Heim
Ehemalige Qwen Tech-Mitarbeiter: Große Modelle entwickeln sich zu handlungsorientierten Entitäten
Lin Junyang, ehemaliger leitender Ingenieur der ursprünglichen Qwen-Großmodelltechnologie von Alibaba, gab seine ersten öffentlichen Äußerungen wenige Wochen nach seinem Ausscheiden aus dem Unternehmen am 26. März ab und lieferte eine tiefgehende Analyse der nächsten Entwicklungsstufe der Großmodelltechnologie.
Lin Junyang stellte fest, dass sich die Branche von „auf Schlussfolgerungen basierendem Denken“ hin zu „agentenbasiertem Denken (Agentic Thinking)“ bewegt. Er argumentiert, dass sich der Fokus des vergangenen Jahres darauf konzentrierte, zu verlängern, wie lange Modelle „denken“, während der Kern der Zukunft darin liegt, ob Modelle in der Lage sind, „Handlungen“ zu denken und Pläne durch Interaktion mit der realen Welt kontinuierlich zu verfeinern.
Rückblick auf die Qwen-Entwicklung: Die Schmerzen der erzwungenen Verschmelzung von „Denken“ und „Anweisungen“
In seinem Artikel teilte Lin Junyang offen die Versuche und Lehren des Teams aus dem frühen Jahr 2025. Zu diesem Zeitpunkt zielte das Team darauf ab, ein einheitliches System zu entwickeln, das die Tiefe der Schlussfolgerungen basierend auf der Schwierigkeit der Frage anpassen kann.
Die Praxis zeigte jedoch, dass die erheblichen Verteilungsunterschiede zwischen Schlussfolgerungs- und Anweisungsdaten dazu führten, dass das Modell nach der erzwungenen Integration in beiden Bereichen mittelmäßig abschnitt: Es wirkte redundant und unentschlossen beim Denken sowie unzuverlässig und kostspielig bei der Ausführung von Anweisungen. Diese Erkenntnis erklärt, warum Qwen später dazu überging, Instruct- und Thinking-Versionen unabhängig voneinander zu veröffentlichen, was der Branche wertvolle ingenieurtechnische Referenzen bietet.
Ein neuer Standard für „gutes Denken“: Die Fähigkeit, wirksame Handlungen zu unterstützen, ist entscheidend
Nach Ansicht von Lin Junyang entspricht die Länge der Schlussfolgerungskette nicht direkt der Intelligenz des Modells. Das blinde Verfolgen langer Schlussfolgerungsketten verschwendet oft Rechenleistung. Er prognostiziert, dass sich die zukünftige Forschung und Entwicklung vom Training einzelner Modelle hin zum Training des gesamten Agentensystems aus „Modell + Umgebung“ verschieben wird.
Verwandter Artikel
Google stellt den Videomodus „Veo 3.1 Lite“ vor, der „Ultra“-Abonnenten unbegrenzte Erstellungsmöglichkeiten bietet
Google hat einen neuen Modus zur Videogenerierung eingeführt: „Veo 3.1 – Lite [Low Priority]“. Dieser steht ausschließlich Ultra-Abonnenten zur Verfügung und soll die kreative Produktivität sowie die
Die umfassende Integration von ChatGPT eröffnet den Zugriff auf 300.000 Filme und Fernsehsendungen per Sprachbefehl
Da Streaming-Dienste den Markt mit unzähligen Inhalten überschwemmen, ist es zu einer entscheidenden Herausforderung der Branche geworden, den Nutzern dabei zu helfen, den Überblick zu behalten und ge
So optimieren Sie die Core Web Vitals für ein besseres SEO-Ranking
Optimieren Sie Ihren Workflow bei der Videobearbeitung mit KI-gestützten TranskriptenInhaltsverzeichnis:EinleitungDie wichtigsten Vorteile der automatisierten TranskriptionGewährleistung der Genauigke
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Lin Junyang, ehemaliger leitender Ingenieur der ursprünglichen Qwen-Großmodelltechnologie von Alibaba, gab seine ersten öffentlichen Äußerungen wenige Wochen nach seinem Ausscheiden aus dem Unternehmen am 26. März ab und lieferte eine tiefgehende Analyse der nächsten Entwicklungsstufe der Großmodelltechnologie.
Lin Junyang stellte fest, dass sich die Branche von „auf Schlussfolgerungen basierendem Denken“ hin zu „agentenbasiertem Denken (Agentic Thinking)“ bewegt. Er argumentiert, dass sich der Fokus des vergangenen Jahres darauf konzentrierte, zu verlängern, wie lange Modelle „denken“, während der Kern der Zukunft darin liegt, ob Modelle in der Lage sind, „Handlungen“ zu denken und Pläne durch Interaktion mit der realen Welt kontinuierlich zu verfeinern.
Rückblick auf die Qwen-Entwicklung: Die Schmerzen der erzwungenen Verschmelzung von „Denken“ und „Anweisungen“
In seinem Artikel teilte Lin Junyang offen die Versuche und Lehren des Teams aus dem frühen Jahr 2025. Zu diesem Zeitpunkt zielte das Team darauf ab, ein einheitliches System zu entwickeln, das die Tiefe der Schlussfolgerungen basierend auf der Schwierigkeit der Frage anpassen kann.
Die Praxis zeigte jedoch, dass die erheblichen Verteilungsunterschiede zwischen Schlussfolgerungs- und Anweisungsdaten dazu führten, dass das Modell nach der erzwungenen Integration in beiden Bereichen mittelmäßig abschnitt: Es wirkte redundant und unentschlossen beim Denken sowie unzuverlässig und kostspielig bei der Ausführung von Anweisungen. Diese Erkenntnis erklärt, warum Qwen später dazu überging, Instruct- und Thinking-Versionen unabhängig voneinander zu veröffentlichen, was der Branche wertvolle ingenieurtechnische Referenzen bietet.
Ein neuer Standard für „gutes Denken“: Die Fähigkeit, wirksame Handlungen zu unterstützen, ist entscheidend
Nach Ansicht von Lin Junyang entspricht die Länge der Schlussfolgerungskette nicht direkt der Intelligenz des Modells. Das blinde Verfolgen langer Schlussfolgerungsketten verschwendet oft Rechenleistung. Er prognostiziert, dass sich die zukünftige Forschung und Entwicklung vom Training einzelner Modelle hin zum Training des gesamten Agentensystems aus „Modell + Umgebung“ verschieben wird.
Google stellt den Videomodus „Veo 3.1 Lite“ vor, der „Ultra“-Abonnenten unbegrenzte Erstellungsmöglichkeiten bietet
Google hat einen neuen Modus zur Videogenerierung eingeführt: „Veo 3.1 – Lite [Low Priority]“. Dieser steht ausschließlich Ultra-Abonnenten zur Verfügung und soll die kreative Produktivität sowie die
Die umfassende Integration von ChatGPT eröffnet den Zugriff auf 300.000 Filme und Fernsehsendungen per Sprachbefehl
Da Streaming-Dienste den Markt mit unzähligen Inhalten überschwemmen, ist es zu einer entscheidenden Herausforderung der Branche geworden, den Nutzern dabei zu helfen, den Überblick zu behalten und ge
So optimieren Sie die Core Web Vitals für ein besseres SEO-Ranking
Optimieren Sie Ihren Workflow bei der Videobearbeitung mit KI-gestützten TranskriptenInhaltsverzeichnis:EinleitungDie wichtigsten Vorteile der automatisierten TranskriptionGewährleistung der Genauigke











