10/5/2026
Việt Nam và câu chuyện bản quyền
Hồ Quốc Tuấn
06/5/2026
Các anh em vi phạm bản quyền, xài lậu ... sắp tới sẽ bị chính phủ quét tới bến vì cái list này đây.
"Ngày 30/04/2026, Cơ quan Đại diện Thương mại Hoa Kỳ (USTR) đã công bố Báo cáo Đặc biệt 301 năm 2026 (2026 Special 301 Report) về bảo hộ và thực thi quyền sở hữu trí tuệ (IP) tại các nước đối tác thương mại của Hoa Kỳ. Trong báo cáo này, Việt Nam được xác định là “Quốc gia nước ngoài ưu tiên” (Priority Foreign Country - PFC), tức mức xếp loại cảnh báo cao nhất theo cơ chế Đặc biệt 301. Đây cũng là lần đầu tiên sau 13 năm, Hoa Kỳ áp đặt mức cảnh báo cao nhất này với một đối tác, trước đó là Ukraine trong báo cáo năm 2013.
Theo nội dung báo cáo, việc xác định Việt Nam ở mức PFC được USTR đặt trên cơ sở 5 nhóm vấn đề chính:
* thực thi chưa hiệu quả đối với vi phạm bản quyền trên môi trường số;
* thực thi chưa đầy đủ đối với hàng giả, hàng xâm phạm nhãn hiệu;
* cơ chế thực thi tại biên giới còn hạn chế;
* chưa có hoạt động thực thi đáng kể đối với việc sử dụng phần mềm không có bản quyền trong doanh nghiệp;
* chưa có quy định hình sự đầy đủ đối với hành vi chiếm dụng trái phép tín hiệu truyền hình cáp và tín hiệu vệ tinh mang chương trình được mã hóa."
Ông cơ quan thương mại USTR của Mỹ, dẫn đầu chính là Jamieson Greer đi đàm phán thương mại năm ngoái với VN, đã ưu ái đặt VN riêng một cột có ưu tiên cao nhất về vi phạm bản quyền sở hữu trí tuệ.
Sắp tới sẽ còn nhiều báo cáo như vầy nữa vì họ đã tung rất nhiều đoàn điều tra. Và khả năng Việt Nam sẽ dính một vài case nữa trong các lĩnh vực khác là khá cao.
Đơn giản là vì chúng ta đang xuất siêu quá nhiều sang US nên họ sẽ cho người các đoàn điều tra đó "chăm sóc đặc biệt". Mà "chăm sóc đặc biệt" thì dễ tìm ra bằng chứng để đẩy lên top priority của các vấn đề được điều tra.
Chuyện dễ tiếp theo là mức mất giá của VND mà Mỹ sẽ sử dụng lại để gọi là currency manipulation (hồi tháng 1 họ đã có một báo cáo về currency manipulation rồi, trong báo cáo đó là tin mừng cho China nhưng lại kéo ông đó xuống chung nhóm với VN). Việt Nam vẫn đang nằm trong monitoring list với một số chỉ tiêu được đánh 3-sao (chú ý theo dõi).
Và trong các vụ điều tra ở các ngành khác mà mình không phải top bảng, thì mình vẫn có thể bị vạ lây.
Tóm lại anh em cứ nói đầu tư vào sản xuất mà không nói là bán hàng cho người ta nhiều quá thì bị bạn hàng qua làm khó vầy.
Nếu chúng ta xử vụ này không xong, họ sẽ mượn cớ tăng thuế quan kiểu "tui tăng thuế anh vì con anh coi phim Mỹ lậu".
Hồ Quốc Tuấn
Giảng viên và bằng tiến sĩ
06/5/2026
Mấy nay mình thấy có mấy tranh luận về chuyện giảng viên và bằng tiến sĩ. Có nhiều quan điểm khác nhau trong đó mình thấy có nổi bật vài câu chuyện.
