# Bài viết Liên quan Bộ khung

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Bộ khung", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Blog mới của Ông Lệ đề xuất "Tiến hóa tự động bắt đầu từ Harness", Thôi Thiên Ý từ DeepSeek chuyển tiếp đồng tình

Cựu Phó chủ tịch phụ trách an ninh tại OpenAI, Weng Li, mới đây đã xuất bản một bài blog với tiêu đề "Harness Engineering for Self-Improvement", thảo luận về con đường thực tế để AI tự phát triển (Recursive Self-Improvement - RSI). Cô đề xuất rằng sự tiến hóa tự động gần đây có thể bắt đầu từ **Harness** - hệ thống thời gian chạy bên ngoài quyết định cách mô hình gọi công cụ, quản lý ngữ cảnh, đọc/ghi tệp, chia nhỏ nhiệm vụ và xác minh kết quả - thay vì trực tiếp sửa đổi trọng số mô hình ngay từ đầu. Bài viết chỉ ra xu hướng tối ưu hóa từng bước: từ **Context Engineering** (như ACE, MCE) để quản lý bộ nhớ, đến **Workflow Design** (như AI Scientist, ADAS) để thiết kế quy trình làm việc, và cuối cùng là **Self-Improving Harness**. Ở cấp độ này, mô hình có thể phân tích điểm yếu của chính harness, đề xuất sửa đổi mã và xác minh chúng thông qua các vòng lặp như Weakness Mining, Harness Proposal và Proposal Validation. Các phương pháp như **Evolutionary Search** và **DGM** (Darwin Gödel Machine) thậm chí cho phép tìm kiếm và tiến hóa harness tự động, mang lại cải thiện hiệu suất đáng kể trên các benchmark như SWE-bench. Nhà nghiên cứu DeepSeek, Cui Tianyi, đồng tình và nhấn mạnh rằng tự phát triển theo hướng harness là một hướng đi đầy hứa hẹn như tự phát triển mô hình. Tuy nhiên, Weng Li cũng chỉ ra những thách thức hiện tại: bộ đánh giá còn yếu và mơ hồ, vấn đề quản lý vòng đời bộ nhớ, kết quả tiêu cực bị bỏ qua, sự thu hẹp đa dạng, reward hacking, và mâu thuẫn giữa thành công ngắn hạn và sức khỏe lâu dài của hệ thống. Cô tin rằng harness và mô hình sẽ củng cố lẫn nhau, và con người vẫn sẽ đóng vai trò giám sát ở cấp độ trừu tượng phù hợp, không bị loại khỏi vòng lặp. Bài blog kết luận rằng harness đang trở thành một biến số quan trọng, vì cùng một mô hình có thể thể hiện khả năng hoàn toàn khác nhau trong các harness khác nhau.

marsbit07/08 10:28

Blog mới của Ông Lệ đề xuất "Tiến hóa tự động bắt đầu từ Harness", Thôi Thiên Ý từ DeepSeek chuyển tiếp đồng tình

marsbit07/08 10:28

Ngoài Mô Hình Đều Là Harness: Deepseek Vào Cuộc, Chiến Trường Cạnh Tranh AI Trong Nước Tại Sao Lại Thay Đổi?

