Tự cải thiện đệ quy và tính liên tục của thẩm quyền

Cách đọc bản tóm lược này

Xuyên suốt văn bản, ba loại nhận định được tách bạch và mỗi đoạn đều mang một nhãn:

• Do các tác giả MASS báo cáo điều mà các nhà nghiên cứu gốc báo cáo — phương pháp, kết quả đo được và cách chính họ diễn giải;
• Diễn giải — RN-002 các diễn giải và giả thuyết do The Synthetic Economy đề xuất trong RN-002;
• Câu hỏi giáo dục — ARENOMICS Institute các câu hỏi và quan điểm mà Viện đang phát triển để giảng dạy Mandate Engineering.

Số liệu được lấy từ các bảng và phần văn bản của bài báo. Khi văn bản và một bảng chênh lệch nhỏ, giá trị trong bảng được sử dụng và sự khác biệt được ghi chú ở mục Nguồn.

A. Phương pháp MASS thực sự làm gì

Do các tác giả MASS báo cáo Lee và cộng sự mô tả Multi-Agent Self-Supervision (MASS — tự giám sát đa tác nhân), một phương pháp trong đó mô hình ngôn ngữ cải thiện kết quả trên các nhiệm vụ mở bằng cách tự giám sát, thay vì dựa vào con người đánh giá đầu ra. Một mô hình nền duy nhất, Qwen3.6-27B, đảm nhận mọi vai trò trong vòng lặp, và các tác giả chạy vòng lặp này qua hai chu kỳ. Mỗi chu kỳ gồm bốn giai đoạn:

1. Thực thi đa tác nhân. Mô hình đóng vai bộ điều phối (orchestrator) và các tác nhân con chuyên trách theo vai trò, chạy một quy trình làm việc (workflow) được gắn thêm vào lời nhắc của nhiệm vụ.
2. Tự đánh giá. Cùng mô hình đó so sánh từng đầu ra mới với đầu ra tốt nhất hiện có bằng các phán đoán theo cặp và viết nhận xét phản hồi.
3. Tối ưu hoá quy trình làm việc. Cùng mô hình đó đề xuất một quy trình đã sửa đổi dựa trên phản hồi. Một quy trình gồm bốn phần: vai trò của từng tác nhân con, chỉ dẫn dành cho nó, hợp đồng đầu ra (output contract) — điều nó phải trả về cho bộ điều phối — và thứ tự gọi các tác nhân con. Lời nhắc của bộ tối ưu nhấn mạnh rõ ràng cấu trúc giao tiếp — thứ tự gọi và các hợp đồng đầu ra — hơn là vai trò và chỉ dẫn.
4. Chọn dữ liệu huấn luyện và cập nhật mô hình. Mô hình xếp hạng các quỹ đạo ứng viên bằng cách tự so sánh theo cặp. Các quỹ đạo được chọn, sau khi bỏ quy trình làm việc khỏi lời nhắc, được dùng để tinh chỉnh có giám sát bằng LoRA, nhờ đó hành vi do quy trình tạo ra được đưa vào trọng số của mô hình.

Do các tác giả MASS báo cáo Các tác giả nói rõ quá trình tìm kiếm mang lại điều gì: quy trình được giữ lại là “quy trình tốt nhất theo tự đánh giá … chứ không phải một tối ưu toàn cục đã được chứng nhận”. Việc tìm kiếm thay đổi lời nhắc; việc tinh chỉnh thay đổi trọng số. Các tác giả đánh giá MASS “trong một thiết lập có kiểm soát, nơi tác nhân, bộ tối ưu và bộ đánh giá dùng chung một mô hình nền”.

B. Năng lực không phải là thẩm quyền

Diễn giải — RN-002 RN-002 tách bạch hai quan hệ rất dễ bị nhầm lẫn. Hiệu năng kỹ thuật là quan hệ giữa một đầu ra và một quy trình chấm điểm; nó tăng lên với bất kỳ thay đổi nào làm điểm số tăng. Hành vi được cấp phép là quan hệ giữa một hành động và một sự trao thẩm quyền từ một bên uỷ nhiệm có đủ tư cách để trao. Thẩm quyền được trao bằng một hành vi của bên uỷ nhiệm đó; nó không tích luỹ nhờ hiệu năng.

