Hướng phát triển

• Phân tích co-citation/bibliographic coupling giữa các bài.
• Outline dựa trên full-text thay vì chỉ abstract, để nhóm chủ đề chính xác hơn.
• Chấm độ tin cậy liên tục cho từng câu, thay vì chỉ 4 nhãn rời rạc + 1 cờ thô.
• Cảnh báo trên giao diện khi câu hỏi quá rộng/lạc đề.
• Lọc theo hạng tạp chí/hội nghị (CORE/SJR…) để ưu tiên nguồn uy tín — đồng bộ hướng với Research Gap.

2. Research Gap

Bài toán

Từ một chủ đề, tự động tìm ra các khoảng trống nghiên cứu — câu hỏi chưa được trả lời, điểm các bài mâu thuẫn nhau, và phương pháp chưa ai thử.

• Xác định một khoảng trống thật đòi hỏi đọc và đối chiếu hàng trăm bài để chắc rằng chưa ai làm — rất tốn công nếu làm tay.
• Nhờ LLM suy luận khoảng trống thì dễ bịa (citation hallucination): khẳng định khoảng trống không có thật, hoặc trích dẫn bài không thực sự ủng hộ luận điểm.
• Nhiều khoảng trống thực ra đã bị lấp bởi bài mới hơn mà người tìm chưa biết.

Mục tiêu cốt lõi: suy luận khoảng trống có căn cứ và chống ảo giác — mỗi khoảng trống phải truy được về bài báo thật làm bằng chứng.

Giải pháp kỹ thuật

2 tầng nối tiếp, mỗi khoảng trống đều phải vượt kiểm chứng mới hiển thị:

1. Dựng "thư viện" đúng chủ đề (cold-start retrieval).

• Phân tích truy vấn (kể cả tiếng Việt), chuẩn hoá, dịch và tách thành các khía cạnh con để tránh lạc đề.
• Thu thập đa nguồn (Semantic Scholar + arXiv), gộp trùng theo DOI/tiêu đề.
• Lọc nhiều tầng rẻ → đắt (metadata → ngữ nghĩa → LLM phán xét) + kiểm tra "mạch lạc" của thư viện để loại bài rác.

2. Phát hiện và xác minh khoảng trống (pipeline 7 bước).

• Trích xuất phương pháp, dữ liệu, giới hạn của từng bài.
• 3 bộ phát hiện: khoảng trống chủ đề, khoảng trống phương pháp (ma trận "phương pháp × lĩnh vực"), và mâu thuẫn giữa các bài.
• Bộ xác minh chống ảo giác: so từng luận điểm với trích dẫn thật (atomic NLI), phân loại nguồn gốc (tác giả tự nêu hay AI suy luận). Kiểm tra khoảng trống "đã bị lấp chưa" bằng các bài mới hơn. Chấm điểm trên 4 trục độc lập (căn cứ, mới, khả thi, bằng chứng), khử trùng lặp, sinh thẻ kết quả.

3. Trình bày kết quả: mỗi thẻ gồm mô tả khoảng trống, thanh chất lượng 4 trục, gợi ý phương pháp, điều kiện bác bỏ, danh sách References.

Tính khả thi

• Chạy chi phí rẻ: Semantic Scholar miễn phí, PDF mở, SPECTER2 qua API — không cần GPU/fine-tune.
• Đã kiểm chứng bằng smoke test thật: pipeline vẫn hoàn tất (20 bài → 7 khoảng trống) dù nhiều dịch vụ ngoài lỗi cùng lúc, nhờ chuỗi dự phòng.
• Ưu tiên độ chính xác hơn độ phủ: thà bỏ sót còn hơn đưa khoảng trống sai.

Hướng phát triển

• Khử trùng lặp ở mức ý nghĩa, không chỉ theo tập bài trùng.
• Lọc theo hạng tạp chí/hội nghị (CORE/SJR…).
• Bổ sung full-text hợp pháp (Unpaywall) để trích xuất sâu hơn khi chỉ có abstract.
• Cảnh báo trên giao diện khi chủ đề quá rộng/lạc đề.
• Lớp bảo vệ đầu vào: chặn truy vấn sai mục đích, chống prompt injection.
• Chuẩn hoá điểm chất lượng bằng một lần chạy "sạch" có API key thật.