Meta tạo mô hình AI chuyên phục vụ toán học, lập trình và suy luận

Meta vừa hé lộ một bước tiến mới đầy hứa hẹn trong lĩnh vực trí tuệ nhân tạo: mô hình 2-simplicial Transformer.

Dân toán học sẽ dễ dàng hơn khi có AI là trợ lý

Đây không chỉ là một mô hình AI thông thường, mà là một kiến trúc được thiết kế đặc biệt để vượt trội hơn các mô hình Transformer tiêu chuẩn trong những lĩnh vực đòi hỏi sự chính xác và logic cao như toán học, lập trình và suy luận.

2-simplicial Transformer là gì?

Về cơ bản, 2-simplicial Transformer là một cải tiến so với kiến trúc Transformer truyền thống – nền tảng của hầu hết các mô hình ngôn ngữ lớn (LLM) hiện nay như ChatGPT, Gemini. Nếu các Transformer thông thường xử lý thông tin theo một “luồng” tuyến tính (hoặc dựa trên mối quan hệ giữa từng cặp token riêng lẻ), thì 2-simplicial Transformer mang đến một cách tiếp cận phức tạp hơn:

Trước hết là xử lý các mối quan hệ “cấp cao hơn”. Cái tên “2-simplicial” gợi ý rằng mô hình này không chỉ nhìn vào mối quan hệ giữa hai phần tử (ví dụ: hai từ, hai token) mà còn xem xét mối quan hệ giữa ba hoặc nhiều hơn các phần tử trong dữ liệu. Hãy hình dung nó như việc không chỉ nhìn vào các cạnh của một hình tam giác (mối quan hệ giữa hai đỉnh), mà còn hiểu được bản thân hình tam giác đó như một khối (mối quan hệ giữa ba đỉnh).

Ngoài ra, nó cải thiện hiệu quả token. Một trong những thách thức của các LLM là quản lý token (các đơn vị ngôn ngữ nhỏ nhất mà mô hình xử lý). Việc cải thiện hiệu quả token (token efficiency) có nghĩa là mô hình có thể xử lý nhiều thông tin hơn với cùng một số lượng token, hoặc đạt được kết quả tốt hơn với ít token hơn. Điều này giúp tối ưu hóa chi phí tính toán và tăng cường khả năng xử lý các ngữ cảnh dài.

Thế mạnh của 2-simplicial Transformer

Điểm nhấn chính của mô hình này nằm ở khả năng thể hiện xuất sắc trong các tác vụ cụ thể. Chẳng hạn trong toán học. Các bài toán toán học yêu cầu sự hiểu biết sâu sắc về các mối quan hệ logic, cấu trúc và quy tắc. Kiến trúc 2-simplicial có thể giúp mô hình nắm bắt tốt hơn các mối liên kết này, dẫn đến khả năng giải quyết vấn đề toán học phức tạp hơn.

Hay trong lập trình vốn cũng đòi hỏi tư duy logic, khả năng nhận diện các mẫu (patterns) và hiểu mối quan hệ giữa các thành phần khác nhau của code. Việc cải thiện hiệu quả token và khả năng suy luận giúp mô hình này có thể tạo ra code chất lượng cao hơn, tìm lỗi tốt hơn và hiểu được cấu trúc lập trình phức tạp.

Đặc biệt hơn cả là khả năng suy luận (Reasoning), thứ vô cùng quan trọng cho mọi tác vụ AI nâng cao. Việc mô hình có thể suy luận tốt hơn nghĩa là nó có thể phân tích thông tin, đưa ra kết luận logic và giải quyết các vấn đề mà không chỉ dựa vào việc ghi nhớ các mẫu dữ liệu.

Ý nghĩa của mô hình này

Việc Meta phát triển 2-simplicial Transformer cho thấy một xu hướng quan trọng trong nghiên cứu AI: thay vì chỉ tăng kích thước mô hình, các nhà khoa học đang tìm kiếm các cải tiến kiến trúc sâu sắc hơn để nâng cao khả năng của AI trong các lĩnh vực cụ thể, đặc biệt là những lĩnh vực đòi hỏi sự chính xác, logic và khả năng suy luận cao.

