Model card là gì? Đọc thẻ mô hình trước khi dùng AI

📌 Model card là gì và ra đời để làm gì

Model card là một bản ‘lý lịch’ ngắn gọn của mô hình AI. Ý tưởng xuất phát từ bài báo ‘Model Cards for Model Reporting’ của nhóm nhà nghiên cứu tại Google, đề xuất rằng mỗi mô hình phát hành ra công chúng nên đi kèm một tài liệu chuẩn hóa về mục đích sử dụng, cách đánh giá và các giới hạn.

Lý do rất thực tế: mô hình AI không có ‘nhãn dán’ bên ngoài. Hai tệp trọng số trông giống hệt nhau có thể đến từ hai mô hình được huấn luyện cho hai mục đích khác nhau, với điểm mạnh, điểm yếu khác nhau. Không có model card, người dùng phải đoán.

Hiện nay model card xuất hiện ở nhiều dạng:

• Trang README trên Hugging Face của từng mô hình mở.
• Tài liệu ‘system card’ hoặc ‘model card’ mà các hãng như OpenAI, Anthropic, Google công bố cho mô hình thương mại, thường tập trung vào đánh giá an toàn.
• Trang thông số kỹ thuật trong tài liệu API, liệt kê độ dài ngữ cảnh, giới hạn đầu ra, ngày cắt dữ liệu.

Mức độ chi tiết khác nhau rất nhiều. Một model card tốt giúp bạn quyết định nhanh; một model card sơ sài là tín hiệu cần thận trọng.

📌 Một model card thường gồm những phần nào

Không có mẫu bắt buộc duy nhất, nhưng phần lớn model card nghiêm túc có các mục dưới đây. Nếu thiếu nhiều mục, hãy coi đó là điểm trừ khi đánh giá.

📌 Đọc model card trong 10 phút: thứ tự nên theo

Model card có thể dài hàng chục trang. Bạn không cần đọc hết, chỉ cần đi đúng thứ tự để loại sớm mô hình không phù hợp.

1. Giấy phép (1 phút): không cho dùng thương mại thì dừng, dù mô hình hay đến đâu.
2. Mục đích sử dụng và ‘out-of-scope use’ (2 phút): nếu nhà phát triển ghi rõ không khuyến nghị cho tư vấn y tế, pháp lý mà việc của bạn gần lĩnh vực đó, hãy cân nhắc lại.
3. Ngôn ngữ (1 phút): tìm xem tiếng Việt có được liệt kê không. Không có tên trong danh sách không có nghĩa là không dùng được, nhưng chất lượng chưa được cam kết.
4. Thông số kỹ thuật (2 phút): độ dài ngữ cảnh, kích thước, định dạng tệp, yêu cầu phần cứng.
5. Giới hạn và rủi ro (2 phút): đọc kỹ phần này, đây là chỗ nhà phát triển nói thật nhất.
6. Kết quả đánh giá (2 phút): xem họ đo trên bộ dữ liệu nào, có liên quan việc của bạn không.

Sau 10 phút, bạn nên trả lời được: có hợp pháp để dùng không, có hợp việc không, có chạy được không. Nếu cả ba là ‘có’, chuyển sang bước thử nghiệm với dữ liệu thật.

⚠️ Dấu hiệu cảnh báo trong model card

Một số chi tiết cho thấy bạn nên dè chừng hoặc kiểm tra kỹ hơn:

• Không ghi giấy phép hoặc ghi mâu thuẫn: ví dụ phần đầu ghi Apache 2.0 nhưng tệp LICENSE đi kèm là giấy phép riêng có hạn chế.
• Chỉ khoe điểm benchmark, không có phần giới hạn: mô hình nào cũng có điểm yếu; im lặng về điều này là dấu hiệu thiếu minh bạch.
• Bản tải lại từ tài khoản lạ: nhiều mô hình được người dùng khác chuyển đổi định dạng, lượng tử hóa rồi đăng lại. Hãy đối chiếu với model card gốc của nhà phát triển.
• Không có ngày cắt dữ liệu: bạn không biết mô hình có biết các quy định, sản phẩm mới hay không.
• Kết quả đánh giá không nêu điều kiện: không rõ số lần thử, cách chấm, phiên bản bộ test.
• Mô tả quá đà: các tuyên bố như ‘tốt nhất mọi tác vụ’ mà không có dẫn chứng cụ thể.

Gặp một dấu hiệu chưa phải lý do loại bỏ ngay, nhưng gặp nhiều dấu hiệu cùng lúc thì nên chọn mô hình khác có tài liệu rõ ràng hơn.

📌 Ví dụ: chọn mô hình cho chatbot hỗ trợ khách hàng

Một cửa hàng bán linh kiện máy tính tại TP.HCM muốn chạy chatbot trả lời câu hỏi về bảo hành trên máy chủ nội bộ. Đội IT lọc được ba mô hình mở cỡ vừa. Đọc model card giúp họ quyết định như sau:

• Mô hình A: giấy phép chỉ cho nghiên cứu. Loại ngay dù điểm benchmark cao nhất.
• Mô hình B: giấy phép thương mại, tiếng Việt có trong danh sách ngôn ngữ, ngữ cảnh đủ dài để nhét chính sách bảo hành. Phần giới hạn ghi rõ dễ trả lời tự tin khi thiếu thông tin. Giữ lại và lưu ý cần RAG cùng câu từ chối khi không chắc.
• Mô hình C: giấy phép ổn nhưng không nhắc tiếng Việt, kích thước lớn vượt VRAM hiện có. Để dự phòng.

Sau đó đội IT thử mô hình B với 30 câu hỏi thật từ fanpage, chấm điểm từng câu và quyết định triển khai thử nghiệm. Model card không thay được bước thử nghiệm, nhưng giúp tiết kiệm nhiều ngày công thử những mô hình vốn không phù hợp.

📌 Doanh nghiệp tự viết model card cho ứng dụng AI nội bộ

Model card không chỉ để đọc. Khi công ty tự tinh chỉnh mô hình hoặc xây chatbot nội bộ, viết một model card ngắn là cách quản trị đơn giản và hiệu quả. Tài liệu này giúp người mới tiếp quản hiểu hệ thống, và là căn cứ khi có câu hỏi từ khách hàng, đối tác hay kiểm toán.

Mẫu tối giản một trang

• Tên và phiên bản: ‘Trợ lý chính sách nhân sự v1.2’.
• Mô hình nền: tên, phiên bản, giấy phép.
• Dữ liệu sử dụng: sổ tay nhân sự, quy chế lương thưởng bản công khai; không dùng hồ sơ cá nhân.
• Mục đích: trả lời câu hỏi chính sách cho nhân viên.
• Không dùng cho: quyết định kỷ luật, đánh giá cá nhân.
• Kết quả kiểm thử: bộ 50 câu hỏi, tỷ lệ trả lời đúng theo đánh giá của phòng nhân sự.
• Rủi ro đã biết và cách giảm: có thể trích sai điều khoản cũ; luôn kèm nguồn tài liệu.
• Người phụ trách và ngày cập nhật.

Cