AISIA Lab

16/06/2026

[AISIA LAB x SÁNG KIẾN KHOA HỌC VNEXPRESS 2026] 🔬

Sự bất đồng nhất giữa hình ảnh và văn bản đang tạo ra một lỗ hổng lớn cho các bộ lọc kiểm duyệt tự động. Nhằm giải quyết triệt để bài toán này, AISIA Lab giới thiệu VietCheckMed – Hệ thống AI giám sát tuân thủ y tế đa phương thức."

🎉 Hiện tại, nỗ lực của đội ngũ nghiên cứu đã được ghi nhận khi VietCheckMed chính thức bước vào Vòng Bình chọn của Cuộc thi Sáng kiến Khoa học VnExpress 2026

AISIA Lab rất mong nhận được sự đồng hành từ cộng đồng nghiên cứu, các đối tác và những người yêu công nghệ. Mỗi lượt bình chọn là một động lực to lớn giúp Lab sớm đưa giải pháp này từ phòng nghiên cứu ra ứng dụng thực tiễn.

Chỉ cần 1 phút để ủng hộ dự án:
1️⃣ Truy cập link bình chọn: https://vnexpress.net/khoa-hoc-cong-nghe/cuoc-thi-sang-kien-khoa-hoc/san-pham/vietcheckmed-tro-ly-ai-giam-sat-tuan-thu-va-xac-thuc-quang-cao-y-te-2055
2️⃣ Đăng nhập nhanh bằng tài khoản Facebook, Google hoặc Apple.
3️⃣ Bấm nút "Bình chọn" cho sản phẩm VietCheckMed.

AISIA Lab chân thành cảm ơn sự ủng hộ của tất cả mọi người! 🤝

Hãy bình chọn ngay cho VietCheckMed - Trợ lý AI giám sát tuân thủ và xác thực quảng cáo y tế tại cuộc thi Sáng kiến khoa học 2026.

28/05/2026

Excited to share that one of the latest research projects at AISIA Lab has been accepted at ECML-PKDD 2026 (CORE Rank A) in Naples, Italy!

Paper: "KC-S2O: Kinematically Constrained Sequence-to-ODE for 3D Trajectory Forecasting"

Accurate 3D trajectory forecasting is critical for autonomous navigation. However, prevailing discrete-time predictive models struggle to generalize across diverse dynamic environments, from stable aerial flights to chaotic underwater currents. In this work, we resolve these limitations by introducing KC-S2O, a continuous-time framework that bridges deep representation learning with classical physics.

🔍 Key highlights from this work:
- KC-S2O integrates an autonomous Neural ODE with a relative isotropic state representation to strictly preserve true 3D geometric proportions.
- We establish a kinematic Cauchy boundary condition using explicit velocity injection to enforce physical momentum conservation and mitigate initial drift.
- A novel Time-Weighted Huber Loss is formulated to filter unpredictable environmental outliers while explicitly penalizing compounding structural drift.
_ The framework significantly outperforms state-of-the-art models, reducing Average Displacement Error (ADE) by 40.5% on UAVs and Final Displacement Error (FDE) by 15.9% on UUVs.
- It also effectively doubles the valid temporal endurance in closed-loop rollouts.

Looking forward to discussions with the community at ECML-PKDD 2026!

18/05/2026

🎉 AISIA Lab xin chúc mừng nhóm nghiên cứu với bài báo:

“Missing Data Imputation using Neural Cellular Automata”

đã chính thức được chấp nhận đăng trên tạp chí quốc tế Knowledge-Based Systems (Elsevier), một trong những tạp chí quốc tế uy tín trong lĩnh vực AI và Data Science.

Công trình tập trung vào bài toán xử lý dữ liệu khuyết (missing data imputation) bằng hướng tiếp cận Neural Cellular Automata, mở ra nhiều tiềm năng ứng dụng trong phân tích dữ liệu thực tế và các hệ thống AI thông minh.

