VinUni ra mắt V-Bench, thước đo năng lực AI dành cho người Việt
Trung tâm Nghiên cứu AI thuộc Trường Đại học VinUni vừa chính thức công bố V-Bench, bộ công cụ phi lợi nhuận đầu tiên tại Việt Nam sở hữu quy mô lên tới hơn 40.000 câu hỏi và tác vụ chuyên sâu.
Khi AI cần phải "học làm người Việt"
Sự kiện này đánh dấu một bước ngoặt quan trọng, thiết lập một hệ tham chiếu khách quan, độc lập và toàn diện nhằm đo lường chính xác năng lực ngôn ngữ, văn hóa và an toàn thông tin của các mô hình ngôn ngữ lớn (LLM) trong bối cảnh đặc thù của Việt Nam.
Trong làn sóng bùng nổ của trí tuệ nhân tạo toàn cầu, các mô hình ngôn ngữ lớn (LLM) như GPT, Claude hay Gemini đã chứng minh được sức mạnh vượt trội trong các tác vụ học thuật chuẩn quốc tế.
Tuy nhiên, khi đặt vào hệ sinh thái ngôn ngữ và văn hóa Việt Nam, các "gã khổng lồ" công nghệ này thường xuyên bộc lộ những điểm nghẽn lớn. Tiếng Việt vốn giàu hạt nhân ngữ nghĩa, đa dạng về phương ngữ và ẩn chứa chiều sâu văn hóa ngầm định vô cùng phức tạp, những điều mà các bộ dữ liệu dịch thuật hay tài liệu đại trà trên Internet không thể truyền tải hết.
Nhằm giải quyết bài toán cốt lõi này, Trung tâm Nghiên cứu AI của VinUni đã quy tụ hội đồng khoa học gồm 18 chuyên gia người Việt đầu ngành về AI cả trong và ngoài nước để phát triển V-Bench.
Khác biệt với các bộ kiểm thử thông thường, V-Bench không chỉ dừng lại ở việc kiểm tra kiến thức sách vở, mà đi sâu vào việc đánh giá khả năng "thấu hiểu" và "hành động" của AI như một người bản xứ thực thụ.
GS.TS. Dương Nguyên Vũ - Phó Hiệu trưởng, Giám đốc Khoa học Trung tâm Nghiên cứu AI Trường Đại học VinUni khẳng định: “Với bộ dữ liệu toàn diện cùng sự góp sức hoàn toàn khách quan, phi lợi nhuận của cộng đồng chuyên gia uy tín người Việt trên toàn cầu, V-Bench mong muốn góp phần định nghĩa lại tiêu chuẩn AI tại Việt Nam và xây dựng một hệ tham chiếu AI cho quốc gia.
Kết quả đánh giá của V-Bench sẽ mang tới góc nhìn toàn cảnh, giúp các tổ chức, doanh nghiệp khám phá chiều sâu năng lực của từng mô hình AI, từ đó lựa chọn mô hình tối ưu cho từng bối cảnh sử dụng và nhu cầu thực tế”.
5 trụ cột đánh giá chuyên biệt của V-Bench
Để đưa ra một bức tranh định lượng chính xác, V-Bench phân tách bộ công cụ thành 2 hạng mục lớn với 5 nhóm tiêu chí chuyên biệt, phản ánh toàn diện các thách thức thực tế khi ứng dụng AI tại Việt Nam:
Văn hóa ngầm định: Đo lường năng lực giải mã các tầng nghĩa sâu trong ngôn ngữ, từ phong tục tập quán, tín ngưỡng, dòng chảy lịch sử đến các câu thành ngữ, tục ngữ đòi hỏi tư duy ngữ cảnh cao.
Đa dạng vùng miền: Thách thức mô hình về khả năng nhận biết phương ngữ Bắc – Trung – Nam, cách sử dụng hệ thống từ xưng hô phức tạp và văn phong đặc trưng của từng địa phương.
An toàn và chủ quyền số: Đây là bộ tiêu chí sống còn, đảm bảo các mô hình AI tuân thủ nghiêm ngặt nguyên tắc an toàn thông tin quốc gia, có khả năng lọc bỏ, chống lại các thông tin sai lệch và bảo vệ toàn vẹn chủ quyền số Việt Nam.
Ứng dụng thực tiễn: Khảo sát hiệu quả vận hành thực tế của mô hình trong các lĩnh vực cốt lõi có tác động xã hội lớn như giáo dục và y tế cộng đồng tại Việt Nam.
Năng lực Agentic AI: Đánh giá thế hệ AI tiếp theo về khả năng tự lập kế hoạch, sử dụng công cụ bên ngoài, kĩ thuật RAG và ra quyết định tự chủ trong môi trường số nội địa.
Nhờ xây dựng dựa trên các kĩ thuật tương đồng với các tiêu chuẩn nghiên cứu LLM quốc tế, V-Bench sở hữu tính tương thích cao về thuật ngữ và quy trình. Điều này cho phép các nhà phát triển công nghệ toàn cầu dễ dàng tham gia thử nghiệm mô hình của họ mà không gặp phải bất kì rào cản kĩ thuật hay quy ước nào.
Hiện tại, toàn bộ nền tảng V-Bench được cung cấp hoàn toàn miễn phí tại địa chỉ vbench.ai. Ngay trong giai đoạn ra mắt, ban dự án đã tiến hành kiểm thử và công bố kết quả tham chiếu công khai của 15 mô hình LLM tiêu biểu nhất thị trường hiện nay, mang lại nguồn tài liệu tham khảo đắt giá cho các doanh nghiệp đang phân vân lựa chọn giải pháp AI phù hợp để tối ưu hóa chi phí và hiệu năng vận hành.
Không dừng lại ở tài liệu văn bản, lộ trình phát triển tiếp theo của V-Bench hứa hẹn sẽ mở rộng sang các bài toán phức tạp và thách thức hơn, đón đầu xu hướng AI đa phương thức. Trong thời gian tới, công cụ này sẽ bổ sung các tiêu chí đánh giá dựa trên cả hình ảnh và âm thanh mang đậm bản sắc Việt:
Xử lý hình ảnh và di sản: Đánh giá khả năng nhận diện chữ Nôm, biển hiệu vùng miền, biểu đồ số liệu, và hiểu sâu sắc về các di sản văn hóa vật thể/phi vật thể.
Thính thị và âm điệu: Thử nghiệm năng lực nhận diện, phân tích và thấu hiểu giọng nói theo đặc trưng tần số và ngữ điệu của cả ba miền; phân tích ngữ cảnh văn hóa thông qua định dạng video ngắn.
Xử lí tài liệu siêu dài: Thử thách khả năng đọc hiểu, phân tích các văn bản tiếng Việt có độ dài trên 100.000 token (như hệ thống luật pháp, hợp đồng kinh tế phức tạp, sách giáo khoa) và yêu cầu trích dẫn chính xác tuyệt đối từ văn bản pháp quy, công báo.
Trong bối cảnh chủ quyền dữ liệu và an toàn thông tin đang trở thành mối quan tâm hàng đầu của các quốc gia, sự xuất hiện của một bộ công cụ độc lập, phi lợi nhuận và chuẩn mực như V-Bench không chỉ giúp các kĩ sư Việt tối ưu hóa mô hình nội địa, mà còn thúc đẩy các tập đoàn công nghệ lớn trên thế giới phải nghiêm túc "bản địa hóa" các sản phẩm trí tuệ nhân tạo khi bước chân vào thị trường Việt Nam.
.jpg)
