Kỹ sư QLTT Ghi chú ôn thi
← Về danh sách
AI & Dữ liệu
#환각#Hallucination#RAG#사실성#AI신뢰성
Cập nhật lần cuối · 2026-10-22

Hiện tượng ảo giác (Hallucination) của LLM và các kỹ thuật giảm thiểu

1. Tổng quan

A. Định nghĩa và bối cảnh xuất hiện

Ảo giác của LLM (Hallucination) là hiện tượng mô hình ngôn ngữ lớn tạo ra nội dung sai sự thật hoặc không phù hợp với căn cứ được cung cấp, một cách trôi chảy và đầy tự tin như thể đó là sự thật. Điểm cốt lõi là đây không phải lỗi chính tả hay lỗi ngữ pháp đơn thuần, mà là đầu ra mang hình thức hợp lý nhưng thiếu tính chân thực (truthfulness) về nội dung.

LLM là một bộ sinh ngôn ngữ xác suất đã học "phân phối xác suất của token kế tiếp" từ một kho ngữ liệu khổng lồ. Hàm mục tiêu của mô hình không hướng tới "hãy nói sự thật" mà hướng tới "hãy dự đoán token kế tiếp hợp lý nhất từ phân phối đã học." Do đó, ngay cả khi gặp khoảng trống tri thức, mô hình có xu hướng lấp đầy chỗ trống bằng cách ghép nối các câu tự nhiên về mặt thống kê, thay vì im lặng hay trả lời "tôi không biết." Đặc tính cấu trúc này là nguyên nhân gốc rễ của ảo giác.

Điểm quan trọng là ảo giác không phát sinh từ "ý định nói dối" của mô hình, mà là kết quả của việc chỉ tối ưu hóa tính hợp lý về hình thức mà không có biểu diễn nội tại nào về tính chân thực. Mô hình về cơ bản không có cơ chế phân biệt rõ ràng điều nó biết với điều nó không biết, nên nó trả lời câu hỏi mình biết và câu hỏi mình không biết với độ trôi chảy như nhau. Lý do căn bản khiến ảo giác khó giảm thiểu cũng nằm ở đây — gốc rễ của vấn đề nằm nội tại trong chính hệ hình sinh, chứ không phải ở một lỗi cụ thể.

Lý do ảo giác nổi lên thành vấn đề nghiêm trọng là vì phạm vi sử dụng LLM đã mở rộng vượt khỏi tư vấn và hỗ trợ tìm kiếm sang các lĩnh vực rủi ro cao (high-stakes) như y tế, pháp lý, tài chính và hành chính công. Một lời giả dối trôi chảy khiến người dùng khó nhận ra sai sót, dẫn thẳng tới quyết định sai, trách nhiệm pháp lý và tổn hại niềm tin thương hiệu. Thực tế, trường hợp một luật sư nộp lên tòa những án lệ giả do ChatGPT bịa ra và bị chế tài (Hoa Kỳ, 2023) cho thấy ảo giác không phải rủi ro trừu tượng mà là tổn thất cụ thể.

Bài "Why Language Models Hallucinate" do OpenAI công bố tháng 9/2025 đã gây chú ý khi diễn giải lại ảo giác không phải là khuyết tật của mô hình mà là sản phẩm của động cơ khuyến khích (incentive) do hệ thống huấn luyện và đánh giá tạo ra. Nếu chấm điểm mô hình chỉ bằng độ chính xác (accuracy), thì chiến lược đoán mò để trả lời đúng lại có lợi hơn về điểm số so với việc trả lời "tôi không biết" cho câu hỏi mà nó không biết. Nói cách khác, chừng nào các benchmark còn phạt việc bày tỏ sự không chắc chắn và thưởng cho phỏng đoán đầy tự tin, mô hình sẽ học cách tạo ảo giác. Điều này gợi ý rằng xử lý ảo giác là vấn đề không chỉ của thuật toán mà còn của thiết kế đánh giá và quản trị.