Kết quả nghiên cứu tiếp tục khẳng định định hướng nghiên cứu AI nền tảng và ứng dụng của AISIA Lab trong cộng đồng học thuật quốc tế. 🚀

10/05/2026

AISIA Research Lab luôn tin rằng giá trị lớn nhất của một Lab không chỉ nằm ở công nghệ hay bài báo khoa học, mà nằm ở việc đào tạo và phát triển được những người trẻ tài năng cho lĩnh vực AI Việt Nam.

Chúc mừng bạn Trần Quốc Khánh – thành viên của AISIA Lab – đã nhận học bổng toàn phần Tiến sĩ ngành Khoa học Máy tính tại , một trong những trường đại học hàng đầu thế giới. Đây là thành quả của hành trình nghiêm túc trong nghiên cứu, bền bỉ học tập và không ngừng theo đuổi các bài toán AI thực tế.

AISIA Lab sẽ tiếp tục đồng hành, mentoring và tạo môi trường nghiên cứu chuẩn quốc tế để nhiều bạn trẻ Việt Nam có cơ hội bước ra sân chơi toàn cầu trong lĩnh vực AI.

https://thanhnien.vn/chang-trai-an-giang-nhan-hoc-bong-toan-phan-tien-si-dai-hoc-top-8-the-gioi-185260510132337358.htm?gidzl=D2CF8flk8tSpDGqWcVWcS3Kv2YY6hYryUZe6Uj7_AYmkFGrxYlmXUN5eNtg9_7OgBJzVV6ETzHzWcEydUm

Trần Quốc Khánh (26 tuổi) chính thức nhận được thư mời nhập học cùng học bổng toàn phần chương trình tiến sĩ ngành khoa học máy tính tại Đại học Quốc gia Singapore (NUS), ngôi trường đứng top 8 thế giới theo QS World University Rankings 2...

05/05/2026

🚀 AISIA Lab Tuyển Research Intern – Hướng AI in Business (03 vị trí)

AISIA Lab hiện đang tìm kiếm 03 bạn Research Intern đam mê nghiên cứu trong lĩnh vực AI ứng dụng cho Business.

🔎 Yêu cầu:

- Sinh viên năm 3 hoặc năm 4 các ngành liên quan (CNTT, Khoa học dữ liệu, AI, …)
- Có kinh nghiệm xây dựng các mô hình Machine Learning / Deep Learning
- Có định hướng phát triển theo hướng nghiên cứu (research) trong AI in Business
- Có công bố khoa học (paper) là một lợi thế

🎯 Quyền lợi:

- Làm việc trực tiếp với các Giáo sư trong và ngoài nước
- Tham gia giải quyết các bài toán thực tế trong lĩnh vực AI & Business
- Cơ hội đồng tác giả các bài báo khoa học tại hội nghị và tạp chí uy tín
- Phát triển định hướng nghiên cứu chuyên sâu và học thuật

📩 Cách ứng tuyển:
Các bạn quan tâm, hãy gửi CV/Resume về email thầy Binh ([email protected]) nhé.
(Tiêu đề email: [AISIA Intern Application] – Họ tên)

09/04/2026

Excited to share our latest research accepted at CogSci 2026!

🚀🚀🚀

Paper: "Encoding EEG Signals to Examine Human-Like Next-Word Prediction Behavior in Language Models"

Understanding how humans and language models predict the next word in a sentence is a key question in cognitive science and AI. While modern language models achieve impressive prediction accuracy, do they truly process language the way humans do? In this work, we bridge neuroscience and AI by leveraging EEG data to study real-time brain responses during reading. Using event-related potentials (ERPs), we compare human neural activity with language model predictions through two key measures: top-1 prediction and surprisal.

🔍 Key findings from this work:
- Advanced language models can match human performance in next-word prediction accuracy. However, surprisal (not top-1 prediction) better aligns with human brain responses.
- This alignment is especially strong for semantically rich, open-class words.
- Importantly, scaling up model size does not necessarily lead to more human-like language processing.

Our results challenge common assumptions about model scaling and highlight the importance of cognitively grounded evaluation metrics.
Looking forward to discussions with the community at CogSci 2026!

🚀🚀🚀