🌟 Tên bài báo: SAGA: Stable Acceleration Guidance for Autoregressive Video Generation

👉 Link bài báo: https://arxiv.org/abs/2607.08020

Các tác giả:
Thanh-Nhan Vo, Trong-Thuan Nguyen, Trung-Hoang Le, Tam V. Nguyen, Minh-Triet Tran

• Sinh viên: Võ Thành Nhân (Cử nhân tài năng, 2023)

• GVHD: PGS. TS. Nguyễn Văn Tâm (Đại học Dayton, Hoa Kỳ) và PGS. TS. Trần Minh Triết, TS. Lê Trung Hoàng, ThS. Nguyễn Trọng Thuận (Trường Đại học Khoa học tự nhiên, ĐHQG-HCM)

🔥 Tóm tắt bài báo:
Các mô hình khuếch tán video tự hồi quy (autoregressive video diffusion) cho phép sinh video hiệu quả theo dạng luồng và mở rộng tới các chuỗi dài. Tuy nhiên, do các biểu diễn ẩn (latent) đã sinh tiếp tục được sử dụng làm ngữ cảnh nhân quả (causal context) cho các bước tiếp theo, sai số có thể tích lũy dần theo thời gian và dẫn đến hiện tượng nhấp nháy, chuyển động giật hoặc sai lệch cấu trúc.

Để giải quyết vấn đề này, bài báo đề xuất SAGA, một phương pháp không cần huấn luyện lại (training-free) khai thác gia tốc rời rạc trong không gian ẩn (discrete latent acceleration) nhằm làm lộ rõ và kiểm soát các dao động cao tần gây mất ổn định. SAGA kết hợp nhiễu tự hồi quy có cấu trúc (structured autoregressive noise) để duy trì tương quan theo thời gian ngay từ bước khởi tạo với dẫn hướng phổ (spectral guidance) dựa trên Slepian/DPSS nhằm hạn chế các thành phần tần số cao trong miền gia tốc.

Nhờ hoạt động hoàn toàn tại thời điểm suy luận (inference time), SAGA có thể tích hợp trực tiếp vào các mô hình khuếch tán video tự hồi quy hiện có mà không cần huấn luyện lại hay thay đổi kiến trúc nền (backbone), qua đó hướng tới khả năng sinh video dài ổn định và nhất quán hơn theo thời gian.

✨ Điểm nổi bật của bài báo:
SAGA tiếp cận vấn đề bất ổn theo thời gian (temporal instability) trong bài toán tạo video từ một góc nhìn khá mới. Thay vì trực tiếp làm mượt khung hình (frame) hay quỹ đạo biểu diễn ẩn (latent trajectory), phương pháp tập trung vào phân tích động học bậc hai trong không gian ẩn (latent space) thông qua gia tốc rời rạc (discrete latent acceleration). Ý tưởng cốt lõi là các dao động cao tần gây ra hiện tượng nhấp nháy, chuyển động giật và sai lệch cấu trúc sẽ được bộc lộ rõ hơn khi quan sát trong miền gia tốc, từ đó giúp mô hình nhận diện và kiểm soát những bất ổn tích lũy theo thời gian hiệu quả hơn.

Dựa trên quan sát này, SAGA kết hợp nhiễu tự hồi quy có cấu trúc (structured autoregressive noise) để kiểm soát tính tương quan theo thời gian ngay từ bước khởi tạo, cùng với dẫn hướng phổ (spectral guidance) trong miền gia tốc nhằm hạn chế các thành phần tần số cao gây mất ổn định. Toàn bộ cơ chế hoạt động tại thời điểm suy luận, vì vậy không cần huấn luyện lại mô hình và cũng không yêu cầu thay đổi kiến trúc nền.

Một điểm đáng chú ý khác là SAGA có tính cắm và chạy (plug-and-play), cho phép tích hợp trực tiếp vào nhiều mô hình khuếch tán video tự hồi quy (autoregressive video diffusion models) hiện có. Nhờ đó, phương pháp đặc biệt phù hợp với bài toán sinh video thời lượng dài, nơi sai số từ các khung hình trước có xu hướng tích lũy dần và làm suy giảm tính nhất quán của video theo thời gian.

