Lar
Ex-membros da equipe técnica do Qwen: Grandes Modelos que se transformam em entidades orientadas à ação
Lin Junyang, ex-engenheiro-chefe da tecnologia original do grande modelo Qwen do Alibaba, fez suas primeiras declarações públicas semanas após deixar a empresa em 26 de março, oferecendo uma análise profunda da próxima evolução na tecnologia de grandes modelos.
Lin Junyang observou que a indústria está passando de um "pensamento baseado em raciocínio" para um "pensamento baseado em agentes (Agentic Thinking)". Ele argumenta que, enquanto o ano passado se concentrou em estender o tempo em que os modelos "pensam", o núcleo do futuro reside na capacidade dos modelos de "agir" e refinar continuamente planos por meio da interação com o mundo real.
Refletindo sobre a Jornada de Desenvolvimento do Qwen: A Dor de Forçar a Fusão entre "Pensamento" e "Instruções"
Em seu artigo, Lin Junyang compartilhou abertamente as tentativas e lições da equipe no início de 2025. Naquela época, a equipe visava construir um sistema unificado capaz de ajustar a profundidade do raciocínio com base na dificuldade das perguntas.
No entanto, a prática mostrou que as significativas diferenças de distribuição entre os dados de raciocínio e os dados de instrução fizeram com que o modelo tivesse um desempenho medíocre em ambas as áreas após a integração forçada: ele parecia redundante e indeciso ao pensar, e pouco confiável e custoso ao executar instruções. Essa percepção explica por que o Qwen posteriormente optou por lançar independentemente as versões Instruct e Thinking, fornecendo referências de engenharia valiosas para a indústria.
Um Novo Padrão para um "Bom Pensamento": Ser Capaz de Suportar Ações Eficazes é a Chave
De acordo com Lin Junyang, o comprimento da cadeia de raciocínio não equivale diretamente à inteligência do modelo. Buscar cegamente cadeias de raciocínio longas frequentemente desperdiça poder computacional. Ele prevê que o futuro da P&D mudará do treinamento exclusivo de modelos para o treinamento de todo o sistema de agentes "modelo + ambiente".
Artigo relacionado
A integração profunda do ChatGPT dá acesso a 300 mil filmes e séries de TV por meio de conversas
À medida que os serviços de streaming saturam o mercado com conteúdo infinito, ajudar os usuários a filtrar o excesso de informação para encontrar o que realmente desejam tornou-se um grande desafio p
Como otimizar os Core Web Vitals para melhorar a classificação em SEO
Transforme seu fluxo de trabalho de edição de vídeo com transcrições geradas por IAÍndice:IntroduçãoPrincipais vantagens da transcrição automatizadaGarantindo a precisão e refinando o resultadoAprovei
O DingTalk reformula sua arquitetura com o MuleRun da AliAI, dando início à era dos agentes completos
O novo CEO do DingTalk e chefe da Unidade de Negócios Wukong, Chen Yusen, revelou uma grande reestruturação organizacional em um memorando interno divulgado nesta tarde. Com a criação do Departamento
Recomendações de tópicos especiais relacionados
Comentários (0)
Lin Junyang, ex-engenheiro-chefe da tecnologia original do grande modelo Qwen do Alibaba, fez suas primeiras declarações públicas semanas após deixar a empresa em 26 de março, oferecendo uma análise profunda da próxima evolução na tecnologia de grandes modelos.
Lin Junyang observou que a indústria está passando de um "pensamento baseado em raciocínio" para um "pensamento baseado em agentes (Agentic Thinking)". Ele argumenta que, enquanto o ano passado se concentrou em estender o tempo em que os modelos "pensam", o núcleo do futuro reside na capacidade dos modelos de "agir" e refinar continuamente planos por meio da interação com o mundo real.
Refletindo sobre a Jornada de Desenvolvimento do Qwen: A Dor de Forçar a Fusão entre "Pensamento" e "Instruções"
Em seu artigo, Lin Junyang compartilhou abertamente as tentativas e lições da equipe no início de 2025. Naquela época, a equipe visava construir um sistema unificado capaz de ajustar a profundidade do raciocínio com base na dificuldade das perguntas.
No entanto, a prática mostrou que as significativas diferenças de distribuição entre os dados de raciocínio e os dados de instrução fizeram com que o modelo tivesse um desempenho medíocre em ambas as áreas após a integração forçada: ele parecia redundante e indeciso ao pensar, e pouco confiável e custoso ao executar instruções. Essa percepção explica por que o Qwen posteriormente optou por lançar independentemente as versões Instruct e Thinking, fornecendo referências de engenharia valiosas para a indústria.
Um Novo Padrão para um "Bom Pensamento": Ser Capaz de Suportar Ações Eficazes é a Chave
De acordo com Lin Junyang, o comprimento da cadeia de raciocínio não equivale diretamente à inteligência do modelo. Buscar cegamente cadeias de raciocínio longas frequentemente desperdiça poder computacional. Ele prevê que o futuro da P&D mudará do treinamento exclusivo de modelos para o treinamento de todo o sistema de agentes "modelo + ambiente".
A integração profunda do ChatGPT dá acesso a 300 mil filmes e séries de TV por meio de conversas
À medida que os serviços de streaming saturam o mercado com conteúdo infinito, ajudar os usuários a filtrar o excesso de informação para encontrar o que realmente desejam tornou-se um grande desafio p
Como otimizar os Core Web Vitals para melhorar a classificação em SEO
Transforme seu fluxo de trabalho de edição de vídeo com transcrições geradas por IAÍndice:IntroduçãoPrincipais vantagens da transcrição automatizadaGarantindo a precisão e refinando o resultadoAprovei
O DingTalk reformula sua arquitetura com o MuleRun da AliAI, dando início à era dos agentes completos
O novo CEO do DingTalk e chefe da Unidade de Negócios Wukong, Chen Yusen, revelou uma grande reestruturação organizacional em um memorando interno divulgado nesta tarde. Com a criação do Departamento











