Does the Linguistic Register of Thinking Matter? Wenyan as a Compact Reasoning Register for Chinese LLMs

{"tags": ["LLM", "Wenyan Thinking", "Classical Chinese", "Reasoning Efficiency", "Chain of Thought", "Qwen3", "Inference Optimization"], "risks": ["Khó kiểm tra, giải thích hoặc gỡ lỗi (interpretability/debugging) chuỗi suy luận đối với kỹ sư không am hiểu Hán văn cổ.", "Phụ thuộc vào năng lực biểu diễn văn ngôn của mô hình nền; có thể suy giảm chất lượng nếu mô hình nền chưa được nạp đủ ngữ liệu cổ ngữ.", "Nguy cơ mất mát chi tiết lập luận logic trong quá trình viết lại (rewriting) sang văn ngôn nếu pipeline dữ liệu không được kiểm soát chặt chẽ."], "category": "Research", "entities": ["Wenyan Thinking", "Qwen3-4B-Thinking-2507", "MMLU-ProX-Lite-ZH", "CEVAL", "AGIEval-CN", "Classical Chinese (wenyanwen)"], "summary_vi": "Nghiên cứu đề xuất Wenyan Thinking - phương pháp sử dụng văn ngôn (Hán văn cổ) làm ngữ vực tư duy trung gian cho LLM tiếng Trung thay cho bạch thoại nhằm nén độ dài suy luận dưới ngân sách giải mã giới hạn. Thử nghiệm trên mô hình Qwen3-4B-Thinking-2507 cho thấy phương pháp giúp rút ngắn đáng kể chuỗi suy luận, giảm tỷ lệ thiếu đáp án trên các bộ đo MMLU-ProX-Lite-ZH, CEVAL và AGIEval-CN, đồng thời vượt trội so với đối chứng nén tiếng Trung hiện đại.", "key_changes": ["Đề xuất Wenyan Thinking: phương pháp phát sinh chuỗi suy luận trung gian bằng văn ngôn (Hán văn cổ) để tăng độ cô đọng, trong khi vẫn giữ câu trả lời cuối cùng ngắn gọn trực tiếp.", "Viết lại trường suy luận từ tiếng Trung hiện đại sang văn ngôn và tinh chỉnh (SFT) mô hình Qwen3-4B-Thinking-2507 trên tập dữ liệu giám sát mới.", "Xây dựng nhóm đối chứng tiếng Trung hiện đại rút gọn (compact modern-Chinese control) với cùng dữ liệu nguồn, mô hình giáo viên, mô hình nền và quy trình SFT để phân tách tác động giữa đổi ngữ vực và nén dữ liệu thông thường.", "Kết quả thực nghiệm trên MMLU-ProX-Lite-ZH, CEVAL và AGIEval-CN cho thấy phương pháp giảm đáng kể độ dài suy luận và tỷ lệ thiếu câu trả lời khi giải mã bị giới hạn token, đồng thời vượt trội nhóm đối chứng trên benchmark chính."], "sub_category": "LLM Reasoning & Efficiency", "novelty_score": 85, "business_score": 68, "research_score": 88, "why_it_matters": "Chứng minh ngữ vực ngôn ngữ (linguistic register) là một trục thiết kế khả thi để tối ưu hóa hiệu quả suy luận của LLM. Tận dụng tính súc tích tự nhiên của văn ngôn cổ giúp giảm mạnh chi phí suy luận và độ trễ mà không làm suy giảm độ chính xác logic.", "developer_score": 75, "importance_score": 78, "possible_use_cases": ["Tối ưu hóa chi phí token và độ trễ giải mã (decoding latency) cho các mô hình suy luận tiếng Trung trong môi trường production bị giới hạn ngân sách tính toán.", "Ngăn ngừa lỗi vượt quá giới hạn token (max output tokens/truncation) và giảm tỷ lệ missing-answer trong các bài toán thi cử, suy luận logic phức tạp.", "Ứng dụng nén suy luận nội bộ (Chain-of-Thought) cho AI Agent tiếng Trung xử lý luồng tác vụ nhiều bước."], "actionability_score": 70}