B. Sự cần thiết và đặc điểm

Lý do cần giảm thiểu ảo giác là vì độ tin cậy (Reliability) là yếu tố chất lượng hàng đầu chi phối sự chấp nhận và lan rộng của một dịch vụ LLM. Dù năng suất tóm tắt, dịch thuật hay viết mã có cao đến đâu, chỉ cần một lần xảy ra thông tin sai lệch chí mạng, tổ chức sẽ loại hệ thống đó khỏi vận hành. Đặc biệt trong các ngành chịu quản lý, khả năng giải thích, khả năng truy vết và khả năng kiểm chứng là điều kiện áp dụng, nên một mô hình không bảo đảm được tính sự thật của đầu ra sẽ không vượt qua được giai đoạn thử nghiệm.

Đặc điểm của ảo giác được tóm lược thành ba điểm. Thứ nhất, sự đồng tồn tại của tính trôi chảy và sai sót: câu văn mượt mà nhưng nội dung sai, khiến khó nhận diện lỗi trên bề mặt. Thứ hai, sự tự tin thái quá (overconfidence): mô hình gán độ chắc chắn cao cả cho câu trả lời sai, làm giảm sự cảnh giác của người dùng. Thứ ba, tính phi tất định và khó tái lập: cùng một câu hỏi lại cho ảo giác khác nhau mỗi lần, khiến khó lọc hết bằng kiểm thử trước. Ba điều này kết hợp làm cho ảo giác thành bài toán khó "có thể phát hiện và giảm thiểu nhưng không thể loại bỏ hoàn toàn."

Do đó, mục tiêu thực tế không phải là triệt tiêu hoàn toàn ảo giác mà là kiểm soát nó tới mức chấp nhận được. Thiết kế các tuyến phòng thủ phân cấp theo mức rủi ro, và quản lý rủi ro còn lại bằng rà soát của con người, ghi nguồn và cảnh báo miễn trừ — cách tiếp cận dựa trên rủi ro này là chuẩn mực của kỹ sư chuyên nghiệp.

Mặt khác, góc nhìn chỉ xem ảo giác là "một lỗi cần loại bỏ" là phiến diện. Ở những nhiệm vụ mà sáng tạo là giá trị, như tiểu thuyết, nảy sinh ý tưởng và động não, việc sinh tự do không bị ràng buộc bởi sự thật lại trở thành lợi ích. Nghĩa là ảo giác và sáng tạo là hai mặt của cùng một năng lực sinh xác suất, và bản chất vấn đề là "việc nó không được kiểm soát trong bối cảnh đòi hỏi tính sự thật." Vì vậy, mục tiêu giảm thiểu cũng nên được đặt ra không phải là giết chết năng lực sinh, mà là kiểm soát nhận biết bối cảnh điều chỉnh cường độ ràng buộc sự thật theo tính chất nhiệm vụ (dựa trên sự thật vs sáng tạo).

2. Các loại ảo giác và cơ chế phát sinh

Lý do trước tiên phải phân biệt các loại ảo giác là vì chỉ khi xác định được loại mới chọn được biện pháp giảm thiểu và chỉ số đánh giá đúng. Cùng một "câu trả lời sai," đơn thuốc lại trái ngược tùy theo nó mâu thuẫn với sự thật của thế giới hay với tài liệu được cung cấp. Dưới đây ta chia ảo giác theo các trục phân loại tiêu biểu.

Ảo giác chia lớn làm hai theo "nó sai so với cái gì." Một là ảo giác tính sự thật (Factuality) mâu thuẫn với sự thật của thế giới, hai là ảo giác tính trung thực (Faithfulness) mâu thuẫn với đầu vào, ngữ cảnh hay tài liệu căn cứ được cung cấp. Việc bịa ra nội dung không có trong văn bản gốc ở nhiệm vụ tóm tắt là điển hình của loại sau. Ta cũng phân biệt ảo giác nội tại (intrinsic) làm méo mó chính thông tin đầu vào, với ảo giác ngoại lai (extrinsic) tùy tiện thêm vào thông tin bên ngoài không có trong đầu vào. Phân loại này quan trọng vì biện pháp giảm thiểu hữu hiệu khác nhau theo từng loại — ảo giác tính sự thật được xử lý tốt bằng liên kết tri thức bên ngoài (RAG), còn ảo giác tính trung thực bằng ràng buộc căn cứ (grounding) và giải mã có ràng buộc.