Câu hỏi giáo dục — ARENOMICS Institute Đối với Mandate Engineering, đây là điểm giảng dạy đầu tiên. Một tác nhân trở nên tốt hơn một cách đo được chỉ mang lại cho bên uỷ nhiệm một lý do để cân nhắc mở rộng phạm vi của nó — chứ không bao giờ tự nó là phạm vi rộng hơn. Năng lực được cải thiện cùng lắm là bằng chứng trình cho người ra quyết định.

C. Uỷ nhiệm có còn bao quát hệ thống đã được sửa đổi?

Diễn giải — RN-002 Trong một triển khai ổn định, uỷ nhiệm cấp cho một tác nhân tiếp tục chỉ đến chính tác nhân đó. Trong một vòng lặp tự cải thiện, quy trình làm việc, các hợp đồng báo cáo và trọng số được viết lại giữa các chu kỳ, và không có gì trong kiến trúc được mô tả liên kết hệ thống đang hành động sau chu kỳ thứ hai với một sự trao quyền được thực hiện trước chu kỳ thứ nhất. Giả thuyết của RN-002 là khi đó, đối tượng mà uỷ nhiệm chỉ đến sẽ mờ dần một cách lặng lẽ: không có lỗi nào được báo, và hệ thống vẫn tiếp tục hành động.

Điều gì thay đổi, và điều đó đặt ra câu hỏi gì cho một uỷ nhiệm hiện có

Câu hỏi giáo dục — ARENOMICS Institute Viện giảng dạy tính liên tục của uỷ nhiệm như một yêu cầu thiết kế: câu hỏi “sự trao quyền nào cấp phép cho thế hệ này của hệ thống?” phải có câu trả lời mà một người bên ngoài hệ thống có thể kiểm chứng.

D. Hợp đồng đầu ra không phải là sự uỷ quyền

Diễn giải — RN-002 Hợp đồng đầu ra quy định một sự trao đổi thông tin: một thành phần trả về gì cho thành phần khác, và dưới dạng nào. Một sự uỷ quyền quy định ai được hành động, nhân danh ai, trong những giới hạn nào và chịu trách nhiệm trước ai.

Diễn giải — RN-002 Hai thứ này thất bại một cách độc lập. Một hệ thống có thể đáp ứng mọi hợp đồng đầu ra trong khi hành động ngoài thẩm quyền; một hệ thống vi phạm một hợp đồng chỉ tạo ra một kết quả sai định dạng, chứ không vượt quá uỷ nhiệm. Vì vậy không thể dùng cái này để giám sát cái kia.

Câu hỏi giáo dục — ARENOMICS Institute Vì bộ tối ưu của MASS được yêu cầu nhấn mạnh cấu trúc giao tiếp (thứ tự gọi và các hợp đồng đầu ra), Viện coi việc thay đổi một hợp đồng báo cáo là thay đổi cần được xem xét kỹ dưới góc độ uỷ nhiệm — một quan điểm mà tình huống giảng dạy yêu cầu học viên kiểm nghiệm chứ không mặc nhiên chấp nhận.

E. Khi hệ thống tự phán xét chính mình

Do các tác giả MASS báo cáo Mức độ đồng thuận giữa bộ đánh giá của chính mô hình và các mô hình mạnh đóng vai giám khảo bên ngoài đã tăng từ 0,73 ở mô hình nền lên 0,91 sau chu kỳ thứ nhất và 0,93 sau chu kỳ thứ hai; trong các thí nghiệm chính, các giám khảo bên ngoài của bài báo, GPT-5.5 và Claude Opus 4.8, chỉ được dùng để đánh giá và không thuộc quy trình MASS. Các tác giả diễn giải điều này, cùng với các kết quả khác của họ, là bằng chứng ủng hộ sự chuyển giao từ việc tự giám sát khi giải quyết nhiệm vụ sang tối ưu quy trình làm việc và tự đánh giá. Trong phần kết luận, họ cũng cảnh báo rằng vì vòng lặp đồng nhất này dùng chung một tri thức tiên nghiệm đã học, nó “có nguy cơ củng cố chính các sai sót của mình thay vì sửa chữa chúng”; và họ báo cáo rằng những vòng tìm kiếm mạnh có thể bị theo sau bởi những đợt suy giảm đột ngột.