Giữa tháng 5/2026, Deepseek thành lập nhóm Harness mới, tập trung phát triển sản phẩm trí tuệ nhân tạo (AI) cho mã nguồn, đối đầu trực tiếp với Claude Code của Anthropic. Điều này đánh dấu sự chuyển hướng của cuộc cạnh tranh AI trong nước từ "luyện mô hình lớn" sang "xây dựng công cụ và triển khai thực tế". Vậy Harness là gì? Theo công thức "Model + Harness = Agent" của Deepseek, nếu mô hình là "bộ não" thông minh, thì Harness chính là "hệ thống vận hành" cung cấp hướng dẫn công việc, công cụ, bảo mật và xử lý lỗi. Nó biến mô hình chỉ xử lý văn bản thành tác nhân có thể tương tác với thế giới bên ngoài. Deepseek tự phát triển Harness để nắm quyền kiểm soát thiết kế giao diện và vòng lặp dữ liệu huấn luyện, biến thất bại trong thực tế thành dữ liệu để cải thiện mô hình, tạo hiệu ứng bánh đà. Deepseek không đơn độc. Các đại gia công nghệ Trung Quốc đang tìm kiếm vị thế khác biệt thông qua công cụ: - **Tencent**: Tập trung vào kết nối doanh nghiệp với WorkBuddy, tích hợp sâu vào hệ sinh thái WeChat Work và Tencent Cloud để tự động hóa quy trình phức tạp. - **Alibaba**: Hướng đến thâm nhập giao diện web với framework PageAgent mã nguồn mở, giúp tự động hóa trên bất kỳ trang web nào chỉ bằng một dòng code. - **Deepseek**: Bắt đầu từ kịch bản mã hóa - nhu cầu cấp thiết của nhà phát triển. Xu hướng toàn cầu, đại diện bởi công ty Ba Lan Viktor (đạt 20 triệu USD doanh thu hàng năm), cho thấy doanh nghiệp sẵn sàng trả tiền cho AI có khả năng "tự chủ thực thi" các nhiệm vụ dài, phức tạp thay vì chỉ "hỗ trợ tạo ra" nội dung. Tuy nhiên, thách thức kỹ thuật vẫn tồn tại: - **Bùng nổ Token**: Dữ liệu đầu ra từ công cụ có thể làm tràn ngập ngữ cảnh, khiến mô hình mất tập trung. Harness cần có khả năng nén và quản lý thông tin hiệu quả. - **Yêu cầu "Framework dày"**: Các giải pháp đơn giản là không đủ. Harness cần có các tính năng mạnh mẽ như hộp cát bảo mật, kiểm soát quyền chi tiết và khả năng tiếp tục tác vụ bị gián đoạn để đáp ứng nhu cầu ổn định cấp doanh nghiệp. Tóm lại, cuộc cạnh tranh đã chuyển sang giai đoạn công cụ. Khi lựa chọn, doanh nghiệp nên đánh giá khả năng kỹ thuật và tính tương thích của nhà cung cấp, còn nhà phát triển cần tập trung vào khả năng kiểm soát và gỡ lỗi của nền tảng Harness.

marsbit06/22 06:08

Ngoài Mô Hình Đều Là Harness: Deepseek Vào Cuộc, Chiến Trường Cạnh Tranh AI Trong Nước Tại Sao Lại Thay Đổi?