Sơ đồ cấu trúc dưới đây phác họa toàn cảnh ảo giác phát sinh từ điểm nào trong pipeline LLM. Mỗi giai đoạn — dữ liệu, huấn luyện, suy luận và đánh giá — hoạt động như một nguồn ảo giác khác nhau.

flowchart TB
  subgraph DATA["Giai đoạn dữ liệu"]
    D1["Lỗi, thiên lệch, thông tin lỗi thời của kho ngữ liệu"]
    D2["Khoảng trống tri thức(đuôi dài, sự kiện mới nhất)"]
  end
  subgraph TRAIN["Giai đoạn huấn luyện"]
    T1["Hàm mục tiêu xác suất(dự đoán token kế tiếp)"]
    T2["Động cơ nịnh bợ(sycophancy) của RLHF"]
  end
  subgraph INFER["Giai đoạn suy luận"]
    I1["Tính ngẫu nhiên của giải mã lấy mẫu"]
    I2["Giới hạn cửa sổ ngữ cảnh, sự mơ hồ của prompt"]
  end
  subgraph EVAL["Giai đoạn đánh giá"]
    E1["Chấm điểm thiên về độ chính xác(thưởng đoán mò)"]
  end
  DATA --> OUT["Đầu ra ảo giác(giả dối trôi chảy)"]
  TRAIN --> OUT
  INFER --> OUT
  EVAL -.cung cấp động cơ.-> TRAIN

Về phía dữ liệu, ảo giác nảy mầm từ lỗi, thiên lệch và sự thiếu tính thời sự của kho ngữ liệu huấn luyện. Đối với tri thức đuôi dài mà mô hình chưa từng học, hay các sự kiện mới nhất sau thời điểm huấn luyện (sau mốc cắt tri thức), nó không có căn cứ nên chỉ có thể bịa ra. Chẳng hạn những "sự thật hiếm và hay thay đổi" như năm sinh của một nhân vật hay thông số của một sản phẩm mới là vùng quen thuộc của ảo giác. Một sự thật chỉ xuất hiện một lần trong kho ngữ liệu có tín hiệu thống kê yếu, nên mô hình có xu hướng không ghi nhớ ổn định được mà thay thế bằng một giá trị khác có khuôn mẫu tương tự. Đó cũng là lý do nghiên cứu của OpenAI gắn phần đáng kể của ảo giác với "những sự thật hiếm xuất hiện trong dữ liệu huấn luyện."

Về phía huấn luyện, hàm mục tiêu xác suất đã giải thích ở trên là nguyên nhân hàng đầu. Thêm vào đó, học tăng cường từ phản hồi của con người (RLHF) thưởng cho "câu trả lời mà người dùng ưa thích," khiến mô hình có thể thiên về việc đưa ra câu trả lời dễ nghe (nịnh bợ, sycophancy) hơn là chính xác. Hiện tượng điển hình: khi người dùng đặt câu hỏi dựa trên một tiền đề sai, mô hình hùa theo tiền đề đó và tự tin đưa ra câu trả lời sai.

Về phía suy luận, giải mã xác suất được đưa vào để tăng tính đa dạng (lấy mẫu temperature, top-p) làm lung lay tính sự thật. Tăng nhiệt độ thì tính sáng tạo tăng nhưng xác suất chọn phải token lệch cũng lớn hơn. Ngoài ra, giới hạn cửa sổ ngữ cảnh khiến thông tin ở giữa một tài liệu dài bị mất (lost-in-the-middle), và một prompt mơ hồ kích hoạt sự bổ sung tùy tiện của mô hình.

Về phía đánh giá là nguồn dễ bị bỏ sót nhất. Trong phép đo tính sự thật SimpleQA của OpenAI, một mô hình hầu như không đoán mò và dè dặt "tôi không biết" ở khoảng một nửa (dòng gpt-5-thinking-mini) có tỷ lệ trả lời sai khoảng 26%, trong khi một mô hình đời cũ hầu như không dè dặt mà chủ yếu đoán mò (dòng o4-mini) có độ chính xác tương đương nhưng tỷ lệ trả lời sai vọt lên tới khoảng 75%. Chỉ nhìn độ chính xác thì khoảng cách giữa hai bên có vẻ nhỏ, nhưng nhìn theo "tỷ lệ trả lời sai" thì lộ ra sự thật rằng đoán mò chiến lược sản sinh ảo giác hàng loạt. Điều này cho thấy rõ ảo giác là vấn đề không chỉ của dữ liệu, huấn luyện và suy luận mà là của việc ta chấm điểm để thưởng cho cái gì.

Như vậy, ảo giác không phải khuyết tật của một giai đoạn đơn lẻ mà là hiện tượng mang tính hệ thống do dữ liệu, huấn luyện, suy luận và đánh giá đan xen như một chuỗi tạo ra. Do đó, một đơn thuốc cục bộ chỉ sửa một điểm dễ tái phát, và như sẽ bàn ở sau, phòng thủ đa tầng trải khắp trước, trong và sau khi sinh phải đi cùng với việc thiết kế lại hệ thống đánh giá thì hiệu quả mới bền.

3. Kỹ thuật giảm thiểu ảo giác — Phòng thủ đa tầng trước, trong và sau khi sinh

Lý do nhìn các kỹ thuật giảm thiểu theo tầng là vì đơn thuốc cho một giai đoạn đơn lẻ không thể chặn ảo giác phát sinh ở giai đoạn khác. Dù có tiêm căn cứ tốt (trước khi sinh), ảo giác vẫn xảy ra nếu giải mã lung lay (trong khi sinh), và dù kiểm soát trong khi sinh có hoàn hảo, nó vẫn bất lực nếu tri thức vốn đã khuyết (khoảng trống trước khi sinh). Do đó phòng thủ phải được xếp chồng trên toàn bộ chuỗi, chứ không phải tại một điểm đơn lẻ.

Ảo giác không được giải quyết bằng một kỹ thuật đơn lẻ; việc xếp chồng các tuyến phòng thủ ở ba tầng trước khi sinh (bổ sung đầu vào), trong khi sinh (kiểm soát) và sau khi sinh (kiểm chứng) là hữu hiệu. Sơ đồ quy trình dưới đây cho thấy các thiết bị giảm thiểu được bố trí ở mỗi giai đoạn từ khi một truy vấn đi vào đến khi một phản hồi đi ra.

flowchart LR
  Q["Truy vấn người dùng"] --> PRE["Trước khi sinh: truy xuất RAG, thiết kế prompt"]
  PRE --> GEN["Trong khi sinh: giải mã ràng buộc, CoT, hiệu chỉnh bất định"]
  GEN --> POST["Sau khi sinh: tự kiểm chứng(CoVe), chấm điểm tính sự thật"]
  POST --> GATE{"Vượt ngưỡng độ tin cậy?"}
  GATE -->|"Có"| ANS["Cung cấp phản hồi kèm nguồn"]
  GATE -->|"Không"| ABSTAIN["Trả lời không biết, chuyển cho người rà soát"]

Cốt lõi của phòng thủ trước khi sinh (Pre-generation) là sinh tăng cường truy xuất (RAG). Khi căn cứ liên quan được truy xuất từ cơ sở tri thức hay tài liệu bên ngoài tại thời điểm truy vấn và được tiêm vào prompt, mô hình trả lời bị ràng buộc vào căn cứ được trình bày chứ không phải vào trí nhớ tham số. Điều này trực tiếp công phá vấn đề mốc cắt tri thức và đuôi dài, đồng thời nâng khả năng kiểm chứng bằng cách trình bày kèm nguồn (citation). Tuy nhiên, nếu chất lượng truy xuất kém thì ngược lại có thể củng cố ảo giác bằng căn cứ sai, nên việc xếp hạng lại và kiểm tra khớp căn cứ phải đi kèm. Thiết kế prompt dùng kèm cũng có ý nghĩa như tuyến phòng thủ đầu tiên — việc nêu rõ vai trò, phạm vi và quy tắc dùng căn cứ ("nếu không có trong tài liệu được cung cấp thì trả lời không biết") có thể ức chế một phần đáng kể sự bổ sung tùy tiện của mô hình.

Phòng thủ trong khi sinh (In-generation) kiểm soát chính quá trình suy luận. Dẫn dắt suy luận theo từng bước bằng chuỗi tư duy (Chain-of-Thought) có thể giảm bước nhảy logic, còn giải mã ràng buộc, nhiệt độ thấp và đầu ra có cấu trúc (lược đồ JSON) ức chế sự lệch hướng. Hơn nữa, việc thiết kế lại động cơ thông qua hiệu chỉnh bất định (calibration) để mô hình trả lời "tôi không biết" khi độ chắc chắn thấp là hướng mà nghiên cứu của OpenAI đề xuất. Dù vậy, CoT làm tăng chi phí khi độ dài suy luận tăng và đôi khi có tác dụng ngược là một suy luận trung gian sai lại biện minh cho một câu trả lời sai có vẻ hợp lý, nên cần áp dụng có chọn lọc theo độ khó của nhiệm vụ.

Phòng thủ sau khi sinh (Post-generation) kiểm chứng đầu ra sau khi đã sinh. Chuỗi kiểm chứng (Chain-of-Verification, CoVe) để mô hình tự tạo câu hỏi kiểm chứng, đối chiếu chéo câu trả lời rồi chỉnh sửa, còn tính tự nhất quán (Self-Consistency) rút nhiều mẫu và ổn định hóa bằng biểu quyết đa số. Về kỹ thuật phát hiện, tiêu biểu là SelfCheckGPT bắt ảo giác bằng tính nhất quán của nhiều phản hồi mà không cần căn cứ bổ sung, và FActScore chia đầu ra thành các đơn vị sự thật nguyên tử rồi chấm độ chính xác so với căn cứ.

Pháo đài cuối cùng là lan can an toàn (guardrails) và sự can thiệp của con người (HITL) ở giai đoạn vận hành. Lan can áp quy tắc cấm và quy tắc tính sự thật lên đầu ra để chặn hoặc sửa các phản hồi rủi ro, và khi độ tin cậy thấp hơn ngưỡng thì giữ phản hồi lại và chuyển cho con người rà soát. Ở những lĩnh vực mà chi phí sai sót cao, như hỗ trợ tư vấn y tế, nó được thiết kế theo kiểu "mô hình tạo bản thảo và chuyên gia phê duyệt," lọc ảo giác ra trước khi nó đến tay người dùng cuối. Đây là thiết bị hấp thụ rủi ro còn lại mà giảm thiểu kỹ thuật để lại vào quy trình tổ chức.

Bảng dưới đây sắp xếp các kỹ thuật giảm thiểu và phát hiện tiêu biểu theo tầng phòng thủ. Mỗi kỹ thuật khác nhau về loại ảo giác mà nó công phá cùng chi phí và giới hạn, nên chúng được kết hợp để khớp mức rủi ro của dịch vụ.

Tầng Kỹ thuật tiêu biểu Đối tượng chính Giới hạn, chi phí
Trước sinh RAG, liên kết đồ thị tri thức Tính sự thật(khoảng trống tri thức) Phụ thuộc chất lượng truy xuất, độ trễ, hạ tầng
Trước sinh Thiết kế prompt, gán vai trò Tính trung thực, mơ hồ Hiệu quả hạn chế, biến động
Trong sinh CoT, giải mã ràng buộc, nhiệt độ thấp Nhảy suy luận, lệch hướng Giảm tính đa dạng
Trong sinh Hiệu chỉnh bất định, abstain Tự tin thái quá Giảm độ bao phủ(từ chối quá mức)
Sau sinh CoVe, tự nhất quán Tính sự thật, nhất quán Chi phí suy luận tăng nhiều lần
Sau sinh SelfCheckGPT, FActScore Phát hiện, chấm điểm Độ tin cậy của đánh giá tự động
Vận hành Lan can, con người rà soát(HITL) Rủi ro còn lại Chi phí, tốc độ

4. So sánh — Vì sao hiệu quả khác nhau theo từng kỹ thuật

RAG và tinh chỉnh (fine-tuning) thường được so sánh nhưng điểm công phá khác nhau. Tinh chỉnh mạnh ở việc thích ứng văn phong, định dạng và lĩnh vực của mô hình, nhưng vì là cách "học thuộc" tri thức nên yếu về tính thời sự và khả năng kiểm chứng. Ngược lại, RAG ngoại hóa tri thức nên dễ cập nhật và cho phép truy vết nguồn, nhưng sụp đổ ngay khi truy xuất thất bại. Do đó, "những sự thật hay thay đổi" được xử lý bằng RAG và "văn phong, định dạng nhất quán" bằng tinh chỉnh, còn các dịch vụ rủi ro cao kết hợp cả hai — đây là chuẩn mực thực hành.