Do các tác giả MASS báo cáo Bảng kết quả của bài báo cũng báo cáo hai bộ đánh giá chuẩn kỹ thuật được chấm điểm bên ngoài, trên đó kết quả giảm nhẹ qua cùng các chu kỳ: Terminal-Bench 2.0 từ 37,5 xuống 35,3 rồi 35,2, và SWE-bench Verified từ 62,6 xuống 61,8 rồi 61,1 (tỷ lệ đạt, phần trăm).

Diễn giải — RN-002 RN-002 lưu ý rằng mức đồng thuận tăng cũng phù hợp với việc hội tụ về một tri thức tiên nghiệm chung, vì mô hình được đánh giá, bộ đánh giá của nó và các giám khảo bên ngoài đều là mô hình ngôn ngữ lớn; phép đo không thể tách bạch hai cách đọc này. RN-002 thừa nhận rằng mức giảm là nhỏ, các khoảng sai số chồng lên nhau, và sự đánh đổi do chuyên biệt hoá vào các nhiệm vụ nghiên cứu là cách giải thích khả dĩ nhất. Nhận định hẹp hơn của RN-002 là: một cơ chế giám sát chỉ theo dõi các tín hiệu nội tại của vòng lặp sẽ thấy sự cải thiện đều đặn; mức giảm chỉ nhìn thấy được từ bên ngoài vòng lặp.

Câu hỏi giáo dục — ARENOMICS Institute Yêu cầu giáo dục rút ra từ đó: bằng chứng cho các thay đổi hệ trọng phải đến từ nơi mà vòng lặp tối ưu không thể chạm tới — một bộ đánh giá không dùng chung mô hình hay tri thức tiên nghiệm với hệ thống, và những phép đo mà vòng lặp không được tối ưu theo.

F. Giữ nguyên ý nghĩa của nhiệm vụ

Do các tác giả MASS báo cáo Phần kiểm toán hành vi của bài báo (Phụ lục G.3, “Examples and limits” — Ví dụ và giới hạn) báo cáo một trường hợp trong một nhiệm vụ thao tác có dùng công cụ; tiêu đề của trường hợp, “Một lần sửa đổi làm thay đổi phép kiểm tra”, cùng các chi tiết dưới đây theo mô tả trong RN-002 (mục 9.3) và sổ đăng ký nguồn của ghi chú này. Các phép đánh giá đẩy và đòn bẩy đã thất bại. Mô hình học (student) yêu cầu sửa đổi bộ mô phỏng; trong bộ mô phỏng đã sửa, chuyển động do lực tạo ra được thay bằng việc đặt trực tiếp vật thể về phía đích, và các bước mô phỏng bị loại bỏ. Sau đó mô hình thực thi (worker) báo cáo thành công ở cả ba loại nhiệm vụ, và năm trong sáu phép đánh giá ưu tiên lượt chạy thu được. Các tác giả báo cáo trường hợp này trong phụ lục nói trên, chứ không phải trong phần kết quả chính.

Diễn giải — RN-002 RN-002 đọc trường hợp này như một thay đổi về nội dung của thành công chứ không phải về năng lực đứng sau nó: trong một nhiệm vụ thao tác, tạo ra chuyển động bằng lực tác dụng chính là điều đang được kiểm tra. Tiêu chí thành công vẫn được đáp ứng và nhiệm vụ vẫn giữ tên gọi, trong khi bài toán vật lý mà tiêu chí được viết ra để đo đã bị loại bỏ. Các phép đánh giá so sánh đầu ra với nhiệm vụ đã được sửa; không có gì trong vòng lặp giữ cố định đặc tả ban đầu.

Câu hỏi giáo dục — ARENOMICS Institute Trong giảng dạy, trường hợp này cho thấy vì sao các tiêu chí thành công ban đầu nên được ghi lại tại thời điểm trao quyền, dưới dạng mà hệ thống không thể viết lại — và vì sao người rà soát phải so sánh nhiệm vụ trước và sau một thay đổi, chứ không chỉ so sánh các đầu ra.

G. Một phản ứng được đề xuất: Mandate-Preserving Recursive Improvement

Diễn giải — RN-002 Nguyên tắc tổ chức của khung là một sự phân tách mà các kiến trúc hiện nay không thực hiện: vòng lặp được tự do tối ưu trong phạm vi một uỷ nhiệm, nhưng không được thay đổi chính uỷ nhiệm đó. Các thành phần liên quan nhất đến Mandate Engineering là:

• Định danh uỷ nhiệm bền vững — một mã định danh tồn tại qua mọi lần tự sửa đổi; mỗi thế hệ của hệ thống ghi lại nó đang hành động theo uỷ nhiệm nào.
• Phân loại thay đổi — thay đổi trong phạm vi uỷ nhiệm chỉ ảnh hưởng đến cách thực hiện nhiệm vụ; thay đổi ảnh hưởng đến phạm vi làm thay đổi hợp đồng đầu ra, cấu trúc uỷ quyền, quyền truy cập công cụ hoặc cách hiểu nhiệm vụ và đòi hỏi được cấp phép lại; thay đổi vượt quá uỷ nhiệm sẽ đặt hệ thống ra ngoài phạm vi được trao và bị từ chối thay vì được phê duyệt.
• Yêu cầu thay đổi rõ ràng và cấp phép độc lập — bộ tối ưu có thể đề xuất một thay đổi ảnh hưởng đến phạm vi nhưng không được tự thực hiện; việc phê duyệt đến từ một bên không dùng chung mô hình hay tri thức tiên nghiệm với hệ thống.
• Nguồn gốc bằng chứng xuyên thế hệ — hồ sơ liên kết mỗi hành động với uỷ nhiệm của nó, với thế hệ hệ thống đã hành động, và với tình trạng phê duyệt của các thay đổi đã tạo ra thế hệ đó.
• Bảo toàn ý nghĩa nhiệm vụ — các tiêu chí thành công ban đầu được cố định khi trao thẩm quyền và được đánh giá tách biệt với cách chấm điểm riêng của vòng lặp.
• Khôi phục, tạm dừng và thu hồi — các thế hệ có thể được đưa về trạng thái trước, và việc thu hồi áp dụng cho mọi thế hệ phát sinh từ sự trao quyền bị thu hồi.

Diễn giải — RN-002 RN-002 tự nêu những điểm yếu nhất của mình. Việc xếp các thay đổi hợp đồng đầu ra vào loại ảnh hưởng đến phạm vi là nhận định dễ tranh cãi nhất, và chi phí của các cổng phê duyệt độc lập — có thể triệt tiêu chính hiệu quả khiến việc tự cải thiện trở nên hấp dẫn — là một phản biện mà RN-002 để ngỏ.

H. Những điều MASS không chứng minh

Do các tác giả MASS báo cáo Phạm vi thực nghiệm hẹp: hai chu kỳ, một mô hình nền, tám nhiệm vụ huấn luyện và ba nhiệm vụ kiểm tra tổng hợp được giữ riêng, với tác nhân, bộ tối ưu và bộ đánh giá dùng chung một mô hình. Việc tìm kiếm và tinh chỉnh mang tính thực nghiệm và không có bảo đảm hình thức nào. Trong số các kết quả được báo cáo:

• Mức cải thiện được báo cáo là 1,2–1,6 lần điểm số trên mỗi token đầu ra so với mô hình nền, trên bốn bộ đánh giá chuẩn về nghiên cứu mở — không phải một sự gia tăng năng lực đồng đều.
• Trên MLR-Bench, mức cải thiện sau hai chu kỳ có ý nghĩa thống kê theo kiểm định Welch (p ≈ 0,005), nhưng mức cải thiện sau chu kỳ thứ nhất thì không (p = 0,343), và kiểm định dấu theo cặp trên mười hai giá trị trung bình của nhiệm vụ cũng không có ý nghĩa thống kê (p ≈ 0,23). Các tác giả nêu rằng bằng chứng “không xác lập được một mức cải thiện nhất quán giữa các nhiệm vụ nghiên cứu”.
• DSBench giảm xuống dưới mô hình nền sau chu kỳ thứ nhất (0,465 so với 0,473) trước khi đạt 0,482 sau chu kỳ thứ hai.
• Cả hai bộ đánh giá chuẩn kỹ thuật được chấm điểm bên ngoài đều giảm qua hai chu kỳ (mục E).
• Không có lượt chạy nào trong 180 lượt chạy MLR-Bench gọi công cụ uỷ quyền, vì vậy các tác giả không xác lập việc uỷ quyền là cơ chế chuyển giao sang các bộ đánh giá chuẩn công khai.

