DeepSeek Harness và Cordis hé lộ hướng tiếp cận mới với AI tự cải thiện

DeepSeek Harness (DSH) chưa cho thấy DeepSeek đã xây dựng một hệ thống tự cải thiện đệ quy tự trị, càng chưa phải bằng chứng về trí tuệ nhân tạo tổng quát (AGI). Ý nghĩa thuyết phục hơn của DSH nằm ở kiến trúc: các công cụ, bộ chuyển đổi mô hình, cơ chế phiên làm việc và thậm chí vòng lặp agent đều có thể được xem như những thành phần có thể thay thế. Điều này giúp việc thử nghiệm lặp đi lặp lại trở nên thực tế và an toàn hơn — một nền tảng quan trọng cho tự cải thiện có giới hạn. 2526

Ý tưởng cốt lõi: cải thiện “harness”, không chỉ cải thiện mô hình

“Tự cải thiện đệ quy” (Recursive Self-Improvement, RSI) có thể chỉ nhiều mức độ khác nhau. Một hệ thống có thể cải thiện một sản phẩm cụ thể như thuật toán; hỗ trợ các nhà nghiên cứu tạo ra mô hình kế nhiệm mạnh hơn; hoặc sửa đổi chính lớp hạ tầng quyết định cách một agent hoạt động. Nghiên cứu về RSI phân biệt kiểu tự tinh chỉnh có giới hạn, được đánh giá bằng tiêu chí bên ngoài, với RSI mở, trong đó hệ thống còn thay đổi cả cơ chế hoặc tiêu chuẩn dùng để tự cải thiện. 1

DSH rõ ràng tập trung vào lớp hạ tầng. Thay vì buộc agent phải tự viết lại các trọng số mạng nơ-ron, kiến trúc này cho phép thử nghiệm với những thành phần bao quanh mô hình: prompt, công cụ, bộ nhớ, chính sách, cơ chế điều phối và vòng lặp thực thi. Một thành phần tốt hơn có thể được cài đặt rồi đánh giá; nếu hoạt động kém, nó có thể bị loại bỏ.

Đây là bước tiến đáng kể theo hướng RSI thiên về kỹ thuật hệ thống. Tuy nhiên, nó không đồng nghĩa với việc một agent tự thiết kế mô hình kế nhiệm có năng lực cao hơn, tự quyết định mục tiêu hay khởi động một “vụ nổ trí tuệ” mất kiểm soát.

Cordis biến việc thay đổi runtime thành quy trình có thể khôi phục

DSH được xây dựng trên Cordis, một runtime plugin dựa trên khái niệm mà tài liệu mô tả là “khả năng kết hợp theo không-thời gian” (spatiotemporal composability). Framework này xử lý hai vấn đề khi phần mềm thay đổi trong lúc đang chạy: các thành phần được nạp hoặc gỡ bỏ theo thời gian ra sao, và chúng tương tác với nhau thế nào trong cấu hình hiện tại. 1718

Khả năng kết hợp theo thời gian: hoàn tác các hiệu ứng được quản lý

Một plugin có thể thay đổi runtime dùng chung bằng cách đăng ký tài nguyên, trình lắng nghe sự kiện, dịch vụ hoặc trạng thái khác. Trong nhiều hệ thống plugin thông thường, việc gỡ bỏ phụ thuộc vào mã dọn dẹp được viết thủ công, dễ để lại rò rỉ hoặc “trạng thái ma”.

Cordis gắn những thay đổi của runtime với các hiệu ứng có thể hoàn tác. Khi một thành phần bị gỡ, runtime có thể thực thi các thao tác nghịch đảo tương ứng theo đúng thứ tự. Mục tiêu không phải chạy plugin theo chiều ngược lại, cũng không phải đảo ngược mọi hành động bên ngoài mà agent từng thực hiện, mà là đưa cấu trúc runtime liên quan trở về một cấu hình hợp lệ trước đó. 2024

Đây là điểm cần phân biệt rõ. Cơ chế rollback dành cho đăng ký plugin không thể tự động hoàn tác một email đã gửi, một tệp đã xóa, một mô hình đã được huấn luyện trên dữ liệu nhiễm lỗi hay một hành động không thể đảo ngược trong thế giới vật lý. Tính “có thể đảo ngược” của Cordis vì vậy là một thuộc tính phần mềm có phạm vi giới hạn, không phải lời đảm bảo an toàn tuyệt đối.

Khả năng kết hợp theo không gian: quản lý các quan hệ phụ thuộc

Các thành phần cũng phụ thuộc lẫn nhau. Một công cụ có thể cần đến registry; mô-đun bộ nhớ có thể cần trình quản lý phiên; vòng lặp agent có thể cần bộ chuyển đổi mô hình và giao diện công cụ.

Khả năng kết hợp theo không gian cho phép các thành phần khai báo những quan hệ này, để runtime điều phối việc kích hoạt, vô hiệu hóa, thay thế và khôi phục khi nhà cung cấp hoặc phần phụ thuộc thay đổi. Nhờ đó, một agent dạng mô-đun có thể tự cấu hình lại mà không biến toàn bộ hệ thống thành một khối nguyên khối mong manh. 1820

Kết hợp hiệu ứng có thể hoàn tác với cơ chế quản lý phụ thuộc giúp việc thử nghiệm, thay thế thành phần, phục hồi lỗi và cập nhật runtime theo kiểu giao dịch trở nên an toàn hơn. Đây là những điều kiện tiền đề hữu ích cho tự cải thiện, vì chúng làm giảm chi phí thử một thay đổi — và loại bỏ nó khi thay đổi thất bại.

DSH gợi ý gì về chiến lược AGI của DeepSeek?

Thiết kế của DSH cho thấy một hướng tiếp cận thiên về hệ thống đối với các agent ngày càng tổng quát: làm cho môi trường thực thi đủ linh hoạt để agent có thể cải thiện những cơ chế giúp nó hoàn thành công việc.

Cách tiếp cận này chuyển trọng tâm khỏi bản thân mô hình. Một mô hình cố định vẫn có thể làm việc tốt hơn trên thực tế nếu được trang bị công cụ, bộ nhớ, khả năng lập kế hoạch, đánh giá và phục hồi tốt hơn. Nếu agent có thể đề xuất thay đổi cho các cơ chế đó, kiểm tra chúng bằng tiêu chí bên ngoài và chỉ giữ lại phiên bản thành công, quá trình cải thiện có thể vận hành trong một vòng lặp được kiểm soát.

Nhưng riêng kiến trúc không chứng minh DSH đang tự động thực hiện RSI. Bằng chứng hiện có mô tả một runtime và một harness mã nguồn mở, chứ chưa cho thấy một vòng lặp đầu-cuối trong đó DSH độc lập tạo ra, đánh giá, lựa chọn và triển khai những phiên bản ngày càng mạnh hơn của chính nó. 2526

DSH khác gì với các nỗ lực liên quan đến RSI?

Các hệ thống trong cuộc tranh luận về RSI nhắm đến những lớp khác nhau của quy trình cải thiện. Xem chúng như các sản phẩm thay thế trực tiếp sẽ làm mất đi những khác biệt kỹ thuật quan trọng.

AlphaEvolve của Google DeepMind: tiến hóa thuật toán dựa trên bộ đánh giá

AlphaEvolve gần với một vòng lặp tối ưu hóa trực tiếp hơn. Các agent dựa trên Gemini đề xuất thay đổi mã, bộ đánh giá tự động chấm điểm kết quả, sau đó quy trình tiến hóa thúc đẩy những ứng viên có triển vọng. Google cho biết hệ thống được dùng cho việc phát hiện và tối ưu thuật toán, bao gồm các bài toán toán học và hạ tầng tính toán. 2314

Điểm mạnh cốt lõi của AlphaEvolve là phản hồi: một ứng viên có thể được kiểm tra theo mục tiêu mà máy có thể xác minh. Ngược lại, DSH chủ yếu là kiến trúc runtime để kết hợp và thay thế thành phần một cách an toàn. AlphaEvolve tập trung vào tiến hóa lời giải; Cordis tập trung vào khả năng tái cấu hình an toàn của một hệ thống đang chạy.

RSI Index của OpenAI: đo lường thay vì tạo ra cơ chế cải thiện

Các tài liệu công khai có trong bộ nguồn mô tả RSI Index như một chỉ số tổng hợp từ nhiều bài đánh giá năng lực nghiên cứu AI. Theo cách mô tả đó, đây là công cụ theo dõi năng lực, không phải một engine tự sửa đổi mô hình hay tự vận hành vòng lặp cải thiện. Điểm số có thể phản ánh hiệu suất trên một số nhiệm vụ liên quan đến tự cải thiện, nhưng tự thân nó không chứng minh hệ thống đang tự động cải thiện trong môi trường triển khai. 3435

Vì vậy, nên so sánh RSI Index với DSH ở lớp đo lường, không phải xem nó là đối thủ kiến trúc. Những bằng chứng công khai hiện có cũng chưa đủ để đánh giá độc lập cách chỉ số được xây dựng hoặc ý nghĩa của các biến động điểm số.

Nghiên cứu weak-to-strong tự động của Anthropic: tự động hóa nghiên cứu AI

Các nhà nghiên cứu AI tự động của Anthropic nhắm đến một nút thắt khác: dùng sự giám sát yếu hơn để huấn luyện hoặc hướng dẫn một mô hình mạnh hơn. Các agent của hệ thống đề xuất ý tưởng, chạy thí nghiệm và lặp lại quá trình nghiên cứu về weak-to-strong supervision — phương pháp huấn luyện mô hình mạnh bằng sự giám sát của mô hình yếu hơn. 4958

Công trình này gần với tự động hóa một phần nghiên cứu AI và đánh giá alignment hơn là thay thế thành phần ở cấp runtime như DSH. Về lâu dài, hai hướng có thể bổ trợ cho nhau: agent nghiên cứu có thể phát hiện thành phần tốt hơn, còn một harness có khả năng đảo ngược có thể kiểm tra và triển khai thành phần đó với cơ chế rollback có kiểm soát.

Trong thảo luận công khai rộng hơn, Anthropic cũng đưa ra một giới hạn quan trọng: công ty nói RSI hoàn toàn tự trị vẫn chưa xuất hiện và RSI không phải điều tất yếu. 59

Tencent Hyra-1.0 và MiniMax M2.7: chưa đủ dữ liệu để so sánh kỹ thuật

Các nguồn được cung cấp không có tài liệu kỹ thuật đáng tin cậy và có thể kiểm chứng độc lập về Hyra-1.0 của Tencent hoặc M2.7 của MiniMax. Vì vậy, sẽ gây hiểu lầm nếu gán cho một trong hai hệ thống này một kiến trúc RSI cụ thể hoặc đặt chúng ngang hàng về mặt bằng chứng với DSH, AlphaEvolve hay các công trình đã công bố của Anthropic.

Vì sao môi trường và vòng lặp phản hồi trở thành mặt trận cạnh tranh mới?

Lợi thế cạnh tranh ngày càng nằm ở hệ thống bao quanh mô hình nền tảng. Bốn yếu tố đặc biệt quan trọng:

1. Môi trường đủ năng lực. Sandbox, kho mã, công cụ, trình mô phỏng, bộ dữ liệu, năng lực tính toán và dữ liệu giám sát khi triển khai quyết định agent thực sự có thể thử nghiệm điều gì.
2. Phản hồi tự động. Kiểm thử, bộ xác minh, benchmark, hàm thưởng và chỉ số vận hành biến các thay đổi được đề xuất thành những thí nghiệm có thể đo lường. AlphaEvolve cho thấy giá trị của việc kết hợp ý tưởng do mô hình tạo ra với bộ đánh giá tự động. 26
3. Khả năng phục hồi. Phiên bản hóa, cô lập, truy xuất nguồn gốc, rollback và các cổng phê duyệt giúp tổ chức tiến hành nhiều thử nghiệm mạnh tay hơn mà không để một thất bại làm hỏng vĩnh viễn hệ thống. Hiệu ứng runtime có thể đảo ngược của Cordis trực tiếp phục vụ lớp yêu cầu này. 1720
4. Lặp lại theo cấp số cộng dồn. Nếu mỗi chu kỳ cải thiện đáng tin cậy khả năng lập trình, đánh giá, thử nghiệm hoặc hạ tầng, các chu kỳ sau có thể nhanh hơn hoặc rẻ hơn. Dù vậy, bằng chứng hiện tại ủng hộ rõ hơn cho tự tinh chỉnh có giới hạn, thay vì RSI mở và tự duy trì. 1

Đó là lý do một mô hình có điểm benchmark thấp hơn đôi chút vẫn có thể cạnh tranh nếu hoạt động trong môi trường tốt hơn, với công cụ, phản hồi và cơ chế phục hồi mạnh hơn. Sản phẩm không còn chỉ là checkpoint của mô hình; chính vòng lặp cải thiện mới là sản phẩm.

Bài toán kiểm soát vẫn chưa có lời giải

Khả năng phục hồi giúp giảm rủi ro, nhưng không xóa bỏ rủi ro. Một nút rollback không thể đảm bảo mọi hệ quả từ hành động của agent đều được quan sát hoặc đảo ngược. Thay đổi có thể tác động đến dữ liệu, thông tin xác thực, dịch vụ bên ngoài, ranh giới bảo mật hoặc quyết định của con người nằm ngoài quyền kiểm soát của runtime.

Tốc độ lặp nhanh hơn cũng có thể khuếch đại mục tiêu sai, hành vi “lách” tiêu chí đánh giá, lỗi hồi quy tiềm ẩn và các quan hệ phụ thuộc ngày càng khó hiểu. Kiểm soát của con người vì vậy đòi hỏi nhiều hơn một nút hoàn tác. Các thay đổi phải có thể quan sát, được đánh giá độc lập, được cấp quyền, truy trách nhiệm và thực sự đảo ngược trên toàn bộ hệ thống — không chỉ trong đồ thị plugin.

Kết luận thận trọng nhất là: DSH và Cordis cho thấy hạ tầng agent có thể được thiết kế để tự sửa đổi có giới hạn và có khả năng phục hồi. AlphaEvolve cho thấy sức mạnh của tiến hóa dựa trên bộ đánh giá, còn công trình của Anthropic cho thấy AI đang tham gia ngày càng sâu vào nghiên cứu. Cùng nhau, những hướng này thể hiện tiến bộ toward các vòng lặp cải thiện có AI hỗ trợ, nhưng chưa chứng minh RSI hoàn toàn tự trị, tự duy trì hay AGI đã xuất hiện. 14959