Tencent Hunyuan ra mắt WorkForge: Khung làm việc có khả năng mở rộng cho các AI agent tác vụ dài hạn
TREE NEWS đưa tin: Tencent Hunyuan đã công bố WorkForge, một khung làm việc có khả năng mở rộng được thiết kế để xây dựng các môi trường huấn luyện có thể xác minh cho các agent tác vụ dài hạn bằng cách sử dụng các nguồn lực thực tế. Khung này bắt đầu từ các quy trình công việc của chuyên gia, xây dựng không gian làm việc chân thực, trích xuất các dữ kiện có thể xác minh, và tạo ra các tác vụ với cả cơ chế xác thực lập trình và ngữ nghĩa dựa trên bằng chứng quan sát được. WorkForge đã mở rộng lên 16.700 môi trường huấn luyện, bao phủ 40 lĩnh vực chuyên môn và 60 loại tệp. Tencent Hunyuan lưu ý rằng khi khối lượng dữ liệu và thời lượng tương tác tăng lên, hiệu suất của khung trên các benchmark tác vụ dài hạn tiếp tục được cải thiện.
Phân tích ngành: Thu hẹp khoảng cách giữa AI và công việc thực tế
Việc ra mắt WorkForge báo hiệu một sự chuyển dịch quan trọng trong cách các AI agent được huấn luyện. Các môi trường huấn luyện truyền thống thường dựa vào dữ liệu tổng hợp hoặc các bộ dữ liệu hẹp chuyên biệt cho từng tác vụ, vốn khó tổng quát hóa sang các quy trình công việc thực tế phức tạp, nhiều bước. Cách tiếp cận của WorkForge—neo huấn luyện vào các quy trình công việc thực tế của chuyên gia và các dữ kiện có thể xác minh—giải quyết một điểm nghẽn quan trọng: nhu cầu về các môi trường có độ trung thực cao, có khả năng mở rộng, có thể dạy các agent thực hiện các tác vụ dài hạn một cách đáng tin cậy.
Đối với hệ sinh thái crypto và Web3, sự phát triển này có những hàm ý sâu sắc. Các AI agent trên chuỗi ngày càng được ca ngợi như biên giới tiếp theo của các ứng dụng phi tập trung, từ các chiến lược DeFi tự động đến các DAO tự trị. Tuy nhiên, thành công của các agent như vậy phụ thuộc vào khả năng hoạt động trong các môi trường mở, đối kháng—chính là kiểu lý luận dài hạn mà WorkForge hướng tới nuôi dưỡng. Bằng cách cung cấp một khung có thể tạo ra hàng nghìn môi trường huấn luyện chuyên biệt theo lĩnh vực, Tencent Hunyuan đang thực sự hạ thấp rào cản để xây dựng các AI agent có năng lực hơn, mà cuối cùng có thể được triển khai trong các môi trường phi tập trung.
Hơn nữa, sự nhấn mạnh vào tính có thể xác minh—cả lập trình và ngữ nghĩa—phù hợp với giá trị cốt lõi của ngành crypto là xác minh không cần tin cậy. Nếu các AI agent quản lý tài sản trên chuỗi hoặc thực thi các chiến lược tài chính phức tạp, quá trình ra quyết định của chúng phải có thể kiểm toán và chứng minh được. Cơ chế xác thực kép của WorkForge có thể đóng vai trò như một bản thiết kế cho cách các AI agent trong Web3 có thể được huấn luyện và đánh giá, đảm bảo rằng hành động của chúng dựa trên bằng chứng quan sát được, có thể xác minh.
Góc nhìn hướng tới tương lai: Con đường đến các agent trên chuỗi tự trị
Mặc dù WorkForge hiện là một khung huấn luyện AI đa dụng, tiềm năng giao thoa của nó với crypto rất khó bỏ qua. Khi các mạng tính toán phi tập trung và thị trường dữ liệu AI trưởng thành, các khung như WorkForge có thể được điều chỉnh để huấn luyện các agent chuyên biệt cho các tác vụ trên chuỗi—như cung cấp thanh khoản, tham gia quản trị, hoặc arbitrage xuyên chuỗi. Khả năng mở rộng với 16.700 môi trường trên 40 lĩnh vực cho thấy rằng các agent chuyên biệt theo lĩnh vực (ví dụ: agent quản lý rủi ro DeFi hoặc agent kiểm toán hợp đồng thông minh) có thể được huấn luyện với độ chi tiết chưa từng có.
Tuy nhiên, vẫn còn những thách thức. Ngành crypto đòi hỏi không chỉ hiệu suất mà còn cả bảo mật và tính phi tập trung. Các môi trường huấn luyện được xây dựng trên dữ liệu thực tế phải được tuyển chọn cẩn thận để tránh những thiên kiến hoặc lỗ hổng có thể bị khai thác trên chuỗi. Ngoài ra, chi phí tính toán để vận hành các môi trường huấn luyện quy mô lớn như vậy có thể đẩy ngành hướng tới các giải pháp tính toán phi tập trung, càng gắn kết thêm cơ sở hạ tầng AI và blockchain.
WorkForge của Tencent Hunyuan đại diện cho một bước tiến tới các AI agent mạnh mẽ hơn, có thể xác minh. Đối với lĩnh vực crypto, nó mang đến một cái nhìn thoáng qua về cách thế hệ agent trên chuỗi tiếp theo có thể được huấn luyện—không chỉ để thực hiện các tác vụ, mà còn để làm điều đó theo cách minh bạch, có thể kiểm toán và phù hợp với các nguyên tắc tin cậy phi tập trung.