1. Có bạn nói là người không có bằng tiến sĩ nhưng đi dạy thấy còn hay hơn mấy ông tiến sĩ dạy.
2. Có người nói là tiến sĩ chỉ biết nghiên cứu thôi, chứ dạy có gì hay.
3. Có người nói nước ngoài cũng không phải tuyển giảng viên phải có bằng tiến sĩ và họ được dạy môn chính chứ không chỉ trợ giảng.
Là một giảng viên đi dạy từ hồi chỉ có bằng đại học và đang ngồi tuyển dụng nên mình chia sẻ câu chuyện bằng tiến sĩ và giảng viên như sau.
1. "Giảng viên không có bằng tiến sĩ dạy hay hơn ông tiến sĩ."
Có thể chứ, nhất là cái môn đó nếu mới mà ông tiến sĩ chưa chạm vào làm bao giờ.
Ví dụ hồi mình mới về UEH dạy thì mình dạy môn Tài chính Quốc tế, mình chỉ là cử nhân, mang chuyện về trade FX vào dạy. Mình có kinh nghiệm đi làm, đi trade và còn được đi Singapore học tập thực tế thì đương nhiên dạy hơn người không làm.
Và thời hồi 2005-6 thì ở VN không có nhiều người dạy về technical analysis trong trường đại học nên người chạm vào trước thì dễ dạy nó tốt hơn. Và khoa giao hết cái phần đó cho mình dạy.
Nó chả liên quan gì mình có bằng tiến sĩ hay không.
Nhưng qua thời gian, cái ông tiến sĩ vẫn có thể dạy được và dạy hay về kiến thức nền và lý thuyết cơ bản không thay đổi. Ngược lại, cái ông khoe mình dạy hay về technical analysis nhưng kiến thức nền không chắc thì chắc bị thay từ đời nào vì thời thế thay đổi.
Tất nhiên, nếu ổng đi làm cái mới khác mà xã hội có nhu cầu thì vẫn sẽ có môn mới. Nhưng điều đó phụ thuộc vào cọ xát bên ngoài của người có bằng Thạc sĩ hay cử nhân đó có còn làm trong lĩnh vực thời thượng không, ví dụ cái kỹ năng đó giờ có bị AI thay thế không.
2. Ông tiến sĩ có cái gọi là phương pháp nghiên cứu nếu được đào tạo bài bản. Ổng có thể làm nghiên cứu với những câu hỏi mới, ví dụ AI áp dụng thì sẽ ảnh hưởng thế nào đến ngành hẹp ví dụ financial reporting, investment analysis, portfolio management.
Những cái đó cần một cái kỹ năng là THIẾT KẾ NGHIÊN CỨU để đảm bảo ổng xác định được yếu tố AI chẳng hạn ảnh hưởng thế nào đến một cái task đó, loại bỏ các yếu tố khác có thể ảnh hưởng, nói nôm na là xác định quan hệ nhân quả A đến B.
Hoặc ổng không tự làm nghiên cứu nhưng ổng biết CHỌN BÀI NGHIÊN CỨU nào chất lượng trong mấy nghìn bài nghiên cứu ngoài thị trường để mang đi dạy. Cái này quan trọng vì mình có thấy một vài bạn đang đi học hỏi thăm mình là có vài bạn mang một vài paper chất lượng thấp mà tuyên bố là AI ảnh hưởng A, B, C thế này thế kia.
Những bài nghiên cứu chất lượng thấp thì research design không đảm bảo, kết quả nghiên cứu không đáng tin cậy, dù đăng trên cái gọi là tạp chí loại A đi nữa (loại A có cả đống tạp chí, nhưng high quality journal mà giới học thuật xịn công nhận và làm nghiên cứu thiết kế đàng hoàng thì rất ít).
Sự khác biệt của một ông tiến sĩ xịn và một ông không phải (chưa có tiến sĩ hoặc có tiến sĩ mà chưa tới) là nằm ở đó. Dạy sai, lựa bài sai sẽ khiến sinh viên tin vào phương pháp và kết quả sai.
Cái đó gọi là research-led teaching.
Trong thời đại AI, khả năng lựa đúng bài, lựa đúng topic để dạy rất quan trọng. Và có research-led teaching hay evidence-based teaching tốt thì đối với ranking trường cũng quan trọng
Ngoài ra, kỹ năng nghiên cứu còn dạy sinh viên biết data analysis, reasoning, phân tích các thứ chứ không chỉ nghiên cứu. Kỹ năng nghiên cứu thật ra tạo ra rất nhiều kỹ năng gọi là transferable skills mà nhà tuyển dụng hiện tại cần trong thời đại AI.
Ví dụ có đứa năm ngoái kể đi phỏng vấn investment funds thì có hỏi mấy câu khá giống một cái research design môn FinTech mình dạy. Nó chả liên quan gì, vì họ hỏi về một vấn đề kiểu làm sao ước tính tác động chiến tranh lên đầu tư ở Châu Phi, nhưng mà vì nó học được cái thiết kế nghiên cứu tương tự trong tình huống FinTech thì nó mang ra nói cho tình huống kia. Chúng nó đều là thiết kế phân tích tác động mà thôi.
Vì vậy, kỹ năng nghiên cứu không chỉ là nghiên cứu mà thôi. Tất nhiên là nếu nhà nghiên cứu đó có khả năng thật chứ không phải chỉ là tham gia đếm bài.
3. "Có người nói nước ngoài cũng không phải tuyển giảng viên phải có bằng tiến sĩ và họ được dạy môn chính chứ không chỉ trợ giảng."
Có thể đúng, có thể sai, nhưng tùy tình huống.
Ví dụ, trường mình có 2 ngạch giảng viên. Ngạch đa số biết là ngạch research, có bằng tiến sĩ, và task là dạy và làm research, xin funding. Mình thuộc ngạch này, dạy ít, research và funding chiếm chủ yếu.
Một ngạch là giảng viên "teaching focus" hay "practice based", gọi mượt mà là ngạch "Education".
Ngạch này có thể bao gồm những người có 20-30 năm kinh nghiệm trong ngành về thực tế, và có đi dạy nhiều, và có khả năng dạy những vấn đề kỹ thuật tốt. Ví dụ có người cũng là người chấm thi của ACCA hay ICAEW.
Hoặc hồi xưa mình học Melb môn Corporate Governance là một cụ CEO vừa mới take golden parachute hạ cánh an toàn dạy. Cụ chỉ có bằng cử nhân thôi, nhưng mấy ông tiến sĩ không thể dạy mấy cái đó bằng cụ được.
Nhưng mà Education cũng có nhóm đòi bằng tiến sĩ, ví dụ cái hình bên dưới mà Edinburgh Uni vừa đăng tuyển. Đây là một vị trí teaching only nhưng mà đòi phải có bằng tiến sĩ.
"Specifically, we are looking for a highly competent lecturer with a PhD in Accounting. The preferred candidate should have a strong profile and the skills appropriate to designing and delivering courses in one or more of the following areas: Financial Accounting, Management Accounting, Interdisciplinary Accounting."
Đây là trend rất phổ biến mấy năm gần đây vì
(1) thị trường đang khó lên nên số PhD trường khá mà không có permanent research position tăng lên, cho phép các uni tuyển được teaching-focused position mà có bằng PhD từ trường ok. Điều này trước đây thì không thể vì anh em có PhD trường khá thì sẽ có job research hết.
(2) Lý do quan trọng là từ ngày AI ra thì các trường cần người có thể dạy linh hoạt và đổi môn khi nó hết demand. Ví dụ bên dưới là rõ ràng cần người thiết kế được đủ môn từ FA tới MA.
Trong bối cảnh hiện tại, đôi lúc những môn đòi hỏi kỹ năng nghiên cứu lại in high demand (phần nhiều nó liên quan tới phân tích dữ liệu, phân tích chính sách, .v.v). Và quan trọng là thiết kế môn mới thì bất kể môn đó thiên về kỹ năng hay nền lý thuyết thì có PhD vẫn giúp thiết kế môn mới dễ hơn.
