香港文匯報（記者 黎梓田、黃安琪）中國首個大模型交互數(shù)據(jù)生成公司維納智能今日舉行「香港維納智能核心產(chǎn)品發(fā)布會暨維納智能生態(tài)聯(lián)盟啟動儀式」，發(fā)布產(chǎn)品包括QueWi、Wi Writing Copilot以及Racebot，以上Agentic AI（代理人工智能）應(yīng)用系統(tǒng)具有四大核心技術(shù)，為企業(yè)構(gòu)建工業(yè)級高精度閉環(huán) Agentic AI 應(yīng)用系統(tǒng)，實現(xiàn)降本增效和業(yè)務(wù)創(chuàng)新。

維納智能創(chuàng)辦人兼行政總裁柳崎峰表示，核心技術(shù)可以概括為四個方面。第一個方面是反饋機制：反饋機制是控制論的核心概念。1940年諾伯特·維納（Norbert Wiener）在《控制論》中指出，反饋是動物與機器系統(tǒng)中不可或缺的要素，用於調(diào)節(jié)系統(tǒng)行為以減少誤差。舉例來說，人體是一個天然的反饋系統(tǒng)：當(dāng)感到寒冷時，肌肉會通過顫抖產(chǎn)生熱量以提升體溫；當(dāng)過熱時，則通過出汗降低體溫。同樣的原理也適用於日常場景，例如空調(diào)系統(tǒng)根據(jù)溫度自動調(diào)節(jié)運行。

在系統(tǒng)技術(shù)中，反饋機制分為三層：數(shù)據(jù)生成、模擬訓(xùn)練以及人機交互。其創(chuàng)新在於將人類反饋與機器反饋相結(jié)合。通過這一機制，系統(tǒng)的準(zhǔn)確率可達約70%。

第二個方面是多模型協(xié)同，靈感來源於團隊合作的優(yōu)勢。單個大模型的表現(xiàn)類似於大腦的單一分區(qū)，而多模型協(xié)作則相當(dāng)於一個高效的團隊。雖然團隊協(xié)作的潛力遠超個體，但協(xié)調(diào)管理是關(guān)鍵挑戰(zhàn)。

然而，協(xié)同機制類似於企業(yè)管理結(jié)構(gòu)：底層模型（如高效的專業(yè)模型）負(fù)責(zé)具體任務(wù)，而上層的管理者模型則負(fù)責(zé)協(xié)調(diào)與分配任務(wù)。這種協(xié)調(diào)通過強化學(xué)習(xí)實現(xiàn)，具體包括幾種協(xié)作模式，包括路由調(diào)用：根據(jù)任務(wù)類型將問題分配給最適合的模型；匯聚與比較：多個模型的輸出進行整合或?qū)Ρ龋x取最佳結(jié)果；兜底策略：確保系統(tǒng)在特殊情況下仍有可靠輸出。

更進一步，維納智能正在探索動態(tài)協(xié)同機制，即模型間的協(xié)作不再依賴人工預(yù)設(shè)，而是通過系統(tǒng)自主學(xué)習(xí)實現(xiàn)。預(yù)計模型協(xié)同將成為學(xué)術(shù)界的研究熱點，這一方向類似於培養(yǎng)一位優(yōu)秀的領(lǐng)導(dǎo)者，需長期投入與優(yōu)化。

第三個方面是提示詞工程，提示詞（Prompt）是大模型應(yīng)用的核心要素之一，直接影響模型的輸出質(zhì)量。目前提示詞規(guī)模約為2,000至3,000詞，遠低於某些系統(tǒng)的上萬詞提示詞，但效果顯著。提示詞工程是一門科學(xué)，通過精心設(shè)計的提示詞，可以探知並調(diào)控大模型的行為，類似於通過語言試探一個人的反應(yīng)。

在實踐中，維納智能針對不同場景設(shè)計專屬提示詞，並通過幾個步驟優(yōu)化提示詞，包括設(shè)定目標(biāo)確保垂直領(lǐng)域的質(zhì)量，或者利用專用評估模型對輸出進行打分，並通過反饋機制優(yōu)化提示詞，這一過程確保提示詞逐步精進。系統(tǒng)已實現(xiàn)自動化功能，例如用戶只需輸入興趣（如瑜伽或漂流），系統(tǒng)便能在後臺生成對應(yīng)的垂直領(lǐng)域報告，顯著提升效率與精準(zhǔn)度。

第四方面是自我糾錯能力，自我糾錯是大模型智能化的重要標(biāo)誌。通過用戶反饋驅(qū)動系統(tǒng)自我改進。例如，在一個關(guān)於賽馬的問題中，用戶問及騎師更換對馬匹表現(xiàn)的影響。初始回答可能僅指出「有影響」，但若用戶反饋認(rèn)為回答不夠具體，系統(tǒng)會自動修正，生成更詳盡且直觀的回答。

統(tǒng)計顯示，當(dāng)用戶提供認(rèn)真且具體的反饋時，系統(tǒng)的自我糾錯成功率可達85%。對於模糊反饋（如僅表示「不滿意」），糾錯成功率約為50%至60%。即使有15%的錯誤，系統(tǒng)仍能保持穩(wěn)定，不會因錯誤累積而影響用戶體驗。