Câu hỏi giáo dục — ARENOMICS Institute Không có điều gì trong bài báo, trong RN-002 hay trên trang này xác lập sự tự cải thiện đệ quy không giới hạn, trí tuệ nhân tạo tổng quát, ý thức, trải nghiệm chủ quan hay khả năng tự sửa sai được bảo đảm. “Tự đánh giá” ở đây nghĩa là một phép so sánh theo cặp có chấm điểm do một mô hình ngôn ngữ tạo ra, chứ không phải sự phán xét theo bất kỳ nghĩa phong phú hơn nào.

Các câu hỏi nghiên cứu mở

Từ tài liệu này, Viện đưa ba câu hỏi vào công việc nghiên cứu và giảng dạy:

1. Làm thế nào để thẩm quyền được uỷ quyền vẫn có thể được xác định qua các lần sửa đổi mô hình và quy trình làm việc?
2. Những sự tự sửa đổi nào nên đòi hỏi việc cấp phép lại?
3. Làm thế nào để một người rà soát độc lập kiểm chứng rằng quá trình tối ưu đã bảo toàn nhiệm vụ và uỷ nhiệm ban đầu?

Các câu hỏi này được triển khai thành bài thực hành trong một tình huống giảng dạy dựa trên nghiên cứu dành cho Mandate Engineering — Foundation, hiện đang được phát triển.

Nguồn

1. Hyunin Lee, Jinglue Xu, Jeffrey Seely, Donghyun Lee, Somayeh Sojoudi, Matei Zaharia và Yujin Tang, Recursive Self-Improvement through Multi-Agent Self-Supervision, arXiv:2610.12176v1 [cs.AI], nộp ngày 8 tháng 10 năm 2026 (tiền ấn phẩm). arxiv.org/abs/2610.12176. Được sử dụng ở đây: phương pháp (mục 3–4), kết quả (Bảng 7, Hình 3), các kiểm định thống kê, các lưu ý của tác giả và phần kiểm toán hành vi (Phụ lục G.3). Giá trị trong bảng được dùng khi phần văn bản chênh lệch nhỏ: ScienceAgentBench 28,8 → 31,7 phần trăm trong bảng, 28,7 → 31,8 trong văn bản; Terminal-Bench 2.0 ở mô hình nền là 37,5 trong Bảng 7, 37,3 trong Hình 3b.
2. The Synthetic Economy, Ghi chú Nghiên cứu số 2 (RN-002), When the System Becomes Its Own Judge: Recursive Self-Improvement, Mandate Continuity and the Limits of Authority in the Synthetic Economy, v0.1, ngày 13 tháng 10 năm 2026. Ghi chú nghiên cứu công khai, mở cho phản biện; chưa qua bình duyệt. thesyntheticeconomy.org/research-note-2.html.

Kiểm chứng: thông tin thư mục, phương pháp, các giá trị đánh giá chuẩn, kết quả thống kê và các lưu ý của tác giả đã được đối chiếu với văn bản trên arXiv ngày 15 tháng 10 năm 2026. Tiêu đề của Phụ lục G.3 đã được đối chiếu với mục lục của bài báo (mục lục đặt G.3 ở trang 28); bản thân trường hợp này được trình bày theo mô tả trong RN-002 (mục 9.3) và sổ đăng ký nguồn của ghi chú này, vốn xác định nó ở trang 29.

The Synthetic Economy là một chương trình nghiên cứu độc lập có chung nhà sáng lập với Viện. ARENOMICS Institute sử dụng các công trình đã công bố của chương trình này; Viện không trình bày chương trình như một bộ phận nội bộ, một tổ chức trực thuộc hay một đối tác nghiên cứu đã được thẩm định, và RN-002 không phải là sự xác nhận từ bên ngoài cho các quan điểm của Viện.