香港文匯報（記者 黎梓田、黃安琪）中國首個大模型交互數據生成公司維納智能今日舉行「香港維納智能核心產品發布會暨維納智能生態聯盟啟動儀式」，發布產品包括QueWi、Wi Writing Copilot以及Racebot，以上Agentic AI（代理人工智能）應用系統具有四大核心技術，為企業構建工業級高精度閉環 Agentic AI 應用系統，實現降本增效和業務創新。

維納智能創辦人兼行政總裁柳崎峰表示，核心技術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中不可或缺的要素，用於調節系統行為以減少誤差。舉例來說，人體是一個天然的反饋系統：當感到寒冷時，肌肉會通過顫抖產生熱量以提升體溫；當過熱時，則通過出汗降低體溫。同樣的原理也適用於日常場景，例如空調系統根據溫度自動調節運行。

在系統技術中，反饋機制分為三層：數據生成、模擬訓練以及人機交互。其創新在於將人類反饋與機器反饋相結合。通過這一機制，系統的準確率可達約70%。

第二個方面是多模型協同，靈感來源於團隊合作的優勢。單個大模型的表現類似於大腦的單一分區，而多模型協作則相當於一個高效的團隊。雖然團隊協作的潛力遠超個體，但協調管理是關鍵挑戰。

然而，協同機制類似於企業管理結構：底層模型（如高效的專業模型）負責具體任務，而上層的管理者模型則負責協調與分配任務。這種協調通過強化學習實現，具體包括幾種協作模式，包括路由調用：根據任務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對比，選取最佳結果；兜底策略：確保系統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協同機制，即模型間的協作不再依賴人工預設，而是通過系統自主學習實現。預計模型協同將成為學術界的研究熱點，這一方向類似於培養一位優秀的領導者，需長期投入與優化。

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

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

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誌。通過用戶反饋驅動系統自我改進。例如，在一個關於賽馬的問題中，用戶問及騎師更換對馬匹表現的影響。初始回答可能僅指出「有影響」，但若用戶反饋認為回答不夠具體，系統會自動修正，生成更詳盡且直觀的回答。

統計顯示，當用戶提供認真且具體的反饋時，系統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，系統仍能保持穩定，不會因錯誤累積而影響用戶體驗。