🌈 Về Hội nghị Asian Conference on Computer Vision: https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng_computervisionpatternrecognition

ACCV là một trong những hội nghị quốc tế uy tín và lâu đời của cộng đồng Computer Vision & Pattern Recognition, được tổ chức hai năm một lần dưới sự bảo trợ của Asian Federation of Computer Vision (AFCV). Theo Google Scholar Metrics, ACCV nằm trong Top 20 các publication venues hàng đầu thế giới trong nhóm Computer Vision & Pattern Recognition, xếp hạng 17, với h5-index 52 và h5-median 81.

ACCV 2026 diễn ra từ 14–18/12/2026 tại Osaka, Nhật Bản, quy tụ các công trình nghiên cứu tiên tiến trong nhiều hướng trọng điểm của Computer Vision hiện đại như generative models, video analysis, vision-language, 3D vision, autonomous driving, deep learning for computer vision và nhiều lĩnh vực liên quan.

🌻 Xin chúc mừng nhóm tác giả với những thành tựu nghiên cứu nổi bật này.

🌻Chúc các bạn sẽ tiếp tục đạt được thành công trong tương lai. 

THÔNG TIN CHƯƠNG TRÌNH

• Thời gian: 9g30 – 11g30, Thứ Tư, ngày 14/10/2026
• Địa điểm: Tòa nhà TMA, Đường số 10, Công viên Phần mềm Quang Trung, Phường Trung Mỹ Tây (Phường Tân Chánh Hiệp, Quận 12 cũ), TP.HCM
• Phương tiện: Sinh viên tự túc

NỘI DUNG CHƯƠNG TRÌNH

• Tìm hiểu về TMA, các lĩnh vực hoạt động và môi trường làm việc tại doanh nghiệp
• Khám phá chương trình Intern và Fresher dành cho sinh viên
• Tham quan các showroom công nghệ của TMA
• Chụp ảnh lưu niệm và kết thúc chuyến tham quan 

• Sinh viên tham gia tham quan công ty sẽ được cộng ĐRL 
• Sinh viên lớp Kiến tập nghề nghiệp có thể tham gia để tích lũy hoạt động cho môn học
• Danh sách sinh viên tham gia chính thức sẽ được thông báo trên Website Khoa và Kênh hoạt động
• Sinh viên có tên trong danh sách sẽ được gửi thông tin chương trình tham quan chi tiết về địa chỉ email đã cung cấp
• Thông tin đăng ký của sinh viên có tên trong danh sách sẽ được chuyển cho công ty  TMA Tech Group
• Sinh viên có tên trong danh sách chính thức nhưng vắng mặt không phép sẽ bị đưa vào Blacklist của Khoa và rớt môn Kiến tập nghề nghiệp 
• Sinh viên có tên trong danh sách chính thức nhưng bận việc đột xuất, vui lòng tìm người thay thế và báo về Bp. TLSV trước 03 ngày tham quan 

• Thời gian: 14g00 - 16g00 thứ 6 ngày 23/10/2026
• Địa điểm: Opal Office Tower, 92 Nguyễn Hữu Cảnh, phường Thạnh Mỹ Tây, tp HCM
• Phương tiện: có xe đưa đón (khảo sát điểm đón của sinh viên)
• Số lượng: 45 sinh viên Khoa CNTT (ưu tiên từ năm 2 trở lên theo định hướng phát triển phần mềm. Kỹ năng tiếng Anh tốt và mong muốn làm trong môi trường quốc tế.)

• Tìm hiểu về Netcompany và các lĩnh vực công ty đang hoạt động
• Lắng nghe những chia sẻ thực tế về trải nghiệm làm việc tại doanh nghiệp
• Tham quan không gian làm việc và giao lưu cùng các thành viên Netcompany
• Tìm hiểu cơ hội nghề nghiệp dành cho Freshers
• Tham gia Game và Tea Break cùng doanh nghiệp

• Thời gian SV nộp đề cương: ngày 27/10/2026
• Thời gian SV nộp báo cáo giữa kỳ: 22/12/2026
• Thời gian SV nộp đơn đăng ký bảo vệ: ngày 18/2/2026
• Theo quy định của Trường, SV đăng ký thực hiện đề tài ở đợt nào phải bảo vệ ở đợt đó, không được duyệt hoãn bảo vệ. Nếu SV không bảo vệ đề tài đúng tiến độ (tháng 3/2027) thì SV phải nộp đơn hủy (kèm biên lai đóng học phí) và nhận điểm 0 của học phần tốt nghiệp trong HK1/26-27.