Nếu thành công, 2-simplicial Transformer có thể mở đường cho thế hệ AI mới có khả năng giải quyết các bài toán khoa học, kỹ thuật và lập trình phức tạp hơn, đồng thời tối ưu hóa tài nguyên tính toán. Điều này sẽ có ý nghĩa lớn đối với việc phát triển các AI agent, các hệ thống tự động hóa và các công cụ hỗ trợ con người trong các lĩnh vực chuyên môn.

Google và hướng phát triển tương tự

Google có lịch sử lâu đời trong nghiên cứu Transformer và họ là người đã phát minh ra kiến trúc Transformer vào năm 2017. Google cũng đang khám phá nhiều cách để làm cho các LLM của mình thông minh và hiệu quả hơn.

Đầu tiên là tập trung vào hiệu quả token và suy luận. Google đã công bố các nghiên cứu về việc cải thiện hiệu quả token cho các tác vụ suy luận. Điều này bao gồm việc phát triển các chiến lược học tăng cường (RL) được điều chỉnh riêng cho suy luận trong LLM, đặc biệt là dưới các giới hạn về bộ nhớ và tính toán. Các phương pháp như S-GRPO (một biến thể ngẫu nhiên của Group Relative Policy Optimization) và T-SPMO (một phương pháp khớp tiền tố ở cấp độ token) đang được nghiên cứu để giảm mức sử dụng bộ nhớ và ổn định quá trình huấn luyện.

Google cũng đang khám phá các cách để LLM cộng tác với nhau (như trong nghiên cứu “Chain-of-Agents” của họ) để giải quyết các tác vụ yêu cầu ngữ cảnh rất dài. Thay vì cố gắng đưa tất cả các token vào một LLM duy nhất, họ để các tác nhân AI giao tiếp và tổng hợp thông tin, giúp cải thiện hiệu quả và khả năng suy luận trên các mẫu dài.

Google DeepMind đã giới thiệu các phương pháp như Differentiable Cache Augmentation, sử dụng bộ đồng xử lý để mở rộng bộ nhớ trong của LLM (cache key-value). Điều này giúp làm giàu thông tin cho mô hình, nâng cao khả năng suy luận mà không làm tăng gánh nặng tính toán trong quá trình thực thi.

OpenAI và hướng phát triển tương tự

OpenAI, với các mô hình GPT (Generative Pre-trained Transformer) đã trở thành chuẩn mực, cũng liên tục tìm cách nâng cao khả năng suy luận và hiệu quả của các LLM.

OpenAI đã cho thấy rằng có nhiều không gian để cải thiện khả năng suy luận của LLM thông qua việc đầu tư tính toán một cách chiến lược, đặc biệt là thông qua các phương pháp học tăng cường (RL) được tùy chỉnh cho các tác vụ suy luận. Các mô hình như o3 và o4-mini gần đây cho thấy sự tiến bộ đáng kể trong cả khả năng suy luận và khả năng sử dụng công cụ.

Mặc dù OpenAI chưa công bố trực tiếp một kiến trúc “2-simplicial Transformer”, họ liên tục tìm cách tối ưu hóa hiệu quả token trong các mô hình của mình. Việc tối ưu hóa này là rất quan trọng vì nó ảnh hưởng trực tiếp đến chi phí vận hành API và tốc độ phản hồi của mô hình. Các nghiên cứu về suy luận đa ngôn ngữ cũng cho thấy rằng việc suy luận trong các ngôn ngữ không phải tiếng Anh có thể giảm việc sử dụng token nhưng vẫn duy trì độ chính xác.

“Sparse Transformers” và cơ chế chú ý hiệu quả hơn: Từ những ngày đầu, OpenAI đã nghiên cứu các biến thể của kiến trúc Transformer, chẳng hạn như Sparse Transformers, nhằm cải thiện cơ chế chú ý (attention mechanism) để xử lý các chuỗi dài hơn một cách hiệu quả hơn so với cơ chế chú ý tiêu chuẩn. Mặc dù không phải là “2-simplicial” theo nghĩa đen, nhưng nó cho thấy OpenAI luôn tìm cách cải thiện cách mô hình xử lý mối quan hệ giữa các token.