Tin tức

Thông số kĩ thuật

Chi tiết sản phẩm

Hiện tượng Claude bị phản ánh giảm sút chất lượng

Trong thời gian gần đây, cộng đồng lập trình viên sử dụng Claude Code đã dấy lên nhiều tranh cãi về việc mô hình này có dấu hiệu càng dùng càng ngốc. Người dùng phản ánh rằng AI thường xuyên bỏ qua các tệp dữ liệu quan trọng, từ chối thực hiện kiểm thử tự động, hoặc dừng đột ngột để yêu cầu thêm thông tin từ người dùng. Những biểu hiện này khiến trải nghiệm lập trình trở nên kém hiệu quả hơn đáng kể so với giai đoạn trước đó.

Thậm chí, các chuyên gia trong ngành, bao gồm cả những nhân vật cấp cao trong lĩnh vực AI, đã thực hiện phân tích dữ liệu trên hàng nghìn phiên làm việc và đưa ra nhận định rằng khả năng suy luận của Claude đang có xu hướng giảm sút. Sự lo ngại này dẫn đến giả thuyết rằng nhà phát triển Anthropic đã âm thầm can thiệp vào mô hình nhằm cắt giảm chi phí vận hành, gây ra làn sóng hoài nghi về chất lượng thực sự của các hệ thống LLM hiện nay.

Lý giải từ Anthropic: Khái niệm Model và Effort

Trước những phản ứng gay gắt từ người dùng, Anthropic đã chính thức đưa ra phản hồi nhằm làm sáng tỏ vấn đề. Theo đại diện công ty, hoàn toàn không có chuyện mô hình bị suy giảm năng lực cốt lõi. Nguyên nhân cốt lõi dẫn đến trải nghiệm không như ý nằm ở cơ chế Effort (nỗ lực) trong Claude Code.

Cụ thể, vào đầu tháng 3, mức Effort mặc định đã được điều chỉnh từ High (Cao) xuống Medium (Trung bình) nhằm mục đích tối ưu hóa độ trễ phản hồi. Để hiểu rõ hơn về sự thay đổi này, chúng ta cần phân biệt hai khái niệm quan trọng mà Anthropic nhấn mạnh:

• Model (Mô hình): Đây là nền tảng trí tuệ, quyết định khả năng xử lý logic và năng lực giải quyết các bài toán phức tạp của AI.
• Effort (Nỗ lực): Đây là thông số điều phối tài nguyên, quy định mức độ đầu tư công sức của AI cho một tác vụ cụ thể.

Tại sao thay đổi mức Effort lại làm thay đổi trải nghiệm?

Khi người dùng thiết lập mức Effort ở ngưỡng thấp, Claude sẽ ưu tiên tốc độ phản hồi bằng cách đọc ít tệp mã nguồn hơn, hạn chế các bước xác minh phức tạp và giảm thiểu việc chạy kiểm thử tự động. Điều này giúp tiết kiệm token và thời gian cho người dùng nhưng vô tình tạo ra cảm giác AI đang trở nên kém thông minh hoặc thiếu trách nhiệm trong công việc.

Theo Anthropic, nếu bạn gặp phải tình trạng AI bỏ sót ngữ cảnh hoặc nhanh chóng trả lại yêu cầu bổ sung thông tin, đó không phải là dấu hiệu của việc mô hình bị "ngu đi". Thay vào đó, đó là dấu hiệu cho thấy mức Effort hiện tại không đủ để giải quyết bài toán phức tạp mà bạn đang thực hiện. Lời khuyên từ chuyên gia là hãy chủ động điều chỉnh lại mức Effort lên cao hơn nếu tác vụ yêu cầu độ chính xác và sự tỉ mỉ tuyệt đối.

Lời khuyên cho người dùng để tối ưu hiệu suất

Để đạt được kết quả tốt nhất khi làm việc với các hệ thống trí tuệ nhân tạo, người dùng nên lưu ý:

• Hiểu rõ ngữ cảnh: Luôn cung cấp đầy đủ thông tin đầu vào thay vì để AI tự đoán định khi mức Effort thấp.
• Điều chỉnh Effort linh hoạt: Chỉ nâng mức Effort lên cao nhất khi thực sự đối mặt với các logic lập trình phức tạp để tối ưu chi phí và tài nguyên.
• Kiểm chứng kết quả: Chỉ khi mô hình đã được cấp đầy đủ ngữ cảnh và mức Effort cao nhất mà vẫn đưa ra kết quả sai, lúc đó mới nên cân nhắc chuyển đổi sang các mô hình mạnh mẽ hơn.

Tóm lại, việc hiểu rõ cách vận hành của các thông số kỹ thuật là chìa khóa để khai thác tối đa sức mạnh của AI. Những phản ánh của cộng đồng là dữ liệu quý giá, nhưng việc nắm vững cơ chế điều khiển sẽ giúp bạn làm chủ công nghệ một cách hiệu quả hơn.