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
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter
Google teste l'agent IA Remy pour Gemini à mesure que l'accent se déplace vers le contrôle utilisateur
Selon Business Insider, Google teste Remy, un nouvel agent personnel d’IA pour Gemini. Cet outil vise à exécuter des tâches au nom des utilisateurs, rationalisant ainsi les flux de travail professionnels et les routines quotidiennes.Actuellement, Re
Comment corriger les Core Web Vitals pour de meilleurs classements SEO
Fluidifiez les commentaires de bulletin avec des outils d'IAIntroductionOutils d'IA pour générer des commentaires de bulletinMagic SchoolAlmanac AIChat GPTUtilisation de Magic School pour générer des commentaires de bulletinConnexion à Magic Sc
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 ».
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter
Comment corriger les Core Web Vitals pour de meilleurs classements SEO
Fluidifiez les commentaires de bulletin avec des outils d'IAIntroductionOutils d'IA pour générer des commentaires de bulletinMagic SchoolAlmanac AIChat GPTUtilisation de Magic School pour générer des commentaires de bulletinConnexion à Magic Sc











