Bài báo: Optimizing ECG Heartbeat Classification with Improved Genetic Algorithm and Stacking EnsemblesLink bài báo: https://doi.org/10.1007/s00034-026-03652-wNhóm tác giả:- Nông Đức Thắng – MSSV 21522593 – Khóa 2021 – Khoa học dữ liệu – Tác giả chính- Nguyễn Phúc Hào – MSSV 21522047 – Khóa 2021 – Khoa học dữ liệu – Tác giả chính- Nguyễn Trọng Tâm – MSSV 21521405 – Khóa 2021 – Mạng máy tính và Truyền thông dữ liệu – Tác giả chínhGiảng viên hướng dẫn: TS. Nguyễn Tất Bảo ThiệnTóm tắt:The analysis of electrocardiogram (ECG) data presents substantial challenges as a result of the complexity of the data and the presence of noise, despite its widespread use in the diagnosis of heart conditions. In this investigation, we suggest a novel methodology that integrates a Stacking ensemble learning framework with an enhanced Genetic Algorithm (GA) for hyperparameter optimization to improve the automatic classification of ECG signals.Although traditional GAs are effective, they frequently fail to achieve global optimum solutions due to limited population diversity, particularly when relying heavily on mutation. To overcome this constraint, we implement improvements to the GA’s selection, crossover, mutation, and termination processes, guaranteeing optimal outcomes and efficient resource utilization.Experimental evaluations indicate that the proposed Stacking ensemble method, which employs Logistic Regression as the meta-model, achieves an F1 score of 93.60% and an accuracy of 98.85%.These results emphasize the potential of combining enhanced GAs with Stacking ensemble learning to achieve robust and accurate ECG signal classification, thereby providing a promising solution for automated cardiac diagnostics.Bài báo được công bố tại tạp chí quốc tế:Tạp chí Circuits, Systems, and Signal Processing (CSSP) là một ấn phẩm uy tín thuộc danh mục ISI, đóng vai trò quan trọng trong việc phổ biến các nghiên cứu tiên tiến về lý thuyết mạch điện và xử lý tín hiệu.Với chỉ số ảnh hưởng (Impact Factor) là 2.5, tạp chí thu hút sự quan tâm lớn từ cộng đồng học thuật toàn cầu nhờ phạm vi bao phủ rộng, từ các nền tảng toán học chuyên sâu đến những ứng dụng thực tiễn trong thiết kế kỹ thuật, bao gồm VLSI, hệ thống đa phương tiện và mạng lưới thông minh.Việc duy trì chất lượng xuất bản nghiêm ngặt với 12 số mỗi năm giúp CSSP trở thành nền tảng tin cậy cho các nhà khoa học công bố các công trình nghiên cứu gốc, bài tổng quan và tài liệu hướng dẫn chất lượng cao trong lĩnh vực truyền thông và hệ thống điều khiển.Thông tin chi tiết tại: https://www.facebook.com/share/p/1Aq83ekJWE/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Khoa Hệ thống Thông tin xin chúc mừng học viên cao học Nguyễn Duy Khánh cùng các giảng viên hướng dẫn với bài báo khoa học được chấp nhận tại The 4th International Conference on From Smart Cities to Smart Factories for a Sustainable Future (SCFF26).SCFF26 là hội nghị khoa học quốc tế lần thứ 4 với chủ đề "From Smart Cities to Smart Factories for a Sustainable Future", tập trung vào các hướng nghiên cứu về trí tuệ nhân tạo (AI), học máy (Machine Learning), dữ liệu lớn (Big Data), chuyển đổi số, sản xuất thông minh và phát triển bền vững. Hội nghị được đồng tổ chức bởi VSB – Technical University of Ostrava (Cộng hòa Séc) và Trường Đại học Tài chính – Marketing (UFM), diễn ra tại TP. Hồ Chí Minh trong hai ngày 13–14/05/2026.