Mô hình quyết định là gì?

Trong 3 năm, ngành AI đã coi mọi bài toán tính toán là bài toán sinh văn bản.

Khi một tác tử tự chủ cần chọn một công cụ, xác minh một giao dịch tài chính, phân loại một lỗ hổng bảo mật, chỉnh một cơ cấu chấp hành robot, hoặc xác định một hành động có cần người phê duyệt hay không, chuẩn ngành là nhắc một mô hình ngôn ngữ 70 tỷ tham số sinh ra một dòng token mở. Nhà phát triển rồi triển khai các mẫu regex mỏng manh, bộ phân tích JSON phỏng đoán, và các vòng thử lại để rút ra một từ hoặc một cờ boolean từ câu trả lời.

Cách làm đó không chỉ lãng phí tính toán: hàng trăm bước giải mã tự hồi quy nối tiếp được tiêu để cho ra một kết quả có thể biểu diễn bằng 2 bit. Về kiến trúc, nó lệch ngay từ gốc.

Mô hình ngôn ngữ sinh được huấn luyện để cực đại hóa khả năng của token kế tiếp trên một phân bố văn bản vô hạn. Chúng diễn giải, đối thoại, và về cấu trúc dễ ảo giác khi không chắc chắn. Nhưng 95% luồng điều khiển trong hệ thống phần mềm không cần một bài luận.

Nó cần một quyết định.

Đa tạp nhiều chiều thể hiện các trạng thái quyết định tất định, đã hiệu chuẩn, bị chặn bởi các ràng buộc toán học. — Hình 1 · Các chuyển trạng thái bị chặn trên các chuỗi token không ràng buộc. Mô hình quyết định ánh xạ bằng chứng đa phương thức thẳng vào các phân bố hành động đã hiệu chuẩn.

Mô hình ngôn ngữ suy luận. Mô hình quyết định ra quyết định.

Để hiểu khác biệt, hãy xét các hàm mục tiêu bên dưới.

Mô hình ngôn ngữ lớn (LLM) tối ưu khả năng token tự hồi quy trên một chuỗi mở:

Loss_LLM = - Σ log P(w_t | w_<t)

Nó sinh một chuỗi token w_1, w_2, ..., w_n được lấy mẫu từ một từ vựng không ràng buộc với hơn 100,000 khả năng. Mô hình không thể tuyên bố rằng mình thiếu bằng chứng để trả lời nếu không sinh những cụm ngôn ngữ tự nhiên giả khiêm tốn; nó không thể xuất một phân bố xác suất gốc trên một không gian trạng thái vận hành; và các con số độ tin cậy do chính nó báo cáo nổi tiếng là không được hiệu chuẩn.

Mô hình quyết định tối ưu một mục tiêu khác về căn bản. Với trạng thái bằng chứng tường minh E và không gian quyết định có cấu trúc D, mô hình quyết định tính một ánh xạ trực tiếp tới đầu ra bị chặn, đã định kiểu y:

y_hat = argmax_y P(y | E, D)

Được trang bị một phân bố hậu nghiệm hiệu chuẩn chặt P(y | E) và một nguyên thủy vận hành hạng nhất cho việc từ chối có nguyên tắc (DEFER).

Chiều kiến trúc	Mô hình ngôn ngữ sinh (LLMs)	Mô hình quyết định (ví dụ Hanzo Kai)
Mục tiêu chính	Tổng hợp và sinh văn bản mở	Chuyển trạng thái rời rạc, kiểm chứng được
Không gian đầu ra	Chuỗi token không ràng buộc (từ vựng 100k+)	Lược đồ bị chặn, định kiểu chặt (`Choice`, `Score`, `Predicate`, `Defer`)
Độ tin cậy và hiệu chuẩn	Chưa hiệu chuẩn; softmax bịa trên các token	Xác suất được hiệu chuẩn bằng thực nghiệm (`P = 0.90` nghĩa là độ chính xác 90%)
Biểu diễn trạng thái	Cửa sổ ngữ cảnh phù du của các chuỗi token	Mặt phẳng bằng chứng đa phương thức có cấu trúc, kèm nguồn gốc mật mã
Tôpô thực thi	Giải mã nối tiếp tự hồi quy (độ trễ `O(N)`)	Phân giải đồ thị song song và khuếch tán quyết định (lượt xuôi `O(1)`)
Xử lý bất định	Ảo giác các phần hoàn thành hợp lý	Từ chối có nguyên tắc (`DEFER` cho chính sách hoặc người xét duyệt)
Khả năng kiểm toán	Giải thích bằng lời không tất định	Gói quyết định bất biến, phát lại được, kèm chứng minh băm mật mã

Khi tách suy luận khỏi việc quyết định, kiến trúc hệ thống trở nên đơn giản hơn, nhanh hơn và đáng tin hơn theo những bậc độ lớn.

