Link bài viết gốc： https://mp.weixin.qq.com/s/WI2mWJWOTvHFh...
Kim Tiên Sinh là người Triều Tiên à · Official Account · Lão Kim cùng bạn chơi AI · 2026-10-15 15:39
Bài viết này được chia sẻ lại, bản quyền thuộc về tác giả gốc, toàn văn căn cứ theo link bài gốc
Việc AI nhớ những gì bạn từng nói giờ đã không còn là điều mới lạ.
Nhưng nếu lần trước bạn nói đầu gối cần được chú ý giữ gìn, liệu lần tới khi nhờ lên lịch chạy bộ, nó có chủ động chọn đường bằng phẳng hay không?
Trong lịch của bạn lúc 10 giờ có việc, liệu nó có tính luôn cả điểm kết thúc vào kế hoạch không?
Đây mới chính là phần đáng để mổ xẻ nhất trong model mới lần này của Meta.
Vào ngày 13 tháng 10 theo giờ Bắc Kinh, Meta đã ra mắt Muse Wonder và Muse Wonder Full. Trong đó có một năng lực mang tên Active Memory: Giữ lại context quan trọng xuyên suốt các phiên đối thoại, khi gặp task liên quan sẽ chủ động lôi ra dùng.
Đại ý có thể hiểu là: những gì bạn nói, nó có thể lôi ra nhắc lại, nhưng khi thực sự giao việc thì lại quên sạch các yêu cầu đó, vậy thì trí nhớ này có tác dụng gì đâu chứ...
Memory dài hạn có hữu ích hay không, phải xem những điều kiện mà bạn không nhắc lại liệu có còn được áp dụng ở lần xử lý công việc tiếp theo hay không.
Trong bản demo chính thức do Meta công bố lần này, có một đoạn về quy trình lên lịch chạy đường dài. Nó đã đưa các kỷ lục cá nhân và lịch trình vào task mới, rất thích hợp để xem những context này rốt cuộc đã thay đổi được những gì.
Sau khi nhớ con số 14,1 km, nó đã làm những gì?
Người dùng trong bản demo yêu cầu Muse lên lịch chạy đường dài cho thứ Bảy tuần tới, kết hợp thói quen từ ứng dụng sức khỏe và lịch trình, rồi đưa lộ trình cùng thời gian vào calendar.
Muse trước tiên truy xuất một kỷ lục chạy dài 14,1 km trong lịch sử, sau đó tìm thấy thói quen cá nhân của người này như mỗi tuần tăng thêm 1 km, cố gắng chạy đường bằng để bảo vệ đầu gối. Trong lịch còn có một lịch trình không thể bỏ sót: 10 giờ sáng thứ Bảy phải đến thư viện.
Khi gom tất cả thông tin này lại, nhiệm vụ đã thay đổi.
Phải chạy bao xa, cần tham khảo kỷ lục trước đây.
Chọn lộ trình thế nào, phải lưu ý đến đầu gối.
Mấy giờ xuất phát, kết thúc ở đâu, lại phải khớp với lịch trình lúc 10 giờ.
Thiếu một mục, kế hoạch lập ra trông có vẻ ổn thỏa nhưng lại không hề phù hợp với người này.
Dựa theo kỷ lục và thói quen của chính người dùng, Muse sau đó đã chọn cự ly 15,1 km, sắp xếp xuất phát lúc 8 giờ sáng và chạy theo lộ trình bằng phẳng.
Tiếp đó, nó vẽ lộ trình ra, cứ mỗi 5 km dọc đường lại đặt một đánh dấu, lưu thành một liên kết bản đồ có thể chia sẻ.
Sau đó, Muse quay lại ứng dụng lịch.
Sự kiện mới được ghi là 15,1 km, thời gian từ 8h00 đến 9h40 , link lộ trình cũng được chèn vào. Điểm xuất phát là Công viên Seal Point, còn điểm kết thúc được đặt thẳng tại Thư viện Foster City, vừa khéo nối tiếp vào lịch trình lúc 10 giờ.