Đặc biệt, các bài báo được chấp nhận sẽ được xuất bản trong bộ sách Lecture Notes in Networks and Systems (Springer) thuộc danh mục Scopus, đồng thời một số bài báo chất lượng cao sẽ được đề cử công bố trên MM Science Journal (Scopus & Web of Science).Thông tin chi tiết về hội nghị: https://fds.ufm.edu.vn/scff26-73.htmlTên bài báo: "Credit Card Fraud Detection Based on an Autoencoder-GAN Model Using a Dataset of Vietnamese Banks"Học viên thực hiện: Nguyễn Duy Khánh – Học viên Cao học ngành Hệ thống Thông tin, Khóa 2024 (Đồng tác giả)Giảng viên hướng dẫn: - TS. Tôn Thất Hòa An- TS. Cao Thị NhạnNội dung nghiên cứu: Credit card fraud detection in banks faces many challenges due to severely imbalanced transaction data and a lack of reliable fraud labels. In this context, model evaluation needs to be based on empirical evidence reflecting behavioral structure and data distribution, rather than relying solely on traditional classification indices. This study proposes an unsupervised deep learning model integrating an Autoencoder and Generative Adversarial Network (AE-GAN) to learn and simulate abnormal transaction behavior. The Autoencoder is trained on normal transaction data to learn the underlying behavioral structure, where reproduction error and latent space are used to identify abnormal transactions. This model is experimentally tested on a dataset of Vietnamese banks to contribute a benchmark study in addressing this problem.Khoa Hệ thống Thông tin chúc mừng học viên Nguyễn Duy Khánh cùng các giảng viên hướng dẫn. Thành tích này là minh chứng cho tinh thần nghiên cứu nghiêm túc, sáng tạo của học viên cao học, đồng thời góp phần khẳng định chất lượng đào tạo, nghiên cứu khoa học của Khoa Hệ thống Thông tin và thúc đẩy các nghiên cứu ứng dụng phục vụ chuyển đổi số trong lĩnh vực tài chính – ngân hàng. 

Bài báo: Diffusion Policy Optimization for Autonomous UAV Navigation in GNSS-Denied Cluttered EnvironmentsNhóm tác giả:- Trần Hoài Phú – MMTT2022 – Tác giả chínhGiảng viên hướng dẫn:- ThS. Đặng Lê Bảo Chương- TS. Huỳnh Văn Đặng- PGS. TS. Lê Trung QuânTóm tắt:This paper presents AeroGen, a framework for autonomous UAV navigation in GNSS-denied and cluttered environments. The proposed method uses Diffusion Policy Policy Optimization (DPPO) to generate multi-modal action trajectories, conditioned on fused visual, depth, proprioceptive, and natural-language goal features. An adversarial Generative Curriculum Learning module is also used to synthesize challenging training environments. Experiments in dense forest navigation show that AeroGen achieves an 84.6% success rate and outperforms the strongest baseline by about 38 percentage points, demonstrating robust and consistent performance across multiple random seeds.Em xin gửi lời cảm ơn chân thành đến ThS. Đặng Lê Bảo Chương, TS. Huỳnh Văn Đặng và PGS. TS. Lê Trung Quân. Nhờ sự hướng dẫn tận tình và những định hướng chuyên môn của các thầy, em đã vượt qua nhiều khó khăn trong quá trình nghiên cứu để hoàn thiện bài báo này.Bài báo được công bố tại hội nghị quốc tế: IAAA 2026 (The 2nd International Conference on Intelligent Aerial Access and Applications) là hội nghị khoa học quốc tế về UAV/drone, trí tuệ nhân tạo, hệ thống nhúng và mạng truyền thông trên không.Các bài báo được chấp nhận và trình bày tại hội nghị sẽ được xuất bản bởi Springer LNNS, indexed by SCOPUS.Thông tin chi tiết tại: https://www.facebook.com/share/p/1EiExpQdXk/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Bài báo: DoraReviewer: Vietnamese Virtual Reviewer With GraphRAG And LLMLink bài báo: https://ieeexplore.ieee.org/document/11365128Nhóm tác giả:- Ngô Hoàng Lan Anh – TMĐT2022 – Đồng tác giả- Nguyễn Hoàng Tú Trinh – TMĐT2022 – Đồng tác giảGiảng viên hướng dẫn:- ThS. Trình Trọng Tín- ThS. Lý Đoàn Duy KhánhTóm tắt:Các bài đánh giá sản phẩm trực tuyến đóng vai trò quan trọng trong quyết định mua sắm của người tiêu dùng, việc sử dụng các mô hình ngôn ngữ lớn (LLM) để tham khảo cũng càng trở nên phổ biến. Tuy nhiên, các LLM hiện nay thường gặp phải tình trạng thiếu căn cứ dữ liệu, dẫn đến nội dung đánh giá bị sai lệch (đặc biệt với các ngôn ngữ ít tài nguyên như tiếng Việt), gây khó khăn cho người dùng khi muốn tiếp cận thông tin chính xác, đáng tin cậy.