Học viên cao học (HVCH) các khóa xem kế hoạch bảo vệ đề tài tốt nghiệp (luận văn/đồ án tốt nghiệp) đợt tháng 12 năm 2026 tại file đính kèm.

Điều kiện bảo vệ:

Đối với phương thức 2, phương thức 3 (*):

• Đã học và đạt yêu cầu tất cả các môn học khối kiến thức cơ sở, chuyên ngành môn Triết học của ngành đào tạo (xem chi tiết trong khung chương trình đào tạo) và các môn bổ túc kiến thức (nếu có). Chứng chỉ Triết học phải còn thời hạn sử dụng 4 năm tính từ ngày thi cuối khóa đến ngày bảo vệ luận văn thạc sĩ.
  
• Luận văn/ đồ án được người hướng dẫn đồng ý cho bảo vệ
  
• Hiện không bị kỷ luật từ hình thức cảnh cáo trở lên;

• Ngoại ngữ: Nếu học viên chưa đạt yêu cầu về trình độ ngoại ngữ đầu ra vẫn được phép đăng ký bảo vệ luận văn thạc sĩ, tuy nhiên chỉ được nộp hồ sơ đăng ký tốt nghiệp sau khi đạt yêu cầu về trình độ ngoại ngữ đầu ra. Kết quả học tập các môn khối kiến thức cơ sở, chuyên ngành, điểm bảo vệ luận văn chỉ được bảo lưu tối đa 4 năm tính từ ngày học viên đăng ký nhập học chương trình thạc sĩ. Sau thời hạn 4 năm nếu HVCH không đạt yêu cầu về trình độ ngoại ngữ đầu ra thì toàn bộ kết quả học tập (các môn cơ sở, chuyên ngành, triết học, luận văn) sẽ bị hủy.

Đối với phương thức 1: Ngoài các qui định như mục (*), HVCH học phương thức 1 phải có ít nhất một (01) bài báo khoa học thuộc danh mục các bài báo được tính điểm do Hội đồng chức danh giáo sư nhà nước Việt Nam qui định có liên quan đến nội dung luận văn do học viên làm tác giả chính (đứng tên đầu trong nhóm tác giả) thì mới đủ điều kiện đăng ký bảo vệ luận văn.

Đối với phương thức 3: ngoài các quy định tại mục (*), học viên từ Khóa 2022 phải nộp báo cáo thực tập và có điểm học phần Thực tập trước khi đăng ký bảo vệ. 

LƯU Ý:

• Khóa 32/2022: hết thời gian chuyển tự túc vào 31/12/2026. Nếu học viên không bảo vệ cũng như chưa đạt chuẩn ngoại ngữ đầu ra theo quy định trước 31/12/2026 sẽ bị hủy toàn bộ kết quả học tập.
• Khóa 33/2023: hết thời gian chuyển tự túc vào 31/12/2027, nếu không bảo vệ đợt tháng 12/2026 học viên có thể bảo vệ ở các đợt sau trong năm 2027 (đợt tháng 3, 6, 9, 12)
• Khóa 34/2024: hết thời gian học tập chính quy vào 31/12/2026. Nếu học viên không bảo vệ sẽ phải làm thủ tục chuyển tự túc (tối đa 24 tháng) để bảo vệ đề tài ở các đợt sau (sẽ có thông báo cụ thể vào cuối tháng 12/2026).

----

Khoa Công nghệ thông tin xin gửi lời chúc mừng đến các nhóm Sinh viên chương trình Chất lượng cao đã có đề tài khóa luận xuất sắc cùng với công bố trên Hội nghị uy tín quốc tế.

🌟 Bài báo: DongHoCrafter: Object-Aware Style Transfer for Vietnamese Dong Ho Folk Art

👉 Link bài báo: https://drive.google.com/file/d/11L9aSirVwbHZKd8vrjAmdHmbKwLDod0X/view 

Các tác giả: SV. Lê Quốc Khôi và SV. Lê Tấn Phát - Sinh viên Chương trình Chất lượng cao, khóa tuyển 2022

• Giảng viên cùng thực hiện: TS. Lê Khánh Duy – Giảng viên Khoa Công nghệ Thông tin, Trường Đại học Khoa học tự nhiên, ĐHQG-HCM