marsbit06/22 06:08

Run rẩy đi con người, AI vẫn đang phi nước đại

Con người run rẩy đi, AI vẫn đang tăng tốc. Bài viết tổng hợp từ Hội nghị Trí tuệ Nhân tạo BAAI 2026, nhấn mạnh AI đang tăng tốc mạnh mẽ, không chỉ trong thế giới kỹ thuật số mà còn tiến vào thế giới vật lý. **Scaling Law vẫn tiếp tục, AI tự hoàn thiện:** Dù có lo ngại về việc dữ liệu văn bản chất lượng cao cạn kiệt, nhiều chuyên gia tại hội nghị khẳng định Định luật Mở rộng (Scaling Law) chưa chạm trần, mà đang trở nên đa dạng hơn, tiếp tục thúc đẩy hiệu suất của các mô hình ngôn ngữ lớn (LLM) và đa phương thức. Đồng thời, với sự trưởng thành của AI Coding và tác nhân AI (Agent), xu hướng tự hoàn thiện của AI ngày càng rõ, từ viết code đến tự động cập nhật sản phẩm. **Mô hình Thế giới: Mặt trận then chốt tiếp theo:** Cộng đồng đang tập trung vào việc phát triển Mô hình Thế giới (World Model) để AI hiểu và tương tác với thế giới vật lý. Tuy nhiên, lộ trình công nghệ chưa hội tụ, với nhiều hướng tiếp cận khác nhau (lấy ngôn ngữ, pixel, cấu trúc 3D hoặc biểu diễn hình ảnh làm trung tâm). Các vấn đề như dữ liệu đào tạo (video, mô phỏng hay dữ liệu thực) vẫn cần được giải quyết. Viện Nghiên cứu Trí tuệ Nhân tạo Bắc Kinh (BAAI) dự đoán cần 3-5 năm nữa để mô hình này phát triển và đang nghiên cứu một con đường tích hợp. **Tác nhân AI (Agent): Từ 'Khả dụng' đến 'Dễ dùng':** Agent, cầu nối đưa AI vào cuộc sống, đã có những bước tiến đáng kể, trở nên chủ động và xử lý được các nhiệm vụ phức tạp hơn (như chẩn đoán y tế hỗ trợ, nghiên cứu, ghi chú hội nghị). Để từ "khả dụng" tiến tới "dễ dùng", trọng tâm hiện nay là phát triển "Harness" - khung công nghệ hoặc môi trường bao quanh Agent - nhằm cải thiện khả năng hiểu ý định, thiết kế quy trình, xác minh và phản hồi, nâng cao độ tin cậy và hiệu quả tổng thể. Tóm lại, ngành AI đang trên đà phát triển nhanh chóng với sức mạnh mô hình tiếp tục được mở rộng, cuộc đua chinh phục Mô hình Thế giới đã bắt đầu và các Agent đang dần được hoàn thiện để thực sự hữu ích trong các tình huống thực tế.

marsbit06/13 02:53

Run rẩy đi con người, AI vẫn đang phi nước đại

marsbit06/13 02:53

Anthropic cảnh báo toàn cầu, OpenAI đã vượt qua 'ngưỡng tin cậy': AI tự kích hoạt tăng tốc

Cộng đồng AI đang chấn động bởi cảnh báo từ Anthropic: nghiên cứu AI cần dừng lại! Hãng này lo ngại AI đang tiến gần đến điểm "tự tạo ra chính mình", với quá trình tự cải tiến đệ quy diễn ra nhanh hơn dự kiến. Đồng thời, Yann Dubois của OpenAI chia sẻ một quan điểm then chốt: sự phát triển của AI là liên tục, nhưng người dùng cảm nhận một bước nhảy vọt khi nó vượt qua "ngưỡng độ tin cậy". OpenAI đã đạt được ngưỡng này vào khoảng tháng 12 năm ngoái. Khi AI đủ tin cậy, nó từ một "thực tập sinh" trở thành một "nhân viên" thực thụ và bắt đầu tự gia tốc, đặc biệt trong việc hỗ trợ lập trình, tạo ra một vòng lặp phát triển ngày càng nhanh. Dubois nhấn mạnh việc xây dựng AI giống "nghề thủ công" hơn là khoa học thuần túy, dựa nhiều vào thử nghiệm và trực giác. Ông cũng đưa ra một tuyên bố gây chú ý: nếu đóng băng các mô hình hiện tại và chỉ tập trung vào hệ thống điều phối (Harness) cho các lĩnh vực chuyên sâu, chúng ta có thể đã đạt được cảm giác của AGI (Trí tuệ nhân tạo phổ quát). Rào cản thực sự không nằm ở bộ não mô hình, mà ở "quyền truy cập, kết nối và dữ liệu" – công việc khó khăn của "chặng đường cuối cùng" để đưa AI vào thực tế. Tuy vậy, một thách thức lớn vẫn tồn tại: khả năng học liên tục (continual learning). Hiện tại, AI thường đạt hiệu suất cao ban đầu nhưng sau đó không cải thiện nhiều trong môi trường cụ thể. Giải quyết vấn đề này là chìa khóa quan trọng cho tương lai. Dubois kết luận rằng vẫn có không gian rộng lớn cho các công ty khởi nghiệp trong việc tạo ra các ứng dụng chuyên sâu, tập trung vào tích hợp và giải quyết các vấn đề thực tế.

