Cựu trưởng nhóm Qwen chia sẻ: Tại sao tư duy lai thất bại và tương lai nằm ở AI tác tử

Nội dung dịch chi tiết

Junyang Lin, cựu trưởng nhóm kỹ thuật dự án Qwen của Alibaba, đã rời vị trí vào ngày 3/3/2026 để trở thành nhà nghiên cứu độc lập. Trong bài thuyết trình và bài viết chuyên sâu gần đây, ông đã tổng kết quá trình phát triển của dòng mô hình Qwen, từ Qwen2.5 đến Qwen3, đồng thời đưa ra nhận định quan trọng: ngành AI đang chuyển dịch từ "huấn luyện mô hình" sang "huấn luyện tác nhân".

Lin chỉ ra rằng tư duy lai (hybrid thinking) – kết hợp chế độ suy luận từng bước và chế độ phản hồi tức thì – là một thách thức kỹ thuật lớn. Việc hợp nhất hai chế độ này thường gây ra xung đột: mô hình hướng dẫn (instruct) cần sự ngắn gọn, trong khi mô hình suy luận (thinking) lại cần tiêu tốn nhiều token hơn. Qwen3 đã thử nghiệm hợp nhất thông qua quy trình hậu huấn luyện bốn giai đoạn, nhưng cuối cùng vẫn phải tách biệt hai biến thể này để đảm bảo hiệu suất tối ưu.

Theo Lin, tư duy suy luận (reasoning thinking) như ở o1 hay DeepSeek-R1 đã dạy cho ngành AI tầm quan trọng của học tăng cường (RL) dựa trên các phần thưởng có thể kiểm chứng như toán học và mã nguồn. Tuy nhiên, ông cho rằng kỷ nguyên tiếp theo là tư duy tác nhân (agentic thinking), nơi AI không chỉ độc thoại nội tâm mà còn phải lập kế hoạch, sử dụng công cụ, đọc phản hồi từ môi trường và điều chỉnh hành động.

Sự khác biệt cốt lõi nằm ở mục tiêu tối ưu hóa. Trong khi tư duy suy luận tập trung vào chất lượng lập luận nội bộ, tư duy tác nhân tập trung vào sự thành công của nhiệm vụ trong môi trường tương tác. Điều này đòi hỏi hạ tầng kỹ thuật phải tách biệt giữa huấn luyện và suy luận để tránh tình trạng nghẽn cổ chai khi tác nhân phải chờ đợi phản hồi từ các công cụ bên ngoài.

Cuối cùng, Lin nhấn mạnh rằng thách thức lớn nhất trong kỷ nguyên tác nhân là vấn đề "hack phần thưởng" (reward hacking) khi mô hình có quyền truy cập vào các công cụ thực tế. Ông cho rằng các đội ngũ phát triển cần tập trung tối ưu hóa chất lượng môi trường – bao gồm tính ổn định, tính thực tế và khả năng chống lại các thao túng – thay vì chỉ tập trung vào sự đa dạng của dữ liệu như trước đây.