Giữa kỹ thuật dựa trên prompt và kỹ thuật dựa trên truy xuất/kiểm chứng cũng có khác biệt căn bản về chi phí-hiệu quả. Thiết kế prompt (chỉ thị như "nếu không có căn cứ thì trả lời không biết") gần như không tốn chi phí và áp dụng được ngay, nhưng vì phụ thuộc vào sự tuân thủ tự nguyện của mô hình nên hiệu quả bất ổn và dễ bị xuyên thủng bởi truy vấn đối kháng. Trong khi đó, RAG và CoVe cưỡng bức về mặt cấu trúc tính sự thật thông qua căn cứ bên ngoài hay suy luận bổ sung nên hiệu quả lớn và ổn định, nhưng kéo theo chi phí hạ tầng, độ trễ và suy luận. Lý do khác biệt này phát sinh là vì cái trước "nhờ vả mô hình" còn cái sau "ràng buộc mô hình," và niềm tin càng quan trọng thì càng hợp lý khi chuyển trọng tâm từ nhờ vả sang ràng buộc.

Khác biệt về hiệu quả giữa các kỹ thuật giảm thiểu rốt cuộc phát sinh từ "cắt gốc rễ ảo giác ở đâu." Thực tế, trong một thí nghiệm năm 2025 kết hợp CoT, RAG, tự nhất quán và tự kiểm chứng (arXiv 2505.09031), cấu hình thêm tự kiểm chứng vào RAG và CoT đã hạ mạnh tỷ lệ ảo giác trên HaluEval (xuống khoảng 11% ở GPT-3.5-Turbo) và cho hiệu năng ổn định nhất trên cả FEVER và TruthfulQA. Điều này củng cố trực giác rằng hiệu ứng bổ trợ lớn nhất khi kết hợp ràng buộc tri thức bên ngoài (RAG) với kiểm chứng hậu kỳ. Tuy nhiên, vì là kết quả của một bài báo đơn lẻ nên các con số nên được xem là giá trị tham khảo, và tồn tại đánh đổi là chi phí suy luận và độ trễ tăng nhiều lần khi số bước kiểm chứng tăng.

Về phía đánh giá cũng vậy, mỗi benchmark đo một đối tượng khác nhau. TruthfulQA đo liệu mô hình có chạy theo những hiểu lầm mà con người thường tin hay không, HaluEval đo năng lực nhận diện mẫu ảo giác, còn FEVER đo kiểm chứng sự thật giữa một khẳng định và căn cứ. Không thể kết luận ảo giác từ một điểm số đơn lẻ, nên nhiều chỉ số phù hợp với đặc tính dịch vụ và giám sát dữ liệu thực trong vận hành phải đi cùng nhau.

Từ góc độ áp dụng công nghiệp cũng vậy, lựa chọn chiến lược giảm thiểu phân nhánh theo đặc tính lĩnh vực. Ví dụ, với chatbot hỗ trợ khách hàng, việc gom FAQ, điều khoản và sổ tay sản phẩm vào một cơ sở tri thức RAG và cưỡng bức nguyên tắc "không trả lời khi không có căn cứ" trở thành tuyến phòng thủ đầu tiên. Mặt khác, trợ lý mã nguồn có thể xác nhận ngay tính sự thật của mã được sinh bằng công cụ kiểm chứng bên ngoài là biên dịch và chạy kiểm thử, nên việc dùng công cụ (tool use) là biện pháp giảm thiểu mạnh hơn tự kiểm chứng. Như vậy, trước tiên tìm "trong lĩnh vực đó có phương tiện gì để kiểm chứng sự thật một cách rẻ tiền" là điểm khởi đầu của việc chọn kỹ thuật.

Ngoài ra, ảo giác còn phải xét tới sự tương tác giữa các kỹ thuật giảm thiểu. Dù RAG tiêm căn cứ vào, nếu mô hình phớt lờ căn cứ và ưu tiên trí nhớ tham số thì ảo giác tính trung thực vẫn còn, và quá tin vào tự kiểm chứng có thể tạo ảo giác thứ cấp đóng gói một câu trả lời sai thành "đã vượt kiểm chứng." Do đó, thay vì xếp chồng từng kỹ thuật một cách độc lập, việc đưa kiểm chứng chéo giữa các tuyến phòng thủ vào thiết kế — chẳng hạn chấm độ khớp căn cứ-phản hồi bằng một mô hình riêng — mới bảo đảm được độ tin cậy thực chất.

5. Chuyên sâu — Thiết kế lại động cơ đánh giá và liên kết với quản trị AI

Thảo luận mới nhất về bài toán ảo giác đang dịch chuyển trọng tâm từ thuật toán sang thiết kế đánh giá và thể chế. Nghiên cứu năm 2025 của OpenAI chỉ ra rằng "cái khiến mô hình đoán mò chính là cách chấm điểm của benchmark," và đề xuất chuyển sang hệ chấm điểm không phạt việc bày tỏ sự không chắc chắn mà gán điểm trừ cho câu trả lời sai và trung lập cho việc dè dặt. Thực tế, các mô hình suy luận dòng GPT-5 được giới thiệu như một trường hợp tái cân bằng giữa dè dặt và độ chính xác, được thiết kế để hạ tỷ lệ trả lời sai đổi lại việc nâng tỷ lệ dè dặt "tôi không biết."

Góc nhìn này nối trực tiếp với các chủ đề độ tin cậy AI (Trustworthiness), đạo đức AI và quản trị thường được bàn trong kỳ thi kỹ sư chuyên nghiệp. EU AI Act áp các yêu cầu về độ chính xác, độ bền vững và tính minh bạch lên AI rủi ro cao, và trong nước (Hàn Quốc) cũng vậy, Luật Cơ bản về AI và hướng dẫn AI đáng tin cậy đang theo xu hướng nêu rõ rủi ro thông tin sai lệch do ảo giác là đối tượng quản lý. Do đó, tổ chức nên đưa ảo giác vào như một hạng mục quản lý rủi ro xuyên suốt vòng đời mô hình, chứ không phải một lỗi kỹ thuật đơn thuần, và nhúng giám sát ảo giác, đội đỏ (red-team) và quy trình ứng phó sự cố vào pipeline MLOps/LLMOps. Về hướng ra đề khả dĩ, một câu hỏi đòi hỏi viết tích hợp giữa công nghệ và quản lý, chẳng hạn "hãy trình bày kiến trúc (RAG) và hệ thống quản trị để giảm thiểu rủi ro ảo giác của một dịch vụ LLM," là có khả năng cao.

Các xu hướng công nghệ mới nhất cũng đang tiến hóa nhắm tới giảm thiểu ảo giác. Mô hình chuyên suy luận (reasoning model) nâng tính sự thật bằng cách đi qua một quá trình tư duy nội bộ dài hơn trước khi đưa ra câu trả lời, và giảm "đoán mò dựa vào trí nhớ" bằng cách ủy thác tính toán, tìm kiếm và truy vấn CSDL ra bên ngoài thông qua dùng công cụ (tool use) và gọi hàm. Ngoài ra, cấu trúc kiểm chứng đa tác tử trong đó nhiều tác tử phân chia vai trò sinh, phê phán và kiểm chứng đang lan rộng ở các ứng dụng rủi ro cao. Những thứ này cùng chung nguyên lý "đừng để mô hình một mình trả lời từ trí nhớ, mà hãy ràng buộc nó vào căn cứ bên ngoài, công cụ và kiểm chứng của đồng nghiệp," và hướng đi này được dự báo sẽ trở thành dòng chính của công nghệ giảm thiểu ảo giác trong thời gian tới.