🔥 Tóm tắt bài báo: Những tiến bộ gần đây trong các mô hình khuếch tán đã cải thiện đáng kể quá trình chuyển đổi phong cách nghệ thuật. Tuy nhiên, khi áp dụng vào các lĩnh vực thị giác mang tính đặc thù văn hóa như tranh khắc gỗ Đông Hồ của Việt Nam, các phương pháp hiện tại thường thất bại trong việc bảo tồn các quy ước thị giác truyền thống riêng biệt của từng đối tượng, đồng thời làm rò rỉ phong cách giữa các vùng ngữ nghĩa khác nhau. Trong bài báo này, chúng tôi đề xuất DongHoCrafter, một khung cấu trúc chuyển đổi phong cách nhận diện đối tượng nhằm tạo ra các hình ảnh mang tính nền tảng văn hóa. Quy trình của chúng tôi kết hợp Florence-2 để phát hiện đối tượng ngữ nghĩa, mô hình Segment Anything để tạo mặt nạ vùng chính xác, và một cơ chế truy xuất dựa trên CLIP nhằm ánh xạ từng thực thể ngữ nghĩa với một mẫu tham chiếu Đông Hồ nhất quán về mặt văn hóa. Các tiền kiến thức phong cách theo từng vùng được đưa vào thông qua một Multi-reference IP-Adapter, trong khi các mô hình ControlNet độ sâu và phân đoạn ngữ nghĩa giúp bảo toàn cấu trúc bố cục của hình ảnh gốc. Ngoài ra, một mạng xương sống SDXL được tinh chỉnh bằng giải pháp LoRA đặc thù cho tranh Đông Hồ, được huấn luyện trên một tập dữ liệu chọn lọc gồm hơn 100 bức tranh truyền thống kết hợp quy trình tự động hóa một phần việc gán nhãn, nhằm nâng cao chất lượng đường nét và sự hài hòa màu sắc lấy cảm hứng từ tranh khắc gỗ. Các đánh giá định lượng và định tính chứng minh rằng DongHoCrafter giúp cải thiện tính nhất quán của phong cách văn hóa và giảm thiểu hiện tượng lem phong cách so với các phương pháp chuyển đổi phong cách toàn cục thông thường, đồng thời vẫn bảo toàn độ trung thực về ngữ nghĩa và cấu trúc. Phương pháp được đề xuất còn tạo ra các đầu ra độc lập về mặt ngữ nghĩa, phù hợp cho các ứng dụng tương tác hạ nguồn và ứng dụng thực tế mở rộng trong việc số hóa di sản văn hóa.

✨ Điểm nổi bật của bài báo: Khung cấu trúc chuyển đổi phong cách nhận diện đối tượng: Đề xuất một quy trình chuyển đổi phong cách đặc quyền cho tranh dân gian Đông Hồ Việt Nam. Thay vì áp dụng một phong cách chung cho toàn bộ bức ảnh (dễ gây lem phong cách), phương pháp này phân rã hình ảnh thành các vùng ngữ nghĩa để áp dụng các quy ước nghệ thuật truyền thống riêng biệt lên từng đối tượng cụ thể; Chiến lược khớp tham chiếu dựa trên CLIP: Giới thiệu cơ chế tìm kiếm và ánh xạ đối tượng trong ảnh gốc với một mẫu tranh Đông Hồ tương thích về mặt ngữ nghĩa và nhất quán về mặt văn hóa (ví dụ: người trong ảnh chụp sẽ được ánh xạ chính xác với hình tượng con người trong tranh Đông Hồ truyền thống), giúp bảo tồn tính toàn vẹn mang tính biểu tượng của từng danh mục đối tượng; Cải thiện độ chân thực văn hóa thông qua làm mờ trước: Áp dụng kỹ thuật làm mờ Gauss để giảm bớt các chi tiết tần số cao mang tính hiện đại từ ảnh gốc, thúc đẩy các mô hình ControlNet tập trung hoàn toàn vào việc tái tạo các đường nét cấu trúc đậm rõ và các mảng màu phẳng – hai đặc trưng cốt lõi mô phỏng kỹ thuật khắc gỗ thủ công; Xây dựng tập dữ liệu văn hóa chuẩn hóa: Xây dựng một tập dữ liệu chọn lọc gồm hơn 100 tác phẩm tranh Đông Hồ truyền thống chất lượng cao cùng quy trình gán nhãn tự động có sự tham gia kiểm định của con người (human-in-the-loop). Tập dữ liệu này phục vụ cho việc tinh chỉnh mô hình SDXL bằng cấu trúc LoRA nhằm tối ưu hóa sự hài hòa về màu sắc tự nhiên và chất lượng đường nét lấy cảm hứng từ tranh Đông Hồ; Hiệu quả thực tế cao trong số hóa di sản: Chứng minh qua các thực nghiệm định lượng và định tính rằng phương pháp vượt trội hơn các giải pháp chuyển đổi phong cách toàn cục thông thường về mặt giữ gìn bản sắc văn hóa (đạt điểm số FID và CLIP-Style tốt nhất). Đồng thời, mô hình tạo ra các đầu ra cô lập về mặt ngữ nghĩa, rất lý tưởng để ứng dụng vào các công cụ giáo dục di sản và mô phỏng tranh khắc gỗ kỹ thuật số. 