Không phải chạy xong rồi quay về điểm xuất phát rồi để người dùng tự xoay xở làm sao đến thư viện. Nó đã gom cả hai việc này vào cùng một kế hoạch để cân nhắc.
Theo kế hoạch này, chạy xong lúc 9h40, đến 10h sang thư viện, ở giữa vẫn còn dư 20 phút. Cả thời gian lẫn bản đồ đều được đặt trong cùng một sự kiện lịch, đến lúc đó chỉ cần mở ra là thấy ngay.
Tôi nghĩ điểm đáng chú ý ở đây là: thông tin cũ đã tác động đến một lựa chọn cụ thể—con đường thực sự dẫn đến đâu. Dù việc người dùng nhờ là chạy bộ, nhưng sau khi chạy xong, người này vẫn phải tiếp tục ngày thứ Bảy của mình.
Nhớ một con số chỉ là lưu giữ thông tin. Khiến lộ trình nối tiếp với lịch trình tiếp theo, memory mới thực sự tham gia vào việc ra quyết định.
Những đoạn video này đều là bản demo chính thức đã được rút gọn quy trình. Định nghĩa Active Memory giữ context xuyên suốt các phiên đối thoại đến từ phần giới thiệu của Meta; hình ảnh cho thấy bối cảnh cá nhân được đưa vào task, nhưng không phân định rõ từng mục xem cái nào đến từ memory dài hạn, cái nào đến từ việc truy vấn ứng dụng.
Dặn dò cũ phải nhớ, yêu cầu mới cũng không được bỏ sót
Có memory dài hạn rồi lại nảy sinh một vấn đề khác: khi thực sự bắt tay vào làm việc, liệu các yêu cầu có bị rơi rụng khi chuyển đổi giữa các công cụ không?
Trong một đoạn demo khác của Meta về xếp chỗ ngồi đám cưới, rắc rối lại nằm ngay ở cột ghi chú của danh sách khách mời.
47 vị khách, có người cần chỗ ngồi thuận tiện cho người khuyết tật, có người bị dị ứng, lại có những khách cần phải ngồi tách nhau ra. Xếp đủ tên vào sáu bàn chỉ là một phần việc, chính các ghi chú mới quyết định những chỗ nào không được tùy tiện ghép vào.
Muse trước tiên tổng hợp các điều kiện cần tuân thủ khi sắp xếp, sau đó import danh sách vào công cụ xếp chỗ. Bên trái là khách mời, bên phải là bàn tròn và ghế tại sảnh tiệc, những chiếc ghế vốn trống trơn dần dần được lấp đầy.
Sau khi xếp xong, nó quay lại đối chiếu với các yêu cầu ban đầu để kiểm tra, rồi mở danh sách đã export ra. Sáu bàn, gồm năm bàn mỗi bàn 8 người và một bàn 7 người, tổng cộng đúng 47 khách.
47 người có đủ chỗ ngồi hay không, đếm qua là biết. Còn về việc vì sao có người phải ngồi ở vị trí này, vì sao hai người lại phải ngồi cách xa nhau, câu trả lời vẫn nằm ở phần ghi chú ban đầu. Khi chuyển sang công cụ xếp chỗ, những lý do này cũng phải đi cùng với tên của họ.
Điều tôi quan tâm chính là đoạn này. Chúng ta đưa ra một yêu cầu đặc biệt thường là vì nếu làm theo cách thông thường sẽ phát sinh sự cố. Trợ lý ghi nhớ điều đó, đến lúc thực sự xếp chỗ ngồi cũng phải bám sát yêu cầu này, người dùng mới dám an tâm bớt để mắt canh chừng.
Nhớ được không đồng nghĩa với làm xong việc
Meta còn giới thiệu một năng lực khác cho nhóm model này, mang tên Active Focus. Theo giới thiệu chính thức, khi task bị nghẽn nó sẽ thử các cách khác, làm rõ khi cần thiết và xin xác nhận trước các hành động quan trọng.
Active Memory quản lý việc context từng dặn trước đây liệu lần này có dùng được không. Active Focus quản lý việc sau khi task bắt đầu, nếu gặp vấn đề thì có tiếp tục xử lý được hay không.
Đoạn demo làm áo thun sinh nhật cho Coco đã phải trải qua nhiều công cụ khác nhau. Ảnh phải tìm trước, tìm xong còn phải đưa lên áo, căn chỉnh vị trí rồi mới tiếp tục xử lý đặt hàng.
Người dùng yêu cầu áo phông đen, phong cách ban nhạc retro, và đặc biệt ghi rõ: bắt buộc phải dùng ảnh thật của Coco trên Instagram, không được generate hay vẽ lại một con mèo khác để thay thế.
Muse trước tiên mở trang ảnh để chọn hình, sau đó vào trình chỉnh sửa tùy biến. Chữ COCO màu vàng đặt phía trên, ảnh đặt phía dưới, rồi phóng to và căn chỉnh vị trí.
Áo có thể thiết kế hoa mỹ một chút, nhưng mèo thì tuyệt đối không được đổi. Đến cuối cùng, dòng tên màu vàng và bức ảnh thật đã cùng xuất hiện trên một chiếc áo phông đen, bản demo chính thức cũng bước vào bước đặt hàng.
Chọn ảnh, dàn trang, tiếp tục xử lý đặt hàng, mỗi bước dùng một giao diện khác nhau, nhưng yêu cầu ban đầu là "phải là Coco" luôn phải được giữ vững. Điều này cũng nhắc nhở tôi rằng giá trị của memory dài hạn cần được bảo đảm bằng năng lực thực thi: nhớ được bạn quan tâm điều gì, và còn phải giữ trọn vẹn điều đó trong từng thao tác cụ thể.
Nếu bạn muốn trải nghiệm thử, hiện tại cũng cần nắm rõ cổng truy cập. Muse Wonder hiện đã được cung cấp qua Meta Model API và Muse Code, còn Muse Wonder Full chỉ mở trong các gói Power Usage và Maximum Usage của Muse Code. Bạn có thể xem cổng truy cập tương ứng từ trang model chính thức.
Ứng dụng Muse thông thường hiện vẫn ở trạng thái "sắp kết nối", ưu tiên người dùng đăng ký trả phí, và chưa có ngày mở rộng hoàn toàn. Hiện tại nếu muốn dùng thử, chủ yếu vẫn phải đi qua cổng dành cho developer kể trên.
Lời kết
Điểm hấp dẫn nhất của memory dài hạn là sau này bạn không cần phải giải thích lại về bản thân từ đầu.
Thế nhưng, ngẫm kỹ lại theo lộ trình chạy bộ dẫn đến thư viện kia, bạn sẽ nhận ra: một trợ lý càng hiểu rõ quá khứ của bạn thì lại càng cần biết những điều gì trong quá khứ đã không còn áp dụng được nữa.
Lần trước cần bảo vệ đầu gối, lần này tình trạng thể chất có thể đã khác. Trước đây mỗi tuần muốn chạy thêm 1 km, sau này cũng có thể chỉ muốn chạy nhẹ nhàng thư giãn hơn. Con người luôn có lúc đổi ý hoặc thay đổi lịch trình.
Memory càng có khả năng tác động đến hành động thì những memory đã lỗi thời lại càng có sức nặng. Nó sẽ âm thầm làm thay đổi thời gian, lộ trình, thậm chí cả những lựa chọn mà bạn không hề nhắc lại nữa.
Một memory dài hạn tốt không nên bắt bạn sau này lúc nào cũng phải rập khuôn theo con người của mình trong quá khứ.
Lần này Meta đã cho chúng ta thấy giá trị của việc đưa context cũ vào hành động. Tiếp theo, điều tôi muốn thấy hơn là khi người dùng buột miệng nói một câu "dạo này khác rồi", trợ lý liệu có hiểu được sức nặng của câu nói đó hay không.
Có những chuyện, ghi nhớ được là rất quan trọng.
Còn khi nào không cần phải làm theo những dặn dò cũ nữa, cũng quan trọng không kém.
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác