Ngày 14/10/2026, Viện Nghiên cứu Trí tuệ Nhân tạo Việt Nam (VIAI) đã công bố kết quả nghiên cứu về kỹ thuật 'Dynamic Sparse Pruning' (Cắt tỉa thưa động). Nghiên cứu này cho phép giảm lượng tính toán cần thiết để huấn luyện các mô hình ngôn ngữ lớn lên đến 50% mà không làm suy giảm đáng kể độ chính xác của mô hình.
Phương pháp này hoạt động bằng cách tạm thời vô hiệu hóa các kết nối không quan trọng trong mạng nơ-ron trong quá trình huấn luyện, dựa trên trọng số của chúng tại từng thời điểm cụ thể. Thay vì cắt bỏ vĩnh viễn, hệ thống có thể khôi phục các kết nối nếu chúng trở nên quan trọng hơn trong các bước huấn luyện sau. Kỹ thuật này giúp các trung tâm dữ liệu tại Việt Nam có thể huấn luyện các mô hình quy mô lớn với chi phí điện năng thấp hơn, phù hợp với điều kiện hạ tầng hiện tại.
Các nhà nghiên cứu đã so sánh kết quả với các phương pháp cắt tỉa tĩnh truyền thống và cho thấy sự vượt trội về hiệu suất trên các bộ dữ liệu tiếng Việt. Bài báo chi tiết đã được đăng tải trên các tạp chí khoa học hàng đầu và mã nguồn triển khai đã được mã hóa công khai để cộng đồng có thể tái hiện và đóng góp phát triển tiếp.