🌈 Về International Conference on Multimedia Analysis and Pattern Recognition: MAPR là diễn đàn học thuật uy tín kết nối các nhà nghiên cứu, chuyên gia từ giới hàn lâm và doanh nghiệp nhằm chia sẻ những tiến bộ mới nhất cũng như thúc đẩy hợp tác trong các lĩnh vực Trí tuệ nhân tạo (AI), nhận dạng mẫu và công nghệ đa phương tiện. Hội nghị diễn ra vào ngày 13–14 tháng 8 năm 2026 tại Thành phố Huế, tập trung vào ba hướng nghiên cứu chuyên sâu gồm: nền tảng AI và học máy; thị giác máy tính, phân tích đa phương tiện và xử lý ngôn ngữ tự nhiên; cùng các ứng dụng thực tiễn của AI trong y tế, an ninh mạng, phần cứng nhúng và phát triển bền vững. Toàn bộ các công trình nghiên cứu nguyên bản được chấp nhận và trình bày tại hội nghị sẽ được thẩm định để đăng tải trên thư viện số IEEE Xplore.

🍀 Công bố thuộc đề tài tốt nghiệp “Thử nghiệm tương tác thực tại mở rộng trải nghiệm nghệ thuật” đã đạt điểm 10 trong đợt bảo vệ năm 2026 và được đề xuất thành tích Nghiên cứu Khoa học - Công nghệ xuất sắc năm học 2025-2026.

🌻 Xin chúc mừng nhóm tác giả với những thành tựu nghiên cứu nổi bật này.

🌻Chúc các bạn sẽ tiếp tục đạt được thành công trong tương lai. 

• Thời gian: 9h00 - 11g30, Thứ sáu ngày 9/10/2026
• Địa điểm: Tòa nhà Hải Âu, 39B Trường Sơn, P. Tân Sơn Nhất (P. 4, Q. Tân Bình cũ)
• Phương tiện: tự túc

• Tìm hiểu về công ty, cơ hội nghề nghiệp, tiêu chí tuyển dụng và chính sách phúc lợi
• Khám pháp phương pháp phát triển phần mềm Scrum/Agile - một mô hình hiện đại và linh hoạt
• Tham quan và tìm hiểu môi trường làm việc tại công ty
• Giao lưu và học hỏi kinh nghiệm từ các nhóm trưởng và các cựu sinh viên của trường
• Tham gia trắc nghiệm để kiểm tra kiến thức, nhận quà lưu niệm và chụp hình kỷ niệm

• Sinh viên có tên trong danh sách sẽ được gửi thông tin chương trình tham quan chi tiết về địa chỉ email đã cung cấp
• Thông tin đăng ký của sinh viên có tên trong danh sách sẽ được chuyển cho công ty Axon Active Việt Nam
• Sinh viên có tên trong danh sách chính thức nhưng vắng mặt không phép sẽ bị đưa vào Blacklist của Khoa, rớt môn Kiến tập nghề nghiệp 
• Sinh viên có tên trong danh sách chính thức nhưng bận việc đột xuất, vui lòng tìm người thay thế và báo về Bp. TLSV trước 03 ngày tham quan (không tính thứ 7, chủ nhật).

Khoa Công nghệ thông tin xin gửi lời chúc mừng đến nhóm Sinh viên chương trình Trí tuệ nhân tạo đã có các công bố được chấp nhận đăng trên Hội nghị Conference on Neural Information Processing Systems lần thứ 40 năm 2026. Đây là hội nghị hàng đầu thế giới trong lĩnh vực Trí tuệ nhân tạo (AI) và học máy (Machine Learning), theo Google Scholar Metrics 2025:

✨ Xếp hạng #1 trong lĩnh vực Trí tuệ nhân tạo

✨ h5-index: 371

✨ h5-median: 637

✨ Xếp hạng #7 trên toàn bộ các tạp chí và hội nghị khoa học được Google Scholar thống kê

✨ Xếp hang A* theo hệ thống ICORE 2026

🍀 Nội dung thông tin:

• Kết quả: 5 bài được chấp nhận, đều ở dạng poster: 4 bài ở Main Track và 1 bài ở Evaluations and Datasets Track.

• Đơn vị: Trường Đại học Khoa học Tự nhiên, ĐHQG-HCM.

• Hợp tác: GS. Long Tran-Thanh (University of Warwick, Anh; Giáo sư thỉnh giảng Đại Học Quốc Gia Thành Phố Hồ Chí Minh) là đồng tác giả của 4 bài ở Main Track.

• Sinh viên tham gia: Phạm Phú Hòa, Nguyễn Lâm Phú Quý, Huỳnh Trung Kiệt, Đào Sỹ Duy Minh và Trần Chí Nguyên - Sinh viên chương trình Trí tuệ nhân tạo, khóa tuyển 2023.

🔥 Tên bài báo số 1: Unlocking Compositional Generalization in Continual Few-Shot Learning (COMPOSE)

• Track: Main Track, poster

• Các tác giả: Phu-Quy Nguyen-Lam, Phu-Hoa Pham, Dao Sy Duy Minh, Tran Chi Nguyen, Trung-Kiet Huynh, Long Tran-Thanh

• Link arXiv: https://arxiv.org/abs/2605.11710

🔥 Tên bài báo số 2: MIST: Reliable Streaming Decision Trees for Online Class-Incremental Learning via McDiarmid Bound

•  Track: Main Track, poster

• Các tác giả: Phu-Hoa Pham, Tran Chi Nguyen, Phu-Quy Nguyen-Lam, Dao Sy Duy Minh, Trung-Kiet Huynh, Long Tran-Thanh

• Link arXiv: https://arxiv.org/abs/2605.11617 

🔥 Tên bài báo số 3. Weather-Robust Cross-View Geo-Localization via Prototype-Based Semantic Part Discovery (SkyPart)

• Track: Main Track, poster

• Các tác giả: Tran Chi Nguyen, Dao Sy Duy Minh, Trung-Kiet Huynh, Phu-Hoa Pham, Phu-Quy Nguyen-Lam, Long Tran-Thanh

• Link arXiv: https://arxiv.org/abs/2605.11654

🔥 Tên bài báo số 4. Training-Free Cultural Alignment of Large Language Models via Persona Disagreement (DISCA)

• Track: Main Track, poster

• Các tác giả: Dao Sy Duy Minh, Trung-Kiet Huynh, Tran Chi Nguyen, Phu-Quy Nguyen-Lam, Phu-Hoa Pham, Tuan Nguyen, The Anh Han, Long Tran-Thanh

• Link arXiv: https://arxiv.org/abs/2605.10843

🔥 Tên bài báo số 5. Visual Robustness and Neural Alignment in a Shared Foraging Task: The Mouse vs. AI Benchmark

• Track: Evaluations and Datasets Track, poster

• Các tác giả: Marius Schneider, Joe S Canzano, Yuchen Hou, Jing Peng, Anjali Deepu, Utsab Karan, Phu-Hoa Pham, Tran Chi Nguyen, Dao Sy Duy Minh, Phu-Quy Nguyen-Lam, Trung-Kiet Huynh, Simone Azeglio, Spencer Smith, Michael Beyeler

• Bối cảnh: Đây là bài benchmark của cuộc thi Mouse vs. AI: Robust Foraging (NeurIPS 2025). Cuộc thi có 22 đội nộp bài, nhóm sinh viên của trường đạt hạng nhất và viết bài này cùng nhóm tổ chức: https://robustforaging.github.io

🌻 Xin chúc mừng nhóm tác giả với những thành tựu nghiên cứu nổi bật này.

🌻Chúc các bạn sẽ tiếp tục đạt được thành công trong tương lai.