marsbit06/06 23:27

Anthropic cảnh báo toàn cầu, OpenAI đã vượt qua 'ngưỡng tin cậy': AI tự kích hoạt tăng tốc

marsbit06/06 23:27

Nguồn tin nội bộ: DeepSeek đang thành lập nhóm Harness, đối đầu với Claude Code

Theo nguồn tin thân cận với DeepSeek, công ty này đang tổ chức một đội ngũ mới có tên "Harness" để phát triển sản phẩm trợ lý mã nguồn thông minh, trực tiếp đối đầu với Claude Code của Anthropic. Thông tin được xác nhận bởi nhà nghiên cứu kỳ cựu Trần Đức Lý thông qua mạng xã hội. DeepSeek đang tuyển dụng hai vị trí then chốt: Quản lý sản phẩm Harness và Kỹ sư phát triển Harness tại Bắc Kinh. Điều đáng chú ý là họ định nghĩa công thức cốt lõi: "Mô hình + Harness = Tác tử (Agent)". Điều này cho thấy DeepSeek không chỉ đơn thuần tạo một plugin trợ lý mã nguồn, mà đang bổ sung lớp trung gian kết nối mô hình với quy trình công việc thực tế, bao gồm quản lý ngữ cảnh, gọi công cụ, lập kế hoạch, đọc/ghi tệp và thực thi lệnh. Bài viết phân tích rằng cuộc cạnh tranh AI trong lập trình đang chuyển từ khả năng mô hình sang việc chiếm lĩnh luồng công việc của nhà phát triển. Mặc dù DeepSeek đã có nền tảng mô hình mã nguồn mạnh (DeepSeek-Coder), họ cần một sản phẩm chính thức tích hợp sâu vào quy trình làm việc. Sự nổi lên của dự án cộng đồng DeepSeek-TUI - một tác tử mã nguồn chạy trên terminal - chứng tỏ nhu cầu thị trường và sự thiếu vắng một giải pháp Harness chính thức. Harness chính thức từ DeepSeek sẽ có lợi thế mà dự án cộng đồng không có: khả năng cộng tác với đội ngũ mô hình, thiết kế giao diện, vòng lặp dữ liệu huấn luyện khép kín và tiếp cận các tình huống công việc thực tế. Động thái này đánh dấu việc DeepSeek chính thức tham gia vào "cuộc chiến Tác tử", trang bị cho mô hình của mình khả năng hành động trong môi trường thực.