Năm trụ kiến trúc của một mô hình quyết định

Một mô hình quyết định đúng nghĩa không phải là LLM được nhắc "Hãy trả lời bằng JSON hợp lệ". Đó là một kiến trúc nơ-ron chuyên dụng, thiết kế từ gốc cho đánh giá bị chặn. Mô hình quyết định trọng số mở của Hanzo, Kai 1, dựng trên năm trụ kiến trúc:

1. Đầu ra bị chặn, đã định kiểu (không phân tích chuỗi)

Trong phần mềm vận hành, mọi giao diện giữa các hệ thống phải được định kiểu chặt. Bảo một mô hình ngôn ngữ đưa ra quyết định rồi hy vọng nó tuân một lược đồ regex sẽ đưa vào rủi ro đuôi tai hại.

Mô hình quyết định loại bỏ hoàn toàn việc phân tích văn bản. Mọi đầu ra được định kiểu gốc thành một trong bốn nguyên thủy:

Choice<T>: Một lựa chọn từ một tập ứng viên liệt kê tường minh, kèm phân bố xác suất đầy đủ trên mọi phương án (p_1, p_2, ..., p_k trong đó Σ p_i = 1.0).
Score[min, max]: Một điểm định lượng bị chặn trong các biên vận hành cố định, kèm khoảng tin cậy.
Predicate: Một kiểm chứng boolean thuần (true hoặc false) với độ chắc đã hiệu chuẩn.
Defer: Một sự từ chối đoán tường minh khi bằng chứng không đủ hoặc mâu thuẫn, chuyển thực thi cho một chính sách dự phòng định trước hoặc cho người trong vòng lặp.

Vì lớp đầu ra bị ràng buộc vào lược đồ hợp lệ ngay ở mức logit, mô hình quyết định về mặt vật lý không thể tạo kết quả ngoài biên, giá trị enum bất hợp lệ, hoặc tải trọng dị dạng.

// Calling Hanzo Kai 1 via the unified SDK:
const decision = await kai.decide({
  question: "deploy_canary_to_production",
  schema: {
    type: "choice",
    options: ["promote", "rollback", "quarantine", "defer_to_sre"],
  },
  evidence: [
    { type: "p99_latency_ms", value: 142, threshold: 150 },
    { type: "error_rate_delta", value: "+0.002%", threshold: "+0.01%" },
    { type: "canary_health_score", value: 0.98 },
  ],
});

// The result is directly typed, validated, and calibrated:
console.log(decision.result);      // "promote"
console.log(decision.probability); // 0.964
console.log(decision.entropy);     // 0.12 (low uncertainty)

2. Mặt phẳng bằng chứng đa phương thức thống nhất

Quyết định trong thế giới thực hiếm khi chỉ dựa vào văn bản. Trong các miền then chốt như tài chính chủ quyền, thao tác robot, phân loại y khoa tự động và đo từ xa công nghiệp, quyết định đòi hỏi đánh giá đồng thời các tín hiệu dị loại.

Các luồng bằng chứng dị loại, mã, đo từ xa, tài liệu, cảm biến, được mã hóa vào một lõi bằng chứng nhiều chiều thống nhất, kèm nguồn gốc mật mã. — Hình 2 · Mặt phẳng bằng chứng đa phương thức. Các đầu vào dị loại được mã hóa vào một biểu diễn bằng chứng dùng chung, trong đó mỗi đầu vào giữ nguồn gốc mật mã SHA-256.

Mô hình quyết định không tuần tự hóa dữ liệu bảng, luồng cảm biến và mảng radar thành những bảng Markdown vụng về để LLM đọc. Thay vào đó, Kai dùng các bộ mã hóa phương thức chuyên biệt:

Đo từ xa và chuỗi thời gian: Cửa sổ trượt được vectơ hóa và đặc trưng miền tần số.
Thị giác và nhiệt: Token thị giác dày từ các xương sống thị giác.
Trạng thái có cấu trúc: Phép chiếu thực thể đồ thị và quan hệ từ Hanzo Datastore.
Mã và đặc tả: Nhúng ngữ nghĩa mức AST và ma trận yêu cầu hình thức.

Mọi phương thức chiếu vào một mặt phẳng bằng chứng thống nhất. Quan trọng nhất, bằng chứng giữ nguồn gốc mật mã: mỗi tensor đầu vào được băm và lấy dấu vân tay. Nếu một quyết định bị kiểm toán 6 tháng sau, đúng trạng thái đầu vào có thể được dựng lại từng bit.

3. Phân giải đồ thị song song và khuếch tán quyết định

Nút thắt lớn nhất của các tác tử tự chủ hiện đại là thực thi nối tiếp. Một vòng tác tử cần 50 quyết định trung gian thường gọi LLM 50 lần theo chuỗi. Ở 500ms đến 2s cho mỗi lần hoàn thành, tác tử mất hàng phút chỉ để đi qua luồng điều khiển của chính mình.

Hơn nữa, lan truyền lỗi trong các chuỗi LLM nối tiếp là tai hại. Nếu mỗi bước có tỷ lệ thành công 95%, một chuỗi 20 bước chỉ thành công ở mức:

0.95 ^ 20 ≈ 35.8%

Một đồ thị quyết định dày và liên kết, được phân giải qua các lượt khuếch tán song song, khóa ngay các nút độ tin cậy cao và tinh chỉnh các cạnh entropy cao. — Hình 3 · Khuếch tán quyết định. Thay vì hàng chục lượt đi về LLM nối tiếp, một DAG quyết định ổn định trong các lượt song song, chỉ tinh chỉnh các nút entropy cao.

Mô hình quyết định giải việc này bằng khuếch tán quyết định trên các đồ thị có hướng không chu trình (DAGs).

Thay vì đánh giá quyết định nối tiếp, cả chương trình quyết định được nộp một lần. Trong một lượt xuôi:

Lượt 1 (hội tụ ngay): 80–90% nút có bằng chứng không mơ hồ được giải ngay với độ tin cậy cao (P > 0.99).
Lượt 2 (khuếch tán có điều kiện): Các nút phụ thuộc nhận trạng thái đã khóa của nút cha, rồi tinh chỉnh phân bố xác suất của mình.
Lượt 3 (thỏa ràng buộc): Mọi nút còn lại có entropy cao hoặc mâu thuẫn được đánh giá theo các ràng buộc biên hình thức.

Một quy trình phức tạp gồm 100 quyết định vận hành phụ thuộc lẫn nhau được giải trong mili giây, không phải phút.

4. Hiệu chuẩn chặt và từ chối có nguyên tắc

Nếu một mô hình AI nói rằng nó chắc 99%, thì thực tế nó đúng bao lâu một lần?

Với các mô hình sinh có sẵn, độ tin cậy tự báo cáo nổi tiếng là tương quan kém với sự thật. Mô hình chịu quá tự tin nghiêm trọng trên đầu vào ngoài phân bố, và sẵn sàng ảo giác những biện minh thuyết phục cho đầu ra sai.

Trong ứng dụng công nghiệp, hàng không vũ trụ và tài chính, một câu trả lời sai nhưng quá tự tin là chí mạng. Mô hình quyết định phải được hiệu chuẩn bằng thực nghiệm:

E[ Indicator(y_pred == y_true) | P(y_pred) = p ] = p

Khi Kai đưa ra xác suất 0.85, quyết định đó đúng về thực nghiệm đúng 85% số lần.

       Uncalibrated LLM (Overconfident)            Calibrated Decision Model (Kai)
  1.0 |                    /                 1.0 |                     /
      |                   /                      |                   /
A 0.8 |             _____/                 A 0.8 |                 /
C     |            /                       C     |               /
C 0.6 |           /                        C 0.6 |             /
      |          /                         |          /
  0.4 |    _____/                          0.4 |        /
      |   /                                      |      /
  0.2 |  /                                   0.2 |    /
      | /                                        |  /
  0.0 +----------------------                0.0 +----------------------
      0.0  0.2  0.4  0.6  0.8  1.0               0.0  0.2  0.4  0.6  0.8  1.0
             CONFIDENCE                                 CONFIDENCE

Khi entropy vượt một dung sai rủi ro có tham số τ, mô hình không đoán. Nó gọi từ chối có nguyên tắc:

Entropy(P(y | E)) = - Σ p_i * log(p_i) > τ  ==>  DEFER

Hệ thống trả thực thi lại cho chuyên gia hoặc cho sổ quy tắc tất định, và đưa một gradient độ nhạy tường minh chỉ ra mảnh bằng chứng còn thiếu nào sẽ giảm entropy nhiều nhất.

5. Gói quyết định phát lại được (dấu vết kiểm toán)

Trong môi trường doanh nghiệp bị điều tiết, "AI đã sinh ra đoạn văn này" không phải một biện hộ pháp lý hợp lệ, cũng không phải một tư thế tuân thủ.

Mọi quyết định do Kai đánh giá đều tạo một gói quyết định bất biến, được niêm mật mã:

{
  "decision_id": "dec_8f0a2c91b4",
  "program_version": "fraud_triage_v2.4",
  "timestamp": "2026-09-30T19:00:00Z",
  "model": {
    "name": "kai-1-core",
    "weights_sha256": "e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855"
  },
  "evidence_fingerprints": {
    "transaction_context": "sha256:7c9e...",
    "biometric_telemetry": "sha256:4a1d...",
    "historical_risk_profile": "sha256:9f8b..."
  },
  "posterior_distribution": {
    "approve": 0.012,
    "step_up_mfa": 0.976,
    "terminate_session": 0.009,
    "defer_to_fraud_desk": 0.003
  },
  "selected_action": "step_up_mfa",
  "entropy": 0.098,
  "signature": "ed25519:3b7a8f..."
}

Nếu một kiểm toán viên hoặc kỹ sư ứng phó sự cố truy vấn một giao dịch nhiều năm sau, họ có thể phát lại gói quyết định trên đúng bản sửa mô hình, và xác minh rằng đầu ra tất định về toán học, chống giả mạo, và tuân chính sách.

Mô hình quyết định nằm ở đâu trong chồng của bạn

Mô hình quyết định không thay thế mô hình sinh. Chúng giải cho mô hình sinh những việc mà các mô hình ấy chưa bao giờ được thiết kế để làm.

Trong kiến trúc doanh nghiệp hiện đại, hệ thống thịnh khi các việc được tách sạch giữa sinh nội dung và điều khiển:

                          ┌──────────────────────────┐
                          │   Incoming Workload      │
                          └─────────────┬────────────┘
                                        │
                                        ▼
                          ┌──────────────────────────┐
                          │       Enso Router        │
                          │  (Task Intent & Triage)  │
                          └──────┬────────────┬──────┘
                                 │            │
             Generative Tasks    │            │   Control & Decision Tasks
       (Code, Research, Content) │            │   (Routing, Approvals, Safety)
                                 ▼            ▼
                     ┌───────────────┐    ┌───────────────┐
                     │  Zen Models   │    │  Kai Models   │
                     │ (LLM / Reason)│    │ (Decision Mod)│
                     └───────────────┘    └───────┬───────┘
                                                  │
                                                  ▼
                                          ┌───────────────┐
                                          │Typed Decision │
                                          │    Package    │
                                          └───────────────┘

Zen: các mô hình suy luận sinh tiền tuyến của Hanzo. Hãy dùng Zen khi bạn cần nghiên cứu văn bản sâu, chứng minh chuỗi suy nghĩ nhiều bước, tổng hợp sáng tạo, và soạn thảo tài liệu.
Kai: họ mô hình quyết định trọng số mở của Hanzo. Hãy dùng Kai khi bạn cần định tuyến tất định, chọn công cụ, ngưỡng an toàn, thực thi giao dịch, phân loại, và điều khiển vòng tác tử.
Enso: bộ định tuyến meta thông lượng cao kiểm tra tác vụ đến ở lớp micro giây, đưa tác vụ sinh sang Zen và tác vụ quyết định sang Kai.

Trọng số mở. Hạ tầng chủ quyền.

Hạ tầng quyết định đáng tin không thể bị khóa trong một API bên thứ ba đóng, đổi hành vi mà không báo trước. Khi một mô hình điều hành triển khai sản xuất, hệ thống vật lý, hoặc rủi ro tài chính, bạn phải có chủ quyền trọn vẹn đối với trọng số, runtime và quyền riêng tư dữ liệu của nó.

Kai 1 là trọng số mở. Bạn có thể chạy nó:

Trên Hanzo Sovereign Cloud: Mở rộng toàn cầu với bảo đảm không egress và độ trễ dưới mili giây.
Trong VPC của bạn hoặc tại chỗ: Triển khai được qua Docker hoặc Kubernetes trên GPU NVIDIA, AMD ROCm, hoặc nút CPU mật độ cao.
Ở biên: Ngắt kết nối hoàn toàn cho môi trường robot, hàng không vũ trụ và quốc phòng chủ quyền.

Đừng bắt mô hình ngôn ngữ viết luận khi phần mềm của bạn chỉ cần một quyết định.

Chào mừng đến kỷ nguyên trí tuệ quyết định.

Kai 1 · Trọng số mở

Quyết định, không phải phần hoàn thành

Chạy Kai qua Hanzo Cloud API ngay hôm nay, hoặc tải trọng số mở để triển khai các mô hình quyết định đã hiệu chuẩn trong hạ tầng chủ quyền của bạn.

Khám phá Kai 1 →Đọc tài liệu kỹ thuật Gặp tác giả ↗