI Harness cho thấy cách hệ thống chia quá trình xử lý câu hỏi thành nhiều bước. Ảnh: Trường Đại học Bách khoa, Đại học Đà Nẵng.

Trang tập trung khá nhiều vào hiện tượng thường được gọi là “ảo giác” của AI. Khi gặp một câu hỏi mà mô hình không nắm chắc, một hệ thống ngôn ngữ vẫn có thể tạo ra phần giải thích trôi chảy. Sự trôi chảy ấy không bảo đảm thông tin bên trong đúng. Q-AI Harness được thiết kế để bổ sung ngữ cảnh, kiểm soát dạng đầu ra và đưa hệ thống sang bước tra cứu khi cần thay vì để mô hình tiếp tục suy luận trên phần kiến thức thiếu hụt.

Đây cũng là chỗ cách làm của Trang khác với việc liên tục bổ sung nhiều kỹ thuật vào hệ thống. Trong quá trình phát triển, nữ sinh xây dựng trước một phiên bản cơ bản làm mốc, rồi thay đổi từng thành phần để quan sát tác động. Có những lần thêm kỹ thuật nhưng kết quả lại giảm, buộc Trang phải quay lại cấu hình trước đó. Những chi tiết nhỏ như cách đặt câu lệnh, lượng ngữ cảnh đưa vào hay thứ tự các bước đều có thể tác động đến kết quả cuối cùng.

Cách thử này giúp tách được một vấn đề thường bị che khuất khi phát triển ứng dụng AI. Hệ thống phức tạp hơn chưa chắc hoạt động tốt hơn. Mỗi tầng xử lý mới cũng tạo thêm khả năng xuất hiện sai số, độ trễ hoặc thông tin không cần thiết. Vì vậy, việc quyết định bước nào thực sự cần thiết trở thành một phần của thiết kế, thay vì chỉ là thêm càng nhiều công cụ càng tốt.

Từ bài thi đến một hệ thống còn phải tiếp tục kiểm chứng

Một đặc điểm khác của Q-AI Harness là khả năng vận hành phần suy luận mà không phụ thuộc kết nối Internet. Điều này giúp Trang thử hệ thống trong giới hạn phần cứng của cuộc thi, đồng thời giảm phụ thuộc vào các dịch vụ AI bên ngoài. Tuy nhiên, đây chưa phải bằng chứng rằng sản phẩm đã sẵn sàng triển khai như một trợ lý tri thức ngoài thực tế.

Phần trình bày của Nguyễn Thị Hồng Trang tại Vietnamese Student HackAIthon 2026. Ảnh: Trường Đại học Bách khoa, Đại học Đà Nẵng.

Thông tin được công bố hiện mới cho thấy Q-AI Harness đã được xây dựng, thử nghiệm trong khuôn khổ Vietnamese Student HackAIthon và được trình diễn trực tiếp tại vòng chung kết. Chưa có dữ liệu độc lập về độ chính xác khi sử dụng lâu dài, mức độ ổn định với người dùng thực tế hoặc hiệu quả khi đưa sang những lĩnh vực đòi hỏi độ tin cậy cao.

Giới hạn này càng quan trọng khi Trang muốn tiếp tục mở rộng hệ thống sang y tế và sinh học. Hai lĩnh vực đó không chỉ cần khả năng tìm đúng tài liệu mà còn đòi hỏi kiểm soát nguồn dữ liệu, thời điểm cập nhật, ngữ cảnh sử dụng và trách nhiệm đối với kết quả mà hệ thống cung cấp. Một kiến trúc làm tốt bài toán thi không thể tự động được xem là đã đủ điều kiện cho ứng dụng chuyên môn.

Điểm có thể ghi nhận ở giai đoạn hiện tại nằm ở lựa chọn kỹ thuật tương đối rõ. Trang không tìm cách biến một mô hình thành công cụ biết mọi thứ. Cô chia bài toán thành các bước, giới hạn nhiệm vụ của từng bước và cho phép hệ thống quay về kho tri thức khi phần kiến thức của mô hình chưa đủ. Đây cũng là cách tiếp cận ngày càng quan trọng khi các ứng dụng AI phải giải quyết bài toán thực tế, nơi một câu trả lời nghe hợp lý nhưng sai có thể gây hậu quả lớn hơn việc hệ thống thừa nhận rằng nó cần tìm thêm thông tin.

Sau cuộc thi, Nguyễn Thị Hồng Trang cho biết muốn tiếp tục nâng cấp Q-AI Harness theo hướng trợ lý tri thức tiếng Việt. Con đường từ một hệ thống dự thi tới sản phẩm được sử dụng rộng rãi vẫn còn nhiều bước kiểm chứng, nhưng dự án đã cho thấy một lựa chọn đáng chú ý của người làm công nghệ trẻ: thay vì chỉ hỏi AI có thể trả lời bao nhiêu câu, bắt đầu đặt câu hỏi nó phải làm gì trước khi được phép đưa ra câu trả lời.