链捕手05/22 02:18

Nguồn tin nội bộ: DeepSeek đang thành lập nhóm Harness, đối đầu với Claude Code

链捕手05/22 02:18

Năm Mô Hình Lõi của AI Agent Theo Góc Nhìn Của Y Combinator

Biên tập viên: Khi AI Agent phát triển từ các lệnh prompt đơn lẻ và vibe coding sang giai đoạn quy trình làm việc phức tạp hơn, câu hỏi quan trọng không còn là "mô hình có thể hoàn thành nhiệm vụ không", mà là "có thể biến khả năng AI thành tài sổi quy trình có thể tái sử dụng và tích lũy được không". Bài viết, dựa trên GBrain của Garry Tan, tổng kết năm hình thái cốt lõi mà nhiều người dùng các công cụ Agent như Codex, Claude Code, Hermes đang hướng tới: 1. **Kỹ năng (Skills) có thể tham số hóa:** Giống như một lệnh gọi hàm, cùng một quy trình có thể xử lý một loạt vấn đề nhờ thay đổi tham số đầu vào, thay vì chỉ một nhiệm vụ cụ thể như SOP truyền thống. 2. **Khung thực thi nhẹ (Thin Harness):** Đóng vai trò là "tay chân" cho mô hình AI, thực thi tác vụ, quản lý ngữ cảnh với code cốt lõi chỉ khoảng 200 dòng. Lỗi phổ biến là làm "phình to" Harness với quá nhiều công cụ, dẫn đến "thối rữa ngữ cảnh". 3. **Bộ định tuyến (Resolvers):** Giải quyết vấn đề "thối rữa ngữ cảnh" bằng cách lập bảng định tuyến rõ ràng, ánh xạ loại nhiệm vụ với Skill cần gọi, đảm bảo đầu ra ổn định, đúng vị trí. 4. **Tách biệt Tiềm ẩn & Xác định (Latent vs. Deterministic):** Giao công việc đòi hỏi phán đoán, tổng hợp cho LLM; còn các tác vụ cần độ chính xác, lặp lại (như tính toán) thì giao cho hệ thống mã code xác định. 5. **Bộ nhớ (Memory):** Yếu tố then chốt để hệ thống có thể tích lũy. Có thể là thư mục markdown với các trang cho từng đối tượng, kết hợp cơ chế cập nhật, bổ sung tự động (như "dream cycle"). Sự kết hợp của các mô-đun này tạo ra **"Năng lực quy trình" (Process Power)** - một lợi thế cạnh tranh bền vững trong kỷ nguyên AI. Khác với các ứng dụng tạo ra một lần, hệ thống này mã hóa kinh nghiệm thành quy trình, tách biệt logic ổn định và phán đoán, đồng thời liên tục học hỏi. Điều này cho phép cá nhân hay nhóm nhỏ cung cấp dịch vụ chất lượng cao hơn, khó bị sao chép hơn, vì lợi thế được xây dựng và tích lũy ngay từ đầu thông qua cấu trúc có chủ đích.

marsbit05/20 07:49

Năm Mô Hình Lõi của AI Agent Theo Góc Nhìn Của Y Combinator

marsbit05/20 07:49

Harness Mỏng, Kỹ Năng Dày: Nguồn gốc thực sự của năng suất AI gấp 100 lần

Trong bài viết "Thin Harness, Fat Skills: Nguồn gốc thực sự của năng suất AI gấp 100 lần", tác giả Garry Tan (Chủ tịch kiêm CEO Y Combinator) cho rằng sự khác biệt lớn về năng suất khi sử dụng AI không đến từ mô hình mạnh hơn, mà từ một hệ thống được thiết kế tốt xung quanh mô hình. Ông giới thiệu khung "thin harness, fat skills" (khung chạy mỏng, kỹ năng dày), phân tích ứng dụng AI thành 5 thành phần chính: 1. **Skill file (Tệp kỹ năng):** Tài liệu markdown có thể tái sử dụng, dạy mô hình *cách* thực hiện một quy trình cụ thể với các tham số đầu vào khác nhau. 2. **Harness (Khung chạy):** Lớp chương trình mỏng chỉ quản lý việc chạy mô hình, đọc/ghi file, quản lý ngữ cảnh và ràng buộc bảo mật. 3. **Resolver (Bộ phân giải):** Bảng định tuyến ngữ cảnh, quyết định tải thông tin nào vào đúng thời điểm. 4. **Latent vs. Deterministic (Tiềm ẩn vs. Xác định):** Phân biệt rõ ràng nhiệm vụ cần trí thông minh (phán đoán, tổng hợp) và nhiệm vụ cần tính xác định (truy vấn, tính toán). 5. **Diarization (Quy chuẩn tài liệu):** Khả năng của mô hình đọc, tổng hợp và nén nhiều tài liệu thành một bản tóm tắt cấu trúc hóa về một chủ đề. Hệ thống ba tầng (kỹ năng dày, khung chạy mỏng, cơ sở hạ tầng xác định) cho phép kỹ năng tự động cải thiện theo thời gian thông qua vòng lặp học tập (đọc -> phân tích -> viết lại kỹ năng), mà không cần viết lại mã. Điều này biến AI từ công cụ một lần thành cơ sở hạ tầng có hiệu ứng lãi kép, nơi giá trị tích lũy theo thời gian và mọi kỹ năng đều được nâng cấp vĩnh viễn khi mô hình mới ra mắt.

marsbit04/13 04:24

Harness Mỏng, Kỹ Năng Dày: Nguồn gốc thực sự của năng suất AI gấp 100 lần

marsbit04/13 04:24

活动图片