Trong 5 ngày từ 26 – 30/10/2026, Viện Nghiên cứu cao cấp về Toán phối hợp với Học viện Ngân hàng tổ chức Khoá học ngắn: Phương pháp LLM và RAG cho phân tích và khai thác tài liệu (LLM and RAG for Document Analysis and Exploitation) tại Học viện Ngân hàng, với sự tham gia của các giảng viên, nhà khoa học và sinh viên đến từ nhiều trường đại học và viện nghiên cứu trong cả nước. 

Giảng viên, Ban tổ chức chụp ảnh cùng các học viên tham dự Khoá học

Phát biểu khai mạc chương trình, PGS.TS. Phạm Thị Hoàng Anh, Phó Giám đốc thường trực Học viện Ngân hàng nhấn mạnh tầm quan trọng của các công nghệ trí tuệ nhân tạo, đặc biệt là mô hình ngôn ngữ lớn (LLM) và kỹ thuật RAG (Retrieval-Augmented Generation), trong bối cảnh ngành tài chính – ngân hàng đang chuyển đổi số mạnh mẽ. Bà cho rằng việc ứng dụng các phương pháp này vào phân tích và khai thác tài liệu – vốn đòi hỏi nền tảng toán học vững chắc từ xác suất thống kê đến lý thuyết tối ưu hóa – không chỉ giúp nâng cao năng suất nghiên cứu mà còn mở ra nhiều tiềm năng mới trong xử lý dữ liệu tài chính, tự động hóa báo cáo và hỗ trợ ra quyết định. Học viện Ngân hàng và VIASM kỳ vọng qua khoá học, các học viên sẽ tích lũy được nền tảng lý thuyết vững chắc cũng như kỹ năng thực hành để ứng dụng ngay vào công việc nghiên cứu và giảng dạy của mình. Thay mặt cho Ban tổ chức, PGS.TS. Phạm Thị Hoàng Anh đã tặng quà lưu niệm đến GS. Vincent Lefieux  nhằm trân trọng và ghi nhận sự đóng góp của ông cho cộng đồng khoa học Việt Nam.  

PGS.TS. Phạm Thị Hoàng Anh tặng quà lưu niệm đến GS. Vincent Lefieux, Giảng viên của khoá học  

GS. Vincent Lefieux, giảng viên chương trình ENSAE-ENSAI Executive Education, đã giảng bài xuyên suốt 5 ngày của khoá học với 5 chủ đề chính, dẫn dắt học viên từ những nền tảng của học sâu (deep learning) đến các ứng dụng thực tiễn của LLM và RAG trong phân tích và khai thác tài liệu. Mở đầu, GS. Lefieux dành ngày đầu tiên ôn tập kiến trúc mạng nơ-ron đa tầng (multilayer perceptron) và thuật toán lan truyền ngược (backpropagation) – hai trụ cột lý thuyết không thể thiếu để hiểu các mô hình ngôn ngữ lớn hiện đại. Sang ngày thứ hai, GS dẫn dắt học viên theo dòng lịch sử phát triển của xử lý ngôn ngữ tự nhiên (NLP), từ biểu diễn từ (word embeddings) đến biểu diễn ngữ cảnh và đỉnh cao là kiến trúc Transformer. Ngày thứ ba đi sâu vào bản chất của LLM với quy trình tiền huấn luyện, tinh chỉnh, kỹ thuật prompt engineering và các tham số suy luận như temperature, top-k, top-p, cùng các ứng dụng tiêu biểu như tóm tắt văn bản, hỏi – đáp tự động và phân tích tài liệu. 

GS. Vincent Lefieux giảng bài tại Khoá học

Ngày thứ tư đánh dấu bước ngoặt khi GS. Lefieux chỉ ra những hạn chế cố hữu của LLM, đặc biệt là hiện tượng “ảo giác” (hallucination) – khi mô hình tạo ra thông tin sai lệch một cách tự tin – và vấn đề kiến thức tĩnh không được cập nhật theo thời gian thực. Từ đó, GS giới thiệu mô hình RAG (Retrieval-Augmented Generation) như một giải pháp khắc phục hiệu quả, kết hợp khả năng sinh ngôn ngữ của LLM với cơ chế truy xuất thông tin từ cơ sở dữ liệu vector – cho phép mô hình trả lời dựa trên nguồn tài liệu thực tế, cụ thể và có thể kiểm chứng. Khép lại khoá học, học viên được hướng dẫn thiết kế một pipeline RAG hoàn chỉnh từ tiền xử lý tài liệu, xây dựng chỉ mục vector đến triển khai thực tế với LangChain hoặc LlamaIndex, tạo nền tảng vững chắc để ứng dụng và phát triển trong công việc sau này. 

GS.Vincent Lefieux giảng bài tại Khoá học

Kết thúc khoá học, Ban tổ chức đã trao giấy chứng nhận tham gia khoá học đến toàn thể học viên. Phát biểu bế mạc chương trình, TS. Trần Trung Kiên, đại diện Khoa Khoa học dữ liệu - Bộ môn Toán, Học viện Ngân hàng, bày tỏ sự trân trọng đối với những đóng góp của GS. Vincent Lefieux và hy vọng những kiến thức, kỹ năng được trang bị qua khoá học sẽ là hành trang thiết thực để các học viên tiếp tục nghiên cứu và ứng dụng trong thực tiễn. 

TS. Trần Trung Kiên, đại diện Khoa Khoa học dữ liệu - Bộ môn Toán Học viện Ngân hàng, phát biểu bế mạc khóa học

GS.Vincent Lefieux trực tiếp trao giấy chứng nhận cho các học viên của khoá học

Một số hình ảnh khác của khóa học: