Câu trả lờiĐã xuất bản13 nguồn
Qwen muốn AI không chỉ trả lời mà còn hiểu việc cần làm
Qwen đề xuất kết hợp mô hình, bộ nhớ và hệ sinh thái để AI tiến từ trò chuyện, làm tác vụ được giao đến hỗ trợ cá nhân hóa và chủ động hơn. Qwen cho biết đã xây dựng bản đồ nhu cầu người dùng ở hơn 30 ngành, phân rã thành hơn 8.000 yêu cầu năng lực và mời chuyên gia ngành tham gia đánh giá.[1] Bộ nhớ sẽ liên kết thô...
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Qwen đề xuất kết hợp mô hình, bộ nhớ và hệ sinh thái để AI tiến từ trò chuyện, làm tác vụ được giao đến hỗ trợ cá nhân hóa và chủ động hơn.
- Qwen cho biết đã xây dựng bản đồ nhu cầu người dùng ở hơn 30 ngành, phân rã thành hơn 8.000 yêu cầu năng lực và mời chuyên gia ngành tham gia đánh giá.[1]
- Bộ nhớ sẽ liên kết thông tin quá khứ với nhu cầu hiện tại; hệ sinh thái có thể bổ sung kiến thức, công cụ và dịch vụ.
Prompt AI
openai.comCreate a landscape editorial hero image for this Studio Global article: What personal-agent framework did Jiang Guanjun, Alibaba Qwen’s AI algorithm lead, outline at CNCC 2026 in Chengdu on October 22, and how do. Article summary: Jiang Guanjun outlined a three-pillar Personal Agent framework—model, memory and ecosystem—intended to move Qwen beyond answering questions and completing requested tasks toward proactive, personalized assistance that cr. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Tại China Computer Congress 2026 ngày 22/10, Jiang Guanjun, phụ trách thuật toán AI của bộ phận Qwen thuộc Alibaba, trình bày khung Personal Agent — tác nhân AI cá nhân — dựa trên ba trụ cột: mô hình, bộ nhớ và hệ sinh thái. Mục tiêu là đưa AI vượt khỏi việc chỉ trả lời câu hỏi hay làm theo yêu cầu cụ thể, để có thể hiểu bối cảnh cá nhân, lập kế hoạch theo mục tiêu và chủ động gợi ý những nhu cầu người dùng có thể chưa để ý.2
3
Từ trò chuyện đến trợ lý cá nhân
Jiang mô tả ba giai đoạn phát triển của ứng dụng AI: trò chuyện, tác nhân và trợ lý. Ở giai đoạn đầu, AI đối thoại; tác nhân có thể thực hiện một nhiệm vụ được giao. Trợ lý cá nhân tiến thêm một bước: kết hợp kiến thức chuyên môn với bối cảnh của người dùng, tự lập kế hoạch và hành động hướng đến mục tiêu, thậm chí phát hiện nhu cầu còn bỏ sót.3
Ông cho rằng về lý thuyết, Personal Agent có thể giải quyết gần như toàn bộ vấn đề thường ngày trong công việc, học tập và cuộc sống. Tuy nhiên, đây là mức tiềm năng được nêu ra, không phải kết quả hiệu năng đã đạt được. Nút thắt then chốt là làm sao chọn đúng năng lực và ghép nó với hướng giải quyết phù hợp cho từng vấn đề.1
Ba trụ cột của khung Qwen
1. Mô hình: thực hiện tác vụ ổn định
Qwen cho biết đã lập bản đồ nhu cầu người dùng tại hơn 30 ngành hàng đầu, phân tách các nhu cầu này thành hơn 8.000 yêu cầu năng lực mô hình ở cấp độ cơ bản. Chuyên gia trong ngành cũng tham gia đánh giá và tối ưu mô hình, với mục tiêu giúp AI hiểu sát nhu cầu thực tế và xử lý tác vụ phức tạp ổn định hơn.1
Điểm nhấn không chỉ là trả lời trôi chảy, mà là hiểu người dùng cần gì và thực hiện công việc đáng tin cậy.1
2. Bộ nhớ: gợi lại đúng thông tin có ích
Một trợ lý cá nhân cần hiểu người dùng theo thời gian. Nhưng theo Jiang, chỉ tích lũy ngày càng nhiều lịch sử trò chuyện có thể tạo thêm nhiễu và làm tăng chi phí suy luận. Hướng tiếp cận của Qwen là tìm mối liên hệ giữa các sự kiện, rồi truy xuất bối cảnh phù hợp với yêu cầu hiện tại; thông tin được lưu trữ và gọi lại theo mức độ liên quan.1
Ví dụ, AI có thể dựa vào thông tin một người lớn tuổi từng chia sẻ về lương hưu để đưa ra lời khuyên phù hợp hơn khi con họ tìm việc. Ý tưởng là nối những dữ kiện hữu ích giữa các chủ đề, thay vì xem mỗi cuộc trò chuyện là một mẩu riêng biệt hoặc cố nhớ mọi thứ như nhau.1
3. Hệ sinh thái: kết nối kiến thức và dịch vụ
Trụ cột hệ sinh thái giúp nối phần lập kế hoạch với sự hỗ trợ thực tế. Các bài tường thuật cho biết Qwen đang xây dựng hệ thống dịch vụ mở, lấy mô hình làm trung tâm, tích hợp kiến thức chuyên môn, công cụ, kỹ năng theo ngành và tác nhân AI bên thứ ba. Những lĩnh vực được đề cập gồm thương mại điện tử, dịch vụ địa phương, y tế và giáo dục.3
Một số mục tiêu cần nhiều hơn một câu trả lời: có thể cần kiến thức chuyên ngành, một công cụ hoặc dịch vụ bên ngoài để triển khai. Các báo cáo cũng nêu sự phát triển của mô hình và công nghệ harness — lớp điều phối, vận hành tác nhân — như một phần bối cảnh giúp cải thiện khả năng phối hợp trong hệ sinh thái.2
Ba trụ cột phối hợp ra sao?
Có thể hình dung quy trình như sau: bộ nhớ cung cấp bối cảnh cá nhân liên quan; mô hình diễn giải nhu cầu và lên kế hoạch; hệ sinh thái đưa vào kiến thức, công cụ hoặc dịch vụ để hỗ trợ thực hiện. Theo Jiang, chỉ tăng số lượng năng lực là chưa đủ — hệ thống cần phối hợp và chọn đúng năng lực cho vấn đề trước mắt.1
3
Các bài viết nêu việc theo dõi kế hoạch phục hồi sức khỏe và nhắc nhở về rủi ro tài chính như những ví dụ về dịch vụ chủ động mà cách phối hợp này có thể hướng tới. Những ví dụ đó thể hiện định hướng đề xuất, chứ không xác nhận rằng các dịch vụ cụ thể đã được triển khai hay có độ tin cậy được đo lường.1
Tham vọng công nghệ không đồng nghĩa sản phẩm đã hoàn thiện
Con số gần 100% là mức trần lý thuyết được nêu ra, không phải tỷ lệ thành công đã được báo cáo. Tương tự, việc xây dựng hệ sinh thái mở hay hướng tới trợ lý chủ động không có nghĩa mọi tích hợp và dịch vụ đều đã sẵn có.1
3
Một cập nhật sản phẩm được đưa tin cho biết Qwen Go! đã mở thử nghiệm theo thư mời cho tính năng “Ứng dụng của tôi”. Người dùng có thể mô tả bằng ngôn ngữ tự nhiên ứng dụng muốn tạo cho công việc, học tập hoặc sinh hoạt hằng ngày. Đây là một ví dụ sản phẩm được công bố, nhưng chưa thể xem là bằng chứng toàn bộ tầm nhìn Personal Agent đã thành hiện thực.3
Điểm cốt lõi trong khung Qwen vì thế không phải là “trò chuyện nhiều hơn”, mà là phối hợp để hỗ trợ: mô hình hành động ổn định, bộ nhớ chọn lọc đúng bối cảnh cá nhân và hệ sinh thái kết nối kế hoạch với chuyên môn, công cụ và dịch vụ.1
3
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Qwen muốn AI không chỉ trả lời mà còn hiểu việc cần làm" là gì?
Qwen đề xuất kết hợp mô hình, bộ nhớ và hệ sinh thái để AI tiến từ trò chuyện, làm tác vụ được giao đến hỗ trợ cá nhân hóa và chủ động hơn.
Những điểm chính cần xác nhận đầu tiên là gì?
Qwen đề xuất kết hợp mô hình, bộ nhớ và hệ sinh thái để AI tiến từ trò chuyện, làm tác vụ được giao đến hỗ trợ cá nhân hóa và chủ động hơn. Qwen cho biết đã xây dựng bản đồ nhu cầu người dùng ở hơn 30 ngành, phân rã thành hơn 8.000 yêu cầu năng lực và mời chuyên gia ngành tham gia đánh giá.[1]
Tôi nên làm gì tiếp theo trong thực tế?
Bộ nhớ sẽ liên kết thông tin quá khứ với nhu cầu hiện tại; hệ sinh thái có thể bổ sung kiến thức, công cụ và dịch vụ.