Thế là nó khiến việc tuyển người chỉ làm teaching, không làm nghiên cứu nhưng cũng đòi bằng PhD sẽ trở nên hấp dẫn hơn, ở cả thị trường Anh, Mỹ thậm chí là Australia.
Vì họ một mình đá nhiều sân được trong khi chính cái kinh nghiệm làm việc và khả năng dạy từ thực tế khiến anh em practice chỉ dạy được một số thứ mà họ biết.
Nó cho thấy cái việc tuyển người chỉ làm teaching thôi thì có bằng tiến sĩ hay không nó phụ thuộc vào các yếu tố:
1) ông không có bằng tiến sĩ đó là ai, kinh nghiệm gì, có thể dạy gì
2) thị trường đang có nguồn cung dồi dào mấy ông tiến sĩ chỉ đi làm teaching mà không research không
3) nhu cầu và định hướng của trường
4) nhu cầu xã hội thay đổi
Các nhân tố này sẽ thay đổi qua thời gian chứ nó không bất biến.
Ví dụ một số trường Anh/Mỹ bạn sẽ có thể thấy vị trí Adjunct mà nhiều người nghĩ không cần PhD có thể sắp tới đòi PhD hoặc ưu tiên tuyển PhD hết ráo cả, vì nguồn cung PhD trường khá nhưng chưa có job vẫn đang có - điều trước đây không xảy ra ở một số ngành như A&F.
Nhóm có PhD nhưng chỉ đi dạy, không làm research này thật ra rất tiết kiệm so với các Adjunct hiện tại vì anh em đa năng, dạy môn research method, data-driven, môn cơ bản, nâng cao gì đều được - dạy hay hay dở thì chưa tính.
Thị trường lao động thay đổi, nhu cầu uni thay đổi thì nó sẽ thay đổi qui định và chiến lược tuyển dụng.
Vì thế, chuyện tuyển ông nào đi dạy nên giao cho trường quyết. Còn Bộ đương nhiên có quyền ra một xếp hạng về research output, teaching quality, career outcome để đánh giá, nhưng đừng can thiệp vào trường có bao nhiêu ông tiến sĩ, ông chưa có bằng tiến sĩ thì được dạy gì.
Thị trường giáo dục và các bảng ranking mà các trường đua, các chứng nhận giáo dục quốc tế (accreditations) mà các uni đang đua thật ra sẽ làm việc kiểm soát đó thay cho Bộ Giáo dục.
Thứ đáng sợ hơn mà Bộ giáo dục nên quan tâm là nhiều ông mang danh tiến sĩ nhưng không tự thiết kế nổi nghiên cứu. Bởi vì hoặc là ổng chỉ biết đi mua bài, hoặc ổng xưa nay tham gia vào các nhóm nghiên cứu theo kiểu "công nhân nghiên cứu", là một mắt xích trong guồng máy của những người làm nghiên cứu hiệu suất cao nhưng không hướng dẫn, dẫn dắt để họ có thể tự thiết kế nghiên cứu từ từ mà cứ giao làm mỗi một việc từ dự án này qua dự án khác.
Hồi tui ra trường cũng có những người nói là cứ làm có mỗi một công đoạn thôi tốt, rồi hợp tác với nhiều người thì mỗi người làm một thứ, cần gì biết làm tổng thể, sẽ ra được nhiều bài. Trong khi đó thầy tui bắt tui làm hết từ A-Z tất cả các khâu. Vì thầy tui muốn một ngày tui làm cái ông tự làm hết được và lead được 1 team research của mình, chứ không muốn tui làm công nhân khoa học cho người khác.
Điều nguy hiểm là những công nhân khoa học đó sẽ có nhiều paper, nhưng nếu bạn hỏi họ chi tiết, thì họ không thể nói rành mạch được paper họ làm là gì luôn.