6. Các vấn đề cần cân nhắc và hàm ý

Thứ nhất, thiết kế phân cấp dựa trên rủi ro. Áp mức kiểm chứng cao nhất cho mọi phản hồi khiến chi phí và độ trễ bùng nổ. Hợp lý là phân cấp cường độ áp dụng RAG, CoVe và rà soát của con người theo mức rủi ro của truy vấn (y tế/pháp lý vs động não), thiết kế vùng rủi ro thấp bằng lan can nhẹ và vùng rủi ro cao bằng kiểm chứng đa tầng cùng ghi nguồn bắt buộc.

Thứ hai, đánh đổi giữa giảm thiểu và tính hữu ích. Nếu quá mức dẫn dắt "tôi không biết" để giảm ảo giác thì việc từ chối tăng và lợi ích người dùng tụt mạnh (dè dặt quá mức). Ngược lại, chỉ chạy theo tính hữu ích thì ảo giác tăng. Kỹ sư chuyên nghiệp phải đặt điểm cân bằng giữa độ bao phủ (trả lời bao nhiêu) và độ chính xác (đúng bao nhiêu) khớp với mục tiêu dịch vụ, và xử lý ranh giới đó một cách khả vận hành bằng hiệu chỉnh bất định.

Thứ ba, thể chế hóa khả năng kiểm chứng và trách nhiệm giải trình. Phải phơi bày ghi nguồn, liên kết căn cứ và điểm độ tin cậy trên UI để giúp người dùng tự kiểm chứng, và thiết lập hệ thống giải thích, miễn trừ và truy vết kiểm toán làm rõ rằng trách nhiệm phán quyết cuối cùng thuộc về con người. Đây vừa là tuân thủ quy định vừa là cốt lõi của việc xây dựng niềm tin.

Thứ tư, vận hành liên tục và các công nghệ liên kết. Vì tri thức thay đổi không ngừng, phải thiết lập làm thường quy LLMOps việc làm mới cơ sở tri thức RAG, phân tích nhật ký sự cố ảo giác, và đội đỏ cùng đo lại benchmark định kỳ. Ngoài ra, vì giảm thiểu ảo giác được tối đa hóa khi kết hợp với các công nghệ lân cận như RAG, đồ thị tri thức, kiểm chứng đa tác tử và lan can, nên việc thiết kế các tầng phòng thủ cùng nhau ngay từ giai đoạn sớm nhất của toàn bộ kiến trúc AI là điều nên làm.

Cùng với đó, xử lý ảo giác phải bao gồm cả yếu tố con người (human factor) là giáo dục người dùng và thiết kế giao diện. Vì ảo giác còn lại vẫn tồn tại dù giảm thiểu đến đâu, cần một thiết kế nêu rõ mức độ tin cậy và căn cứ trên UI để người dùng giữ nhận thức rằng "đầu ra AI là một bản thảo cần kiểm chứng," và dẫn dắt việc kiểm tra trực tiếp văn bản gốc của nguồn cho các quyết định quan trọng. An toàn thực chất chỉ được bảo đảm khi giảm thiểu kỹ thuật và năng lực đọc hiểu của người dùng kết hợp với nhau.

Thứ năm, chuyển đổi văn hóa đánh giá. Ngay cả trong đánh giá mô hình nội bộ của tổ chức, nếu chỉ chạy theo "hạng nhất về độ chính xác" thì ảo giác tái phát ngoài thực địa. Việc đưa vào một tiêu chuẩn chấm điểm thừa nhận chính đáng việc dè dặt và bày tỏ sự không chắc chắn, cùng một hệ thống đo lường thường trực dựa trên dữ liệu sử dụng thực, để thiết kế đúng chính cái động cơ mà đánh giá tạo ra, là đơn thuốc căn bản.

Tài liệu tham khảo

Tóm tắt một câu: Ảo giác của LLM là "sự giả dối trôi chảy" phát sinh khi cấu trúc sinh ngôn ngữ xác suất kết hợp với động cơ đánh giá thiên về độ chính xác; thay vì loại bỏ hoàn toàn, chuẩn mực của kỹ sư chuyên nghiệp là kiểm soát nó tới mức chấp nhận được thông qua phòng thủ đa tầng — RAG (trước khi sinh), giải mã ràng buộc và hiệu chỉnh bất định (trong khi sinh), chuỗi kiểm chứng và chấm điểm tính sự thật (sau khi sinh) — cùng với quản trị dựa trên rủi ro.