Để giải quyết vấn đề trên, nghiên cứu đề xuất xây dựng hệ thống review ảo (virtual reviewer) dành cho tiếng Việt, lấy tên là DoraReviewer; kết hợp Graph-based Retrieval-Augmented Generation với LLM để tạo ra các bài đánh giá chính xác hơn. Hệ thống khai thác đồ thị tri thức được xây dựng từ dữ liệu đa nguồn, gồm thông số kỹ thuật của điện thoại và nội dung video đánh giá từ các kênh uy tín (chuyển sang văn bản bằng Speech-to-Text).Các bài đánh giá sẽ được tạo bởi ba mô hình - GPT-4 Turbo, Gemini 1.5 Flash và deepseek-reasoner - và được đo bằng chỉ số ROUGE để đánh giá chất lượng. DoraReviewer thúc đẩy việc tạo các bài đánh giá tự động đúng thông tin, hỗ trợ các ngôn ngữ ít tài nguyên, đồng thời chứng minh việc tích hợp thông tin có cấu trúc có thể giảm thiểu tình trạng “ảo giác” trong LLM. Qua đó, góp phần xây dựng các hệ sinh thái thương mại điện tử đáng tin cậy hơn tại Việt Nam.This research was supported by The VNUHCM-University of Information Technology's Scientific Research Support Fund.Bài báo được công bố tại hội nghị quốc tế:Hội nghị khoa học quốc tế RIVF (Research, Innovation and Vision for the Future) là hội nghị uy tín được bảo trợ bởi IEEE, được tổ chức thường niên tại Việt Nam từ năm 2003. RIVF đã trở thành diễn đàn học thuật thu hút đông đảo cộng đồng nghiên cứu tại Việt Nam và quốc tế. Kỷ yếu hội nghị được lập chỉ mục trên các cơ sở dữ liệu lớn như DBLP và IEEE Xplore.Thông tin chi tiết được: https://www.facebook.com/share/p/1DwgbowUBG/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Bài báo: Sampling-Based Imbalance Handling for Ensemble Models in Electricity Payment Fraud DetectionLink bài báo: https://ieeexplore.ieee.org/document/11365192Nhóm tác giả:- Nguyễn Đình Phát – HTTT2023 – Tác giả chính- Nguyễn Văn Hiển – CNTT2021 – Đồng tác giảGiảng viên hướng dẫn:- ThS. Đỗ Thị Minh Phụng- ThS. Cáp Phạm Đình ThăngTóm tắt:Electricity fraud detection remains a critical challenge for utility providers, especially in developing countries where data is large-scale and highly imbalanced. This paper introduces an adaptive resampling framework called the Hybrid Sampling Ratio Selection Algorithm (HSRSA), designed to enhance fraud detection performance in smart grid systems. The method systematically explores combinations of random undersampling and SMOTE-based oversampling ratios to optimize classifier sensitivity under low false positive rate (FPR) constraints. We evaluate the effectiveness of HSRSA across four ensemble-based models – CatBoost, LightGBM, XGBoost, and Decision Tree – using a real-world dataset from Vietnam Electricity comprising over 22 million smart meter records. Experimental results demonstrate that the proposed approach significantly improves partial AUC (pAUC) scores compared to baseline resampling, particularly in the critical FPR ≤ 0.2 region. The CatBoost model, when combined with the optimal sampling ratio identified by HSRSA, achieves a pAUC of 0.1992, outperforming its baseline counterpart. This study highlights the importance of ratio tuning in hybrid resampling and contributes a scalable, model-agnostic solution for electricity theft detection in imbalanced and large-scale settings.Bài báo được công bố tại hội nghị quốc tế:The Research, Innovation and Vision for the Future (RIVF) conference, started in 2003, has become a major scientific forum for researchers, professionals, and students in the field of Computing and Communication Technologies in Vietnam and worldwide.Hội nghị được bảo trợ kỹ thuật bởi IEEE, và các bài báo được xuất bản trong IEEE Xplore.Thông tin chi tiết tại: https://www.facebook.com/share/p/1BXor2DChb/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Bài báo: IT Affordances and Customer Engagement in Live-Stream CommerceLink bài báo: https://ieeexplore.ieee.org/document/11360894Nhóm tác giả:- Nguyễn Thị Mỹ Dung – TMDT2022.1 – Tác giả chính- Hoàng Thị Quỳnh Như – TMDT2022.2 – Đồng tác giảGiảng viên hướng dẫn: ThS. Lý Đoàn Duy KhánhTóm tắt:In light of the fast-growing