Maison
Ancien membre de l'équipe technique de Qwen Tech : les grands modèles évoluent vers des entités orientées vers l'action
Lin Junyang, ancien ingénieur en chef du modèle de grande taille Qwen d’Alibaba, a prononcé ses premières déclarations publiques quelques semaines après son départ de l’entreprise le 26 mars, offrant une analyse approfondie de l’évolution future des technologies de grands modèles.
Lin Junyang a noté que l’industrie passe d’une « pensée fondée sur le raisonnement » à une « pensée basée sur les agents (pensée agentic) ». Il soutient que si l’année dernière a été consacrée à prolonger la durée pendant laquelle les modèles « réfléchissent », l’essentiel de l’avenir réside dans la capacité des modèles à « agir » et à affiner continuellement leurs plans grâce à des interactions avec le monde réel.
Bilan du parcours de développement de Qwen : la douleur de forcer la fusion entre « réflexion » et « instructions »
Dans son article, Lin Junyang a partagé ouvertement les tentatives et les leçons de l’équipe depuis le début de l’année 2025. À cette époque, l’équipe visait à créer un système unifié capable d’ajuster la profondeur du raisonnement en fonction de la difficulté des questions.
Cependant, la pratique a montré que les importantes différences de distribution entre les données de raisonnement et celles d’instructions ont conduit le modèle à performer médiocrement dans les deux domaines après une intégration forcée : il apparaissait redondant et indécis lorsqu’il réfléchissait, et peu fiable et coûteux lorsqu’il exécutait des instructions. Cette observation explique pourquoi Qwen a ensuite opté pour des versions Instruct et Thinking publiées indépendamment, offrant une référence technique précieuse à l’industrie.
Une nouvelle norme pour une « bonne réflexion » : la capacité à soutenir des actions efficaces est la clé
Selon Lin Junyang, la longueur de la chaîne de raisonnement n’équivaut pas directement à l’intelligence du modèle. La poursuite aveugle de longues chaînes de raisonnement gaspille souvent la puissance de calcul. Il prévoit que les futurs efforts de R&D passeront de la formation des modèles seuls à celle du système d’agent complet « modèle + environnement ».
Article connexe
Google dévoile le mode vidéo « Veo 3.1 Lite », offrant aux abonnés Ultra un nombre illimité de créations
Google a lancé un nouveau mode de génération de vidéos, « Veo 3.1 - Lite [Faible priorité] », réservé aux abonnés Ultra afin de stimuler la production créative et d’optimiser la rentabilité. Le princi
L'intégration avancée de ChatGPT donne accès à 300 000 films et séries télévisées par simple conversation
Alors que les services de streaming saturent le marché avec un contenu infini, aider les utilisateurs à faire le tri pour trouver ce qu’ils recherchent réellement est devenu un défi majeur pour le sec
Comment optimiser les Core Web Vitals pour améliorer son référencement naturel
Transformez votre processus de montage vidéo grâce à des transcriptions générées par l'IASommaire :IntroductionPrincipaux avantages de la transcription automatiséeGarantir la précision et affiner le r
Recommandations de sujets spéciaux liés
commentaires (0)
Lin Junyang, ancien ingénieur en chef du modèle de grande taille Qwen d’Alibaba, a prononcé ses premières déclarations publiques quelques semaines après son départ de l’entreprise le 26 mars, offrant une analyse approfondie de l’évolution future des technologies de grands modèles.
Lin Junyang a noté que l’industrie passe d’une « pensée fondée sur le raisonnement » à une « pensée basée sur les agents (pensée agentic) ». Il soutient que si l’année dernière a été consacrée à prolonger la durée pendant laquelle les modèles « réfléchissent », l’essentiel de l’avenir réside dans la capacité des modèles à « agir » et à affiner continuellement leurs plans grâce à des interactions avec le monde réel.
Bilan du parcours de développement de Qwen : la douleur de forcer la fusion entre « réflexion » et « instructions »
Dans son article, Lin Junyang a partagé ouvertement les tentatives et les leçons de l’équipe depuis le début de l’année 2025. À cette époque, l’équipe visait à créer un système unifié capable d’ajuster la profondeur du raisonnement en fonction de la difficulté des questions.
Cependant, la pratique a montré que les importantes différences de distribution entre les données de raisonnement et celles d’instructions ont conduit le modèle à performer médiocrement dans les deux domaines après une intégration forcée : il apparaissait redondant et indécis lorsqu’il réfléchissait, et peu fiable et coûteux lorsqu’il exécutait des instructions. Cette observation explique pourquoi Qwen a ensuite opté pour des versions Instruct et Thinking publiées indépendamment, offrant une référence technique précieuse à l’industrie.
Une nouvelle norme pour une « bonne réflexion » : la capacité à soutenir des actions efficaces est la clé
Selon Lin Junyang, la longueur de la chaîne de raisonnement n’équivaut pas directement à l’intelligence du modèle. La poursuite aveugle de longues chaînes de raisonnement gaspille souvent la puissance de calcul. Il prévoit que les futurs efforts de R&D passeront de la formation des modèles seuls à celle du système d’agent complet « modèle + environnement ».
Google dévoile le mode vidéo « Veo 3.1 Lite », offrant aux abonnés Ultra un nombre illimité de créations
Google a lancé un nouveau mode de génération de vidéos, « Veo 3.1 - Lite [Faible priorité] », réservé aux abonnés Ultra afin de stimuler la production créative et d’optimiser la rentabilité. Le princi
L'intégration avancée de ChatGPT donne accès à 300 000 films et séries télévisées par simple conversation
Alors que les services de streaming saturent le marché avec un contenu infini, aider les utilisateurs à faire le tri pour trouver ce qu’ils recherchent réellement est devenu un défi majeur pour le sec
Comment optimiser les Core Web Vitals pour améliorer son référencement naturel
Transformez votre processus de montage vidéo grâce à des transcriptions générées par l'IASommaire :IntroductionPrincipaux avantages de la transcription automatiséeGarantir la précision et affiner le r











