12/08/2025
12 khái niệm AI “xương sống” mà kỹ sư AI nào cũng nên biết
(MCP, RAG, AI Agents… giải thích đơn giản – dễ hình dung – dễ áp dụng)
Tổng hợp tinh gọn từ chuỗi Daily Dose of Data Science 📚
Mỗi khái niệm kèm link đào sâu chi tiết 👇
⸻
1️⃣ Function Calling & MCP cho LLMs
Trước MCP, LLM gọi tool qua Function Calling. MCP ra đời = chuẩn hóa + mạnh mẽ hơn.
🔗 https://lnkd.in/gBMd5RNn
2️⃣ 4 giai đoạn huấn luyện LLM từ số 0
Từ thu thập dữ liệu → training → fine-tuning → ứng dụng thực tế.
🔗 https://lnkd.in/ghpKsuHU
3️⃣ 3 kỹ thuật Prompting giúp LLM suy luận “đỉnh” hơn
Bắt mô hình “nghĩ kỹ trước khi trả lời” để tăng chính xác.
🔗 https://lnkd.in/gejhjc3u
4️⃣ Huấn luyện LLM bằng LLM khác
Self-bootstrapping kiểu Llama 4 Scout học từ Llama 4 Behemoth.
🔗 https://lnkd.in/g9GzAh4w
5️⃣ Supervised vs. Reinforcement Fine-Tuning
RFT không cần dữ liệu gán nhãn vẫn cải thiện reasoning.
🔗 https://lnkd.in/g8v5xuJt
6️⃣ Transformer vs. MoE
MoE = nhiều “chuyên gia” chia việc, cải thiện hiệu suất Transformer.
🔗 https://lnkd.in/gYNzgvhk
7️⃣ RAG thường vs. Agentic RAG
RAG: truy vấn 1 lần. Agentic RAG: truy vấn lặp + lý luận + chỉnh kết quả.
🔗 https://lnkd.in/gDiNRBbU
8️⃣ 5 mô hình thiết kế Agentic AI
Agent biết tự kiểm tra, lập kế hoạch, cộng tác.
🔗 https://lnkd.in/gQbvE38M
9️⃣ 5 cấp độ hệ thống Agentic AI
Từ sinh văn bản → ra quyết định → điều khiển cả workflow.
🔗 https://lnkd.in/gGnYGtr4
🔟 RAG thường vs. HyDE
HyDE: tạo câu trả lời giả định → cải thiện truy xuất chính xác hơn.
🔗 https://lnkd.in/gexecVHe
1️⃣1️⃣ RAG thường vs. Graph RAG
Graph RAG: kết nối dữ liệu theo đồ thị → hiểu ngữ cảnh tổng thể.
🔗 https://lnkd.in/gTCtRsva
1️⃣2️⃣ KV Caching
Lưu Key-Value để tăng tốc suy luận LLM.
🔗 https://lnkd.in/gHRy8PCC