e-commerce sector, livestream commerce has emerged as a popular shopping trend in which sellers and consumers interact directly through livestreaming platforms. This study investigates how IT affordances affect customer engagement, with flow experience and perceived enjoyment as mediating factors. A total of 280 valid responses from consumers in Ho Chi Minh City were used to analyze and examine the relationship between IT affordances and customer engagement in livestream commerce on e-commerce platforms. Using PLS-SEM based on the Stimulus-Organism-Response model, the results demonstrate that IT affordances positively influence customer engagement in livestream commerce. Moreover, it offers managerial implications for businesses to optimize technological features and user experience, thereby enhancing customer engagement and fostering long-term customer relationships.Bài báo được công bố tại hội nghị quốc tế:The 20th International Conference on Ubiquitous Information Management and Communication (IMCOM 2026) là hội nghị quốc tế thường niên uy tín trong lĩnh vực quản lý thông tin và truyền thông toàn thể (ubiquitous information and communication). Đây là diễn đàn học thuật chất lượng cao, nơi các nhà nghiên cứu, giảng viên và học viên chia sẻ ý tưởng, mở rộng hợp tác nghiên cứu và thúc đẩy trao đổi học thuật trong khu vực châu Á - Thái Bình Dương.Các bài báo được chấp nhận tại hội nghị sẽ được chỉ mục bởi Scopus và EI, đồng thời nộp xem xét đưa vào IEEE Xplore (nếu đạt yêu cầu về phạm vi và chất lượng). Những công trình tiêu biểu còn có cơ hội được mở rộng và xuất bản trên các tạp chí uy tín quốc tế như IEEE Access, WCMC, Oxford The Computer Journal, IEEE Transactions on Emerging Topics in Computing, IET Intelligent Transport Systems, cùng nhiều tạp chí SCI/SCIE khác.Thông tin chi tiết tại: https://www.facebook.com/share/p/1EVgABHaXy/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Dear Colleagues,We are delighted to invite you to the third and final seminar of the UK–Vietnam TNE Webinar Series on Emerging Technologies, jointly organised by the University of Information Technology, VNUHCM (VNUHCM-UIT) and Middlesex University, United Kingdom, under the British Council Going Global Partnerships 2025 programme.Talk Title:  How Digital Twin based architectures and AI can make 6G a reality? Potentialities, Applications and ChallengesSpeaker:  Dr. Antonino Masaracchia (Senior Member, IEEE), Lecturer in Computer Science, Queen MaryDate & Time: Monday, 20 July 2026 | 3:00 PM – 4:30 PM (Vietnam, ICT) | 9:00 AM – 10:30 AM (UK, BST)Platform:  MS Teams link – to be sent upon registrationRegistration:  FREE – https://link.uit.edu.vn/vSRg2About the Talk:The deployment of next-generation 6G wireless networks is expected to push beyond the boundaries of current 5G systems by enabling innovative services such as industrial automation, intelligent transportation, telemedicine, the Tactile Internet, Virtual and Augmented Reality (VR/AR), and the Metaverse. These technologies have the potential to significantly enhance many aspects of everyday life. However, realizing this vision will require meeting extremely demanding network requirements, including sub-millisecond communication latency, ultra-reliable transmissions, and data rates exceeding 100 Gb/s. In addition, exceptionally high levels of spectrum and energy efficiency, together with ubiquitous connectivity, will be essential to support the massive deployment of Internet of Things (IoT) devices. In this context, Artificial Intelligence (AI) and the Digital Twin (DT) paradigm have emerged as transformative technologies capable of addressing the stringent requirements of future 6G services. During this talk, we will discuss the potential of AI and DT, highlighting how their synergy can significantly contribute to the realization of next-generation 6G networks.About the Speaker:Dr. Antonino Masaracchia (Senior Member, IEEE) is a Lecturer in Computer Science at Queen Mary University of London. He received the Ph.D. degree in electronics and telecommunications engineering from the University of Palermo, Italy, in 2016. His Ph.D. studies were conducted in joint supervision with the Institute of Informatics and Telematics (IIT), National Research Council (CNR), Pisa, Italy. The findings from his Ph.D. research made significant contributions to the IIT’s involvement in the FP7 MOTO European Project. From September 2018 to August 2024, he conducted research activities as Research Fellow at the Centre for Wireless Innovation, Queens University Belfast, the UK’s largest research, development and exploitation base in physical layer wireless, and one of the strongest in Europe.We warmly welcome students, researchers, lecturers, and industry professionals to attend and participate in the Q&A session.Register here: https://link.uit.edu.vn/vSRg2    | Questions: thuatnk@uit.edu.vnWarm regards,Dr. Tuan Anh Le – Faculty of Science and Technology, Middlesex University LondonDr. Dang Van Huynh – Faculty of Computer Networks and Communications, VNUHCM-UITAssoc. Prof. Quan Le-Trung – Faculty of Computer Networks and Communications, VNUHCM-UITThông tin chi tiết tại: https://nc.uit.edu.vn/nckh/uk-vn-tne-6g-webinar-uit-how-digital-twin-based-architectures-and-ai-can-make-6g-a-reality-potentialities-applications-and-challenges.html Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Từ Việt Nam đến Hàn Quốc, hành trình chinh phục đấu trường an toàn thông tin quốc tế của sinh viên Trường Đại học Công nghệ Thông tin đã chính thức bước vào vòng chung kết. Hôm nay, đội tuyển UIT-TuyCoNhungK của Trường Đại học Công nghệ Thông tin, ĐHQG-HCM đã có mặt tại Thành phố Sejong để tham dự vòng chung kết cuộc thi 2026 HackTheon Sejong International Collegiate Cybersecurity Competition.Trước đó, đội tuyển đã xuất sắc vượt qua 548 đội thi đến từ 245 trường đại học thuộc 47 quốc gia để ghi tên mình vào vòng chung kết – thành tích khẳng định năng lực và bản lĩnh của sinh viên Trường Đại học Công nghệ Thông tin trên sân chơi an toàn thông tin quốc tế.Đội tuyển gồm các sinh viên ngành An toàn thông tin, Khoa Mạng máy tính và Truyền thông: Trần Đình Phước, Ngô Phúc Dương, Ngô Trần Anh Ninh, Phan Nguyễn Huy Duy.Vòng chung kết diễn ra vào ngày 09/07/2026 (10g00 – 16g00, giờ Hàn Quốc) với hình thức thi đấu trực tiếp.Thông tin chi tiết tại: https://www.facebook.com/share/p/1D2J7DRA1k/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Bạn đã bao giờ hình dung mình có thể điều khiển thiết bị chỉ bằng những chuyển động rất nhỏ của bàn tay?Tín hiệu điện cơ (EMG) được ghi nhận tại cổ tay có thể cung cấp thông tin về ý định vận động của con người. Khi kết hợp với học máy, những tín hiệu này mở ra tiềm năng phát triển các phương thức tương tác người-máy tự nhiên, nhanh chóng và thuận tiện hơn, đặc biệt trong việc điều khiển các thiết bị thực tế tăng cường và nhập văn bản.Tuy nhiên, để hệ thống có thể hoạt động hiệu quả trên nhiều người dùng và trong nhiều phiên sử dụng khác nhau, các mô hình học máy cần giải quyết nhiều thách thức về giải mã tín hiệu, khả năng tổng quát hóa và mở rộng băng thông tương tác.Nhằm mang đến cho nhà nghiên cứu, học viên và sinh viên góc nhìn thực tế về những tiến bộ mới trong lĩnh vực học máy, xử lý tín hiệu sinh học và tương tác người-máy, Trường Đại học Công nghệ Thông tin tổ chức buổi seminar: “Học máy giải mã tín hiệu EMG cho tương tác người–máy băng thông cao trên nhiều người dùng”Buổi seminar có sự góp mặt của diễn giả TS. Phan Quốc Huy - Nhà nghiên cứu Khoa học tại Meta Reality Labs, Paris, Pháp. TS. Huy Phan từng đảm nhiệm các vị trí nghiên cứu và giảng dạy tại Amazon Alexa/AGI, Đại học Queen Mary London, Viện Alan Turing và Đại học Oxford. Đồng thời, anh hiện cộng tác với Trung tâm Nghiên cứu Trí tuệ Nhân tạo Đức (DFKI) và Trường Đại học Công nghệ Thông tin, ĐHQG-HCM.Tại chương trình, sinh viên sẽ được tìm hiểu nền tảng khoa học thần kinh và nguyên lý hình thành tín hiệu EMG tại cổ tay, cách học máy giải mã tín hiệu EMG để nhận biết ý định vận động của người dùng, các phương pháp học có giám sát phục vụ điều khiển thiết bị và nhập văn bản, những kỹ thuật giúp mô hình hoạt động hiệu quả trên nhiều người dùng và phiên sử dụng, tiềm năng của học không giám sát trong việc nâng cao khả năng truyền tải thông tin của hệ thống tương tác người–máy.- Thời gian: 9:00, Thứ Sáu, ngày 17/07/2026- Địa điểm: Hội trường E, Trường Đại học Công nghệ Thông tin, ĐHQG-HCM- Đăng ký tại: https://link.uit.edu.vn/uit-emg-seminarĐây là cơ hội để sinh viên tiếp cận một hướng nghiên cứu liên ngành giàu tiềm năng, kết nối giữa trí tuệ nhân tạo, xử lý tín hiệu sinh học, khoa học thần kinh và công nghệ tương tác người-máy.Thông tin chi tiết tại: https://www.facebook.com/share/p/1RD52hmURU/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Một lần nữa, sinh viên Trường Đại học Công nghệ Thông tin, ĐHQG-HCM (UIT) tiếp tục khẳng định năng lực, bản lĩnh và tinh thần đổi mới sáng tạo trên đấu trường quốc tế khi xuất sắc giành Giải Nhì tại Asian Hackathon for Green Future 2026.Asian Hackathon for Green Future 2026 quy tụ gần 450 hồ sơ đăng ký với gần 1.500 tài năng trẻ đến từ 22 quốc gia và vùng lãnh thổ trên khắp châu Á. Trong ba ngày tranh tài, các đội thi đã cùng phát triển những giải pháp sáng tạo nhằm giải quyết các thách thức về phát triển bền vững thông qua khoa học, công nghệ và tư duy liên ngành.Đội VFluxion của UIT đã xuất sắc giành Giải Nhì với các thành viên: Nguyễn Thế Anh, Vũ Thế Vinh, Trần Hùng Vĩ, Đỗ Thị Như Ý.Thành tích này không chỉ là sự ghi nhận cho những nỗ lực, kiến thức và tinh thần làm việc nhóm của các bạn sinh viên mà còn tiếp tục khẳng định chất lượng đào tạo, nghiên cứu và môi trường đổi mới sáng tạo tại UIT.Nhà trường trân trọng chúc mừng các bạn sinh viên của đội VFluxion. Chúc các bạn sẽ tiếp tục nuôi dưỡng đam mê nghiên cứu, phát huy tinh thần sáng tạo và gặt hái thêm nhiều thành công trên hành trình chinh phục các sân chơi học thuật và công nghệ trong nước cũng như quốc tế.Một lần nữa, xin chúc mừng đội VFluxion đã mang về niềm tự hào cho UIT và Việt Nam!Thông tin chi tiết tại: https://www.facebook.com/share/p/1D3wMdgitC/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Bài báo: Unlocking Arbitrary-Length Querying for Video Retrieval via Advanced Vision-Language Models and Hybrid Temporal SearchNhóm tác giả:- Nguyễn Văn Minh – KHTN2023 – Tác giả chính- Phan Nhật Tân – KHTN2023 – Tác giả chính- Nguyễn Văn Hồng Thái – KHTN2023 – Tác giả chính- Hoàng Đức Dũng – KHTN2023 – Tác giả chính- Nguyễn Đình Thiên Quang – KHTN2023 – Tác giả chínhTóm tắt:Video retrieval, a critical task in multimedia retrieval, faces challenges in aligning complex textual queries with video content, especially for long or multimodal queries. This paper introduces a novel multimodal retrieval system, developed by team Goldenball for the Ho Chi Minh City AI Challenge 2025, emphasizing efficient video retrieval.Our approach utilizes LongCLIP as the primary Vision-Language Model (VLM) to address token limitations of previous models, enabling robust processing of extended queries. We integrate OCR, ASR, and object detection, fused via a weighted sum strategy to enhance retrieval accuracy.Additionally, we propose a temporal search algorithm to precisely identify frames corresponding to specific actions described in the query, improving temporal alignment.Experimental results from the challenge demonstrate our system's effectiveness: our team achieved a score of 73 in the preliminary round and received final round evaluations of Good for VKIS and TRAKE tasks and Satisfactory for TKIS and QA tasks, validating our approach in real-world video search scenarios.Bài báo được công bố tại hội nghị quốc tế:SOICT 2025 (The 14th International Symposium on Information and Communication Technology) là hội nghị khoa học quốc tế uy tín, bao phủ các lĩnh vực trọng điểm như AI Foundations và Big Data, Networking and Communication Technologies, Multimedia Processing, AI Applications, Generative AI, Applied Operations Research and Optimization, và Cyber Security.Hội nghị lần thứ 14 được tổ chức tại TP. Nha Trang từ ngày 12–14/12/2025, tiếp nối thành công của SOICT 2024 với sự tham gia của các nhà nghiên cứu đến từ hơn 25 quốc gia. SOICT là diễn đàn học thuật quan trọng cho các nhà nghiên cứu và học viên sau đại học chia sẻ kết quả nghiên cứu mới và định hình các thách thức tương lai trong lĩnh vực Khoa học Máy tính.Thông tin chi tiết tại: https://www.facebook.com/share/p/1EssLzBK48/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Bài báo: A Multi-Agent Framework for Factuality Hallucination Detection using Complex Knowledge GraphNhóm tác giả:- Bùi Thị Thanh Tuyền – KHDL2024 – Đồng tác giảGiảng viên hướng dẫn: PGS.TS. Quản Thành ThơTóm tắt:Large Language Models (LLMs) in Retrieval-Augmented Generation (RAG) systems frequently produce hallucinated responses that contradict or lack support from source documents. Existing hallucination detection methods rely on internal model states, token probabilities, or computationally expensive multi-sampling approaches, limiting their applicability to commercial black-box LLMs.This paper introduces a novel multi-agent framework for detecting LLM factuality hallucinations through structured reasoning over a Complex Knowledge Graph (CKG). Our approach integrates vanilla knowledge graphs with event-centric representations to capture entities, events, temporal relations, and causal dependencies from context documents.The framework employs three specialized agents: a Planner that generates verification strategies, a Reasoner that performs step-by-step logical inference, and an Executor that retrieves relevant graph information through entity-centric, event-centric, and multi-hop traversal operations.We evaluate our method on the XSum annotated dataset and a newly constructed bilingual dataset (English and Vietnamese), called Compositional Reasoning Question-Answering (CoReQA) dataset, which consists of over 1,000 samples, spanning five domains (Physics, Novels, News, History, and Politics) with four reasoning complexity levels.Experimental results on the CoReQA dataset demonstrate that our framework achieves 90.93% accuracy and 89.27% F1-score, substantially outperforming baseline methods, including retrieval-based and knowledge-graph-based approaches. Ablation studies confirm the critical contributions of both the planning mechanism and the hybrid graph structure for handling complex reasoning tasks involving entity disambiguation and temporal event ordering.Bài báo được công bố tại hội nghị quốc tế:The 17th FLINS Conference & the 21st ISKE Conference: Machine Learning and Knowledge Engineering for Decision Making (FLINS-ISKE 2026) là hội nghị khoa học quốc tế về học máy, trí tuệ tính toán, hệ thống thông minh, kỹ nghệ tri thức và các ứng dụng trong hỗ trợ ra quyết định.FLINS là diễn đàn nghiên cứu quốc tế được hình thành từ năm 1994, hướng đến thúc đẩy các nghiên cứu nền tảng và ứng dụng về trí tuệ tính toán trong các hệ thống kỹ thuật phức tạp và hệ thống hỗ trợ ra quyết định. Trong khi đó, ISKE là diễn đàn dành cho các nhà nghiên cứu, giảng viên và chuyên gia công nghiệp trao đổi các kết quả khoa học và công nghệ mới trong lĩnh vực hệ thống thông minh và kỹ nghệ tri thức.FLINS-ISKE 2026 được tổ chức tại Sydney, Australia và thuộc chuỗi hội nghị quốc tế được xếp hạng CORE Rank C.Thông tin chi tiết tại: https://www.facebook.com/share/p/18R7PDjRKs/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin