# Bài viết Liên quan Đa tác nhân

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Đa tác nhân", 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.

Nhật Bản: Con Ngựa Ô Về Trí Tuệ Nhân Tạo Xuất Hiện, Mô Hình 7B Nhỏ Bé Làm Thế Nào Để Sánh Vai Fable Và Mythos?

Tháng 6/2026, Sakana AI từ Tokyo gây chấn động với mô hình Fugu. Dù chỉ có 7B tham số, lõi của nó là "RL Conductor" hoạt động như một "giám đốc" thông minh, không tự tạo câu trả lời mà điều phối động các mô hình lớn toàn cầu như GPT-5 hay Claude Opus để xử lý các tác vụ con. Trên các bài kiểm tra khắt khe SWE-Bench Pro và TerminalBench, Fugu Ultra đạt điểm vượt trội so với GPT-5.5 và Claude Opus 4.8, thậm chí được tuyên bố là ngang hàng với các mô hình đỉnh cao bị hạn chế xuất khẩu như Fable 5. Kiến trúc "điều phối đa tác nhân" này mang lại lợi thế trong các tác vụ phức tạp, nhiều bước như duyệt code, hội thoại dài hay kiểm thử bảo mật, nhờ khả năng tổng hợp chuyên môn từ nhiều mô hình. Tuy nhiên, Fugu tồn tại điểm yếu là phụ thuộc vào API của các mô hình nền tảng Mỹ, tiềm ẩn rủi ro về chi phí, độ trễ và tính ổn định. Cách tiếp cận này phản ánh lối thoát "bất đối xứng" của Nhật Bản trong bối cảnh hạn chế về điện toán lực và dữ liệu, tập trung vào sự khéo léo trong điều phối hệ thống thay vì chạy đua tham số thuần túy.

marsbit06/22 11:20

Nhật Bản: Con Ngựa Ô Về Trí Tuệ Nhân Tạo Xuất Hiện, Mô Hình 7B Nhỏ Bé Làm Thế Nào Để Sánh Vai Fable Và Mythos?

marsbit06/22 11:20

AGI không phải là điểm kết thúc, nghiên cứu mới của DeepMind: Hướng tới ASI, tiến bộ AI thực sự mới chỉ bắt đầu

DeepMind mới đây công bố nghiên cứu cho rằng AGI (Trí tuệ nhân tạo phổ quát) không phải là điểm cuối. AI sẽ tiếp tục phát triển vượt qua khả năng của các nhóm chuyên gia con người hàng đầu, hướng tới ASI (Trí tuệ siêu nhân tạo). Báo cáo phân biệt ba khái niệm: AGI (năng lực nhận thức tương đương mức trung bình của con người), ASI (vượt trội con người trong hầu hết lĩnh vực quan tâm), và UAI (giới hạn lý thuyết tối thượng). Nghiên cứu đề xuất bốn con đường tiềm năng để chuyển từ AGI sang ASI: 1. Mở rộng quy mô tính toán, mô hình và dữ liệu. 2. Tiến hóa thuật toán, có thể thay đổi mô hình mới. 3. Tự cải thiện đệ quy, tạo phản hồi tích cực. 4. Điều phối đa tác tử và trí tuệ tập thể. Đồng thời, báo cáo chỉ ra sáu điểm nghẽn chính: giới hạn dữ liệu chất lượng cao, áp lực tài nguyên và kinh tế, hạn chế của mô hình mạng nơ-ron hiện tại, nghiên cứu ngày càng khó khăn, rào cản trừu tượng, cùng các vấn đề quản lý và phản ứng xã hội. Khi AI vượt con người, các phương pháp đánh giá truyền thống sẽ mất ý nghĩa. Cần xây dựng hệ thống đánh giá mới cho thời kỳ hậu AGI. ASI không phải là hệ thống toàn năng, vẫn chịu ràng buộc bởi các quy luật vật lý, độ phức tạp tính toán, dữ liệu, tài nguyên và tốc độ phản hồi thực tế. Tương lai phát triển của AI vẫn chứa nhiều bất định, đòi hỏi một nỗ lực liên ngành quy mô lớn để theo dõi và ứng phó.

marsbit06/16 12:04

AGI không phải là điểm kết thúc, nghiên cứu mới của DeepMind: Hướng tới ASI, tiến bộ AI thực sự mới chỉ bắt đầu

marsbit06/16 12:04

TaiJi hoàn thành vòng gọi vốn chiến lược 3,5 triệu USD với sự tham gia đầu tư của Castrum Capital, Becker Ventures và Coinvestor Ventures

Dự án TaiJi, một nền tảng thông minh thị trường trên chuỗi (chain) hỗ trợ bởi AI trong hệ sinh thái BNB Smart Chain (BSC), vừa công bố hoàn thành vòng gọi vốn chiến lược trị giá 3.5 triệu USD. Vòng góp vốn này có sự tham gia của các quỹ Castrum Capital, Becker Ventures và Coinvestor Ventures. Số tiền huy động được sẽ chủ yếu dùng cho việc phát triển sản phẩm, nâng cấp công cụ suy luận AI, xây dựng hệ thống phân tích đa tác tử (multi-agent), hoàn thiện cơ sở hạ tầng dữ liệu thị trường, mở rộng cộng đồng toàn cầu và thúc đẩy hợp tác hệ sinh thái. Mục tiêu của TaiJi là cung cấp một cách tiếp cận mới để hiểu thị trường Web3 phức tạp và được thúc đẩy bởi sự kiện. Thay vì chỉ hiển thị dữ liệu, nền tảng này tích hợp thông tin về biến động giá, tín hiệu trên chuỗi, sự kiện tin tức và tâm lý mạng xã hội vào một hệ thống suy luận AI thống nhất. Hệ thống này sẽ chuyển hóa thông tin thành các kết quả phân tích, có thể theo dõi và đánh giá lại được, như dự đoán tác động của sự kiện, lộ trình ảnh hưởng và đánh giá rủi ro. Sản phẩm đầu tiên của TaiJi sẽ tập trung vào các mô-đun chính: Market Intelligence (tổng hợp tình báo thị trường), Scenario Engine (công cụ tạo kịch bản AI), Impact Map (bản đồ tác động), Risk Signals (tín hiệu rủi ro) và My TaiJi (không gian cá nhân hóa cho người dùng). Dự án nhấn mạnh họ không quản lý tài sản người dùng, không thay mặt giao dịch, không đưa ra lời khuyên đầu tư và không hứa hẹn lợi nhuận.

marsbit06/02 09:49

TaiJi hoàn thành vòng gọi vốn chiến lược 3,5 triệu USD với sự tham gia đầu tư của Castrum Capital, Becker Ventures và Coinvestor Ventures

marsbit06/02 09:49

TaiJi Hoàn Thành Vòng Tài Trợ Chiến Lược 3.5 Triệu USD Với Sự Tham Gia Đầu Tư Của Castrum Capital, Becker Ventures Và Coinvestor Ventures

Dự án TaiJi vừa thông báo hoàn thành vòng gọi vốn chiến lược trị giá 3,5 triệu USD với sự tham gia của các quỹ Castrum Capital, Becker Ventures và Coinvestor Ventures. Số vốn này sẽ được sử dụng để phát triển sản phẩm, nâng cấp công cụ AI, xây dựng hệ thống phân tích đa tác tử (multi-agent), hoàn thiện cơ sở hạ tầng dữ liệu thị trường, mở rộng cộng đồng toàn cầu và thúc đẩy hợp tác hệ sinh thái. TaiJi đang xây dựng một mạng lưới thông minh phân tích thị trường trên blockchain, được hỗ trợ bởi AI, tập trung vào hệ sinh thái BSC. Nền tảng này tích hợp dữ liệu thị trường, dòng tiền trên chuỗi, biến động thanh khoản, tâm lý mạng xã hội và sự kiện tin tức vào một hệ thống AI duy nhất. Mục tiêu là biến đổi các tín hiệu phức tạp thành các kết quả phân tích có cấu trúc, bao gồm dự báo tác động, đánh giá rủi ro và chỉ số theo dõi. Khác với các công cụ theo dõi thị trường truyền thống, TaiJi tập trung vào việc tạo ra một hệ thống phân tích thông minh. Nó sử dụng một khung đa tác tử với các "agent" chuyên biệt (thị trường, on-chain, tâm lý, rủi ro, sự kiện) để phân tích tác động của sự kiện một cách phối hợp. Các chức năng chính trong giai đoạn đầu bao gồm: Market Intelligence (tổng hợp tình báo thị trường), Scenario Engine (tạo kịch bản dự báo bằng AI), Impact Map (hiển thị bản đồ tác động), Risk Signals (nhận diện tín hiệu rủi ro) và My TaiJi (không gian cá nhân hóa cho người dùng). TaiJi nhấn mạnh rằng nền tảng không quản lý tài sản người dùng, không thay mặt giao dịch, không đưa ra lời khuyên đầu tư và không hứa hẹn lợi nhuận.

链捕手06/02 09:28

TaiJi Hoàn Thành Vòng Tài Trợ Chiến Lược 3.5 Triệu USD Với Sự Tham Gia Đầu Tư Của Castrum Capital, Becker Ventures Và Coinvestor Ventures

链捕手06/02 09:28

Claude Opus4.8 phát hành, Anthropic bắt đầu biến 'sự tin cậy' thành điểm bán hàng của sản phẩm

Claude Opus 4.8 chính thức ra mắt, giữ nguyên giá và đạt vị trí dẫn đầu trong năm trên sáu bài kiểm tra chuẩn mực. Điểm nổi bật của bản phát hành này không nằm ở việc tăng hiệu suất đơn thuần, mà nằm ở việc Anthropic bắt đầu định vị "độ tin cậy" là ưu tiên cốt lõi của mô hình tiên phong. Đáng chú ý, tỷ lệ báo cáo thiếu về lỗi của chính mô hình trong các tác vụ mã đã giảm mạnh từ 19.7% xuống còn 3.7%. Claude Code giờ đây tích hợp luồng công việc động, cho phép điều phối nhiều tác nhân con và thực hiện kiểm tra đối kháng tự động trước khi giao kết quả. Những cải tiến này nhằm giải quyết nỗi lo ngại thực tế: khi AI chuyển từ cửa sổ trò chuyện sang quy trình công việc thực, nguy cơ lớn nhất thường là nó đưa ra câu trả lời trông có vẻ hoàn chỉnh nhưng lại sai. Ngoài ra, Opus 4.8 có những cải thiện đáng kể trong các bài kiểm tra trách nhiệm, toán học và xử lý ngữ cảnh dài. Mặc dù vậy, báo cáo hệ thống cũng ghi nhận một số điểm yếu so với phiên bản trước, như khả năng kháng prompt injection và hiệu suất trong một số bài kiểm tra chuyên môn. Bản phát hành này đánh dấu sự chuyển hướng trong cuộc đua mô hình: từ việc chỉ theo đuổi điểm số chuẩn mực sang việc tranh giành độ tin cậy, khả năng xác minh và thừa nhận sai sót. Điều này là tiền đề để các Agent AI thực sự trở nên hữu dụng. Anthropic cũng xác nhận một mô hình cấp độ "Mythos" mạnh hơn nhiều, hiện đang bị hạn chế truy cập, sẽ được ra mắt trong vài tuần tới, với Opus 4.8 đóng vai trò là bước đệm công khai hướng tới nó.

marsbit05/29 22:22

Claude Opus4.8 phát hành, Anthropic bắt đầu biến 'sự tin cậy' thành điểm bán hàng của sản phẩm

marsbit05/29 22:22

Có lẽ OpenAI và Anthropic đang tụng kinh nhầm chỗ

Trong năm qua, "Hệ thống Đa Tác nhân (MAS)" đã trở thành một trong những hướng phát triển nóng nhất trong thế giới AI. Tuy nhiên, có hai con đường khác biệt đang hình thành. **Con đường thứ nhất: Hệ thống MAS kiểu "Harness" (Kiểm soát)** Đây là hướng chủ đạo hiện nay, tập trung vào việc nhiều AI Agent với các vai trò khác nhau (như lập trình, kiểm thử, lập kế hoạch) hợp tác để hoàn thành một nhiệm vụ phức tạp duy nhất. Chúng chia sẻ ngữ cảnh, mục tiêu chung và được điều phối tập trung. Về bản chất, đây giống như một động cơ quy trình công việc (Workflow Engine) phức tạp hơn, nơi các Agent giống như các công cụ hoặc hàm có thể gọi được. Các từ khóa chính của hướng này là Kỹ thuật Prompt, Quản lý Ngữ cảnh, Định tuyến Tác vụ, Gọi Công cụ. Vấn đề cốt lõi vẫn thuộc về kỹ thuật phần mềm. **Con đường thứ hai: Hệ thống Tác nhân Gốc-Giao thức (Protocol-Native Agent System)** Đây là một hướng tiếp cận khác biệt, ít được đề cập hơn. Trọng tâm không còn là nhiều Agent làm việc cho một nhiệm vụ, mà là mỗi cá nhân sở hữu một "Tác nhân Cá nhân" (Personal Agent) hoặc "công ty không người" của riêng mình. Khi đó, Agent trở thành một thực thể gắn với danh tính (identity-scoped), có chủ quyền nhất định, tồn tại lâu dài với ký ức, sở thích, tài nguyên, quan hệ và lợi ích riêng, đại diện cho chủ nhân của nó. Sự thay đổi này chuyển đổi triết lý hệ thống từ "mô-đun phần mềm" sang "xã hội số". Các Agent độc lập này không còn thuộc cùng một công ty hay chia sẻ chung mục tiêu, ngữ cảnh. Do đó, sự hợp tác giữa chúng không thể dựa vào Prompt hay Workflow mà phải dựa trên các **Giao thức (Protocol)** để giải quyết các vấn đề như xác thực danh tính, ranh giới quyền hạn, cơ chế tin cậy, ủy quyền, đàm phán, động lực, danh tiếng và trao đổi giá trị. MAS theo nghĩa này trở thành một hệ thống xã hội số. **"Giao thức tức là Tổ chức"** Giao thức trong thế giới Agent sẽ phát triển vượt xa việc chỉ định nghĩa truyền thông (như HTTP) hay tính toán trạng thái (như blockchain). Chúng sẽ định nghĩa sự phối hợp, quyền hạn, động lực, danh tính và quan hệ tổ chức, trở thành "Giao thức tức là Tổ chức" (Protocol as Organization). **Tầm nhìn tương lai** Khi bước vào xã hội Agent thực sự, thách thức lớn nhất không còn là khả năng suy luận hay thực thi của từng Agent, mà là làm thế nào các thực thể tự trị với các mục tiêu, mô hình thế giới, lợi ích và giá trị khác nhau có thể phối hợp lâu dài. Các khái niệm như Bản thể luận (Ontology) và Giao thức Ngữ nghĩa (Semantic Protocol) sẽ trở nên then chốt. Tổ chức trong tương lai có thể là một liên minh động của các Personal Agent (của con người) và các AI chuyên biệt (như AI CFO, AI Lawyer) được kết nối thông qua giao thức. Điều này có thể dẫn đến một nền văn minh "gốc-thông minh" thực sự.

marsbit05/28 05:34

Có lẽ OpenAI và Anthropic đang tụng kinh nhầm chỗ

marsbit05/28 05:34

Agentic Design Patterns: Một cuốn sách khiến tôi hiểu lại 'Agent thực sự là gì'

Tác giả Yanhua chia sẻ những hiểu biết sâu sắc từ cuốn sách "Agentic Design Patterns" của Antonio Gullí (Google), giúp định nghĩa lại "Agent thực sự là gì". Cuốn sách phân loại AI Agent thành 4 cấp độ: - **Cấp 0 (Không phải Agent):** LLM thuần túy, không công cụ, không hành động. - **Cấp 1 (Dùng công cụ):** Tự nhận thức khi cần và biết sử dụng công cụ (tìm kiếm, API). - **Cấp 2 (Suy nghĩ chiến lược):** Có khả năng lập kế hoạch và "Context Engineering" - tinh chỉnh ngữ cảnh để tối ưu hiệu quả, cùng với phản ánh (Reflection) để tự sửa lỗi. - **Cấp 3 (Đa tác nhân):** Nhiều Agent cộng tác như một đội, với các cấu trúc giao tiếp khác nhau. Bài viết nhấn mạnh ba khái niệm then chốt: 1. **Context Engineering:** Quan trọng hơn Prompt Engineering, tập trung vào việc chuẩn bị thông tin ngữ cảnh (system prompt, dữ liệu bên ngoài, ngầm định, vòng phản hồi) cho Agent một cách tinh gọn. 2. **Reflection (Mô hình Producer-Critic):** Sử dụng hai Agent riêng biệt (một sản xuất, một phê bình) trong một vòng lặp để tự động cải thiện chất lượng đầu ra, áp dụng cho viết code, lập kế hoạch... 3. **Bộ nhớ ba lớp:** Cần phân tách bộ nhớ thành Session (phiên), State (trạng thái tạm thời của tác vụ) và Memory (lưu trữ lâu dài) để quản lý hiệu quả. Thông điệp chính: Thay vì vội xây dựng hệ thống đa Agent phức tạp (Cấp 3), hãy tập trung phát triển Agent đơn lẻ lên Cấp 2 trước bằng cách áp dụng Reflection và Context Engineering. Cuốn sách cung cấp bản đồ các mẫu thiết kế đã được kiểm chứng, giúp nhà phát triển tránh lặp lại các lỗi phổ biến.

链捕手05/25 04:47

Agentic Design Patterns: Một cuốn sách khiến tôi hiểu lại 'Agent thực sự là gì'

链捕手05/25 04:47

Agent Đã Bước Vào Thời Đại Được Điều Khiển Bởi Harness

Bài viết thảo luận về việc mã nguồn Claude Code của Anthropic bị rò rỉ, tiết lộ các phương pháp kỹ thuật Harness trong phát triển AI. Harness được mô tả như bộ khung công nghệ giúp tối đa hóa khả năng mô hình, gồm sáu thành phần chính: System Prompt phân tầng, Tool Schema, Tool Call Loop, Context Manager, Sub Agent và Verification Hooks. Các thành phần này kết hợp với huấn luyện hậu kỳ (Post-training) tạo thành hệ thống Agent phức tạp, nơi mô hình không còn là yếu tố duy nhất quyết định hiệu suất. Bài viết nhấn mạnh sự chuyển dịch từ các công ty "vỏ bọc mô hình" sang hệ thống Harness, yêu cầu nhân tài đa năng và tập trung vào triển khai riêng tư, an toàn. Giá trị cốt lõi của vụ rò rỉ không nằm ở mã nguồn, mà ở việc khẳng định kỷ nguyên Agent đã chính thức được vận hành bởi Harness.

marsbit04/15 10:15

Agent Đã Bước Vào Thời Đại Được Điều Khiển Bởi Harness