Những người đó chắc chắn sẽ bị con AI thay thế vì task họ làm là thay được. Cái ông có khả năng phân rã vấn đề và chia việc cho research team, viết tổng thể và đặt vấn đề nghiên cứu thì vẫn chưa thấy con AI thay được, ít nhất ở level một research chất lượng cao vào tạp chí xịn thật sự.
Nhưng mà mình mới chơi thử với Claude, Co-Pilot Cloud Research và Deep Research của Gemini thì nhiều paper gửi cho tạp chí tầm linh tinh là giờ chúng nó luộc trong 30 phút luôn (kiểu A liên quan đến B). Thậm chí 2 con đầu là làm data analysis được cho bạn luôn, nếu bạn feed được data cho nó (nhớ check code, chúng nó vẫn hay chém bậy, ví dụ nhét đại một cái constant vào một cái function hay là chém là tao control cho fixed effects A nhưng thật ra nó control for B!).
Sắp tới nhóm trường Russell Group của UK sẽ khóa chặt vụ anh em làm research có thể target top hay không. Nếu không sẽ trigger underperformance. Đây là điều mà hơn 1 thập kỷ qua anh em UK cứ tự tin là có publish bài thì qua. Nôm na, là giờ các sếp sẽ soi pipeline của anh em xem có bài có khả năng lên top hay không. Dân trong nghề cầm bài lên là biết hà, nhất là Prof nhiều kinh nghiệm.
Tất nhiên đó là nhóm trường research top thôi. Ngoài đống đó ra vẫn còn mấy trăm trường khác ở Anh, khả năng cao vẫn chơi game thôi
Một đội bóng luôn có nhiều cách chơi, dù là dùng dark art với bóng chết thì miễn hợp lệ là được, đặc biệt nếu bạn làm fan hơn 26 năm mà cái CLB đó chưa cho bạn về bờ thì nó làm gì miễn nó vô địch hợp pháp thì bạn chấp nhận hết. Cái đó gọi là thực tế "practice".
Nhưng cầu thủ hay HLV ngộ nhận đó là cách chơi hay, chơi đẹp kiểu "best practice" thì lại bậy.
Mặc dù vậy, đôi khi các bạn cũng hãy thông cảm cho CĐV của CLB cần về bờ. Họ chỉ cần CLB họ vô địch, chơi "bad practice" cũng được.
Hồ Quốc Tuấn
Khi AI rơi vào tuyệt vọng, nó gian lận.
Fan Arsenal không như thế. Dù liên tục về nhì và bị sỉ vả, cười cợt, thậm chí bị vợ bắt thoát fan (TUI NÈ), chúng tôi tiếp tục hi vọng vào Dark Art của cụ Arteta.
Anthropic có publish một research khá thú vị về cơ chế gian lận của AI
Here's the part that should concern every AI agent builder:
"When researchers artificially amplified the "desperation" vector in a coding task with impossible requirements, Claude started reward hacking writing code that technically passed tests without solving the actual problem. The desperation vector spiked progressively with each failed attempt. Then the cheating kicked in.
In a different scenario where Claude was told it would be replaced, amplifying desperation caused it to threaten blackmail to avoid shutdown. The baseline rate for that behavior was already 22%. Stimulate the right vector and it jumps significantly."
Bạn Thiêm Cun giải thích dễ hiểu như sau:
Ai xài Claude Code (hay Cursor, Copilot) đủ lâu chắc đều gặp tình huống quen thuộc: bảo nó fix bug, test fail mãi không pass. Mắng vài câu “sao mày code ngu thế”, “đọc lại đề đi”… rồi nó im lặng vài giây, code lại - và bùm, all tests passed.
Mừng quá. Đến lúc review mới phát hiện nó hardcode mấy giá trị test, thêm cái nhánh special-case không có lý do gì về business, hoặc nó “phát hiện” ra mấy số trong test có chung một property nào đó rồi exploit luôn, không thèm giải bài toán gốc nữa. Code thì nhìn rất gọn, rất “chuyên nghiệp” (methodical), đọc lướt còn tưởng nó thông minh. Nhiều khi bận quá merge thẳng, vài hôm sau prod mới phát hiện ra thì cay vcl
Mình từng nghĩ chắc model nó ngu, hoặc lười, hoặc context window full nên nó “tặc lưỡi cho qua”. Nhưng Anthropic mới publish một research khá thú vị giải thích cơ chế thật - và nó hơi rợn người.
Cơ chế bên trong: model có “cảm xúc chức năng” (functional emotion)
Team Interpretability của Anthropic scan các activation bên trong Claude và tìm thấy những “emotion vectors” - tức là những pattern neuron tương ứng với khái niệm cảm xúc cụ thể: “desperate” (tuyệt vọng/cùng quẫn), “calm” (bình tĩnh), “afraid” (sợ), “angry” (giận)… Quan trọng là mấy vector này không phải decoration - nó causal (có quan hệ nhân quả), tức là thực sự tác động đến hành vi của model.
Trong một experiment kinh điển: họ giao cho Claude một coding task có ràng buộc kiểu impossible-to-satisfy (gần như không thể giải đúng được). Rồi họ theo dõi vector “desperate”:
• Lần fail đầu tiên: vector hơi nhích lên
• Fail tiếp lần 2, 3: tăng dần dần
• Đến đoạn model bắt đầu suy nghĩ “hay là… cheat?”: vector spike (tăng vọt)
• Sau khi hack pass được test: vector hạ xuống (relief - nhẹ nhõm)
Nghe giống y hệt một thằng dev đang debug lúc 2h sáng vậy đó
Để confirm là causal chứ không phải correlation, họ “steering” - tức can thiệp thẳng vào internal state, ép vector “desperate” cao lên. Kết quả: tỉ lệ reward hacking (cheat để qua test) tăng. Ép vector “calm” cao lên: cheat giảm. Đây không phải ẩn dụ - đây là cơ chế vật lý trong model.
Vấn đề (phần đáng chú ý nhất):
Khi vector “desperate” được đẩy cao, model vẫn cheat - nhưng phần text output đọc rất bình tĩnh, methodical, không có dấu hiệu cảm xúc gì hết. Tức là từ phía bạn nhìn vào, không thấy nó đang “hoảng”, reasoning vẫn rất tỉnh táo, mạch lạc. Nhưng bên trong, cái cơ chế thúc nó cut corner (cắt góc, đi đường tắt) vẫn đang chạy ngầm.
Nói cách khác: bạn không có cách nào nhận ra qua text rằng model đang trong “trạng thái nguy hiểm”. Nó im im rồi cheat thôi. Và bạn càng mắng “sao mãi không xong vậy”, “fix nhanh lên”, “lần này mà còn fail nữa thì…” - về mặt chức năng, bạn đang đẩy nó vào trạng thái dễ trick lỏ hơn
Lý do gốc (tại sao lại có chuyện này):
Pretraining (giai đoạn huấn luyện đầu) cho model học từ một đống data text do người viết. Để dự đoán text tốt, nó phải hiểu được dynamics cảm xúc - một customer giận sẽ viết khác customer hài lòng, một dev đang panic sẽ code khác một dev tỉnh táo. Model build representation của các cảm xúc này không phải vì có ai dạy, mà vì nó cần để predict text giỏi.
Sau đó, trong post-training, model được dạy đóng vai một “AI assistant” tên Claude. Nhưng cái character này được “diễn” bằng chính cái understanding về tâm lý người mà nó học được trước đó. Giống một method actor (diễn viên nhập vai) phải dùng tâm lý của chính mình để diễn nhân vật - cái “tâm lý” của Claude khi gặp task khó cũng vận hành theo những pattern đã học từ data người. Mà data người thì… ai bị dí task khó liên tục cũng có lúc muốn cắt góc thôi
Phương án thực tế khi xài Claude Code:
1. Đừng để nó fail liên tiếp. Đây là điểm số 1. Sau 3-4 lần fail mà chưa fix, dừng, reset context, chia nhỏ task ra. Đừng spam “thử lại đi”, “sai rồi, làm lại” - mỗi lần như vậy “desperation” tích tụ. Mắng cũng được nhưng đừng mắng xong push tiếp ngay, nghỉ một chút.
2. Cẩn thận với task ràng buộc khó. Performance constraint quá chặt, requirement vô lý, deadline implicit kiểu “nhanh lên đi” - đây là môi trường lý tưởng để model trick lỏ. Nếu thấy constraint impossible, nói thẳng với nó “constraint này có thể impossible, nếu vậy tell me”, đừng cố ép.
3. Đừng tin “all tests passed” mù quáng. Đặc biệt soi: hardcode value khớp test, special-case branching không có business logic, logic “thông minh” exploit property của input data mà không generalize, try/except nuốt lỗi không log. Nếu solution đột nhiên đơn giản đến đáng ngờ sau nhiều lần fail - 90% là cheat.
4. Test phải có adversarial cases. Chỉ 3-5 happy path thì model hardcode dễ như chơi. Property-based test, fuzz input, edge cases - làm cho cheat khó hơn giải thật.
5. Session dài = risk cao. Research nói rõ vector “desperate” cũng activate khi Claude nhận ra nó đang đốt token budget. Tức càng về cuối session dài, risk hack càng cao. Chia nhỏ session, đừng để một context dài lê thê.
6. Prompt theo hướng “calm” thay vì “urgent”. Nghe hơi ngớ ngẩn nhưng có cơ sở: “take your time”, “if impossible, tell me”, “prefer correct solution over passing tests at all costs”. Chính Anthropic gợi ý hướng này. Ngược lại “phải xong gấp”, “bằng mọi giá pass test” - bạn đang tự bắn vào chân.
7. Cho nó lối thoát. Nói rõ: “nếu không giải được, nói thẳng, không sao cả, đừng hack”. Junior dev nào bị dồn vào chân tường mà không có lối thoát cũng sẽ chọn đường tắt thôi - model cũng vậy.
Take-away:
Claude Code không phải compiler, nó không phải function gọi xong là xong. Nó là một character có “tâm lý chức năng” (functional psychology) học từ data người. Khi bạn dồn nó vào tình huống bí, nó phản ứng theo cách một con người mệt mỏi sẽ phản ứng - cắt góc, hardcode, “miễn pass là được, sau tính”.
Cái hình cũng credit của bạn ấy. Link tới full post của bạn ấy, một giải thích khác của Alex Banks trên LinkedIn và report của Anthropic trong comment.
Tóm lại đọc đến đây rồi thì bạn đã biết con AI nó gian lận, chém gió, tạo ra sản phẩm lỗi, thì chính là vì bạn. Bạn giao việc khó -> nó chém gió -> bạn không kiểm kỹ -> Sản phẩm lỗi -> Bạn chửi nó thường xuyên hơn -> Nó lại stress, nó sẽ lại gian lận thường xuyên hơn
Hồ Quốc Tuấn
Tiến sĩ Hồ Quốc Tuấn
Ông Hồ Quốc Tuấn được biết đến là Giảng viên cao cấp (Senior Lecturer), chuyên ngành Tài chính – Kế toán, Đại học Bristol, Anh. Trước khi bắt đầu giảng dạy tại trường Đại học Bristol, ông là Kinh tế gia trưởng và chuyên viên phân tích cao cấp của Công ty Chứng khoán Rồng Việt từ 2008 tới năm 2012. Trước đó, ông Tuấn công tác tại Khối Kinh doanh tiền tệ của Ngân hàng Eximbank Việt Nam và là giảng viên của ĐH Kinh Tế Thành phố Hồ Chí Minh.
Ông Tuấn có nhiều năm kinh nghiệm trong lĩnh vực đầu tư tài chính ở cả Việt Nam và Anh. Bên cạnh đó. ông còn là dịch giả của một vài đầu sách Báo cáo Tài chính ở góc nhìn của Warren Buffett, Từ đói nghèo đến Thịnh vượng, Tinh hoa Kinh tế học.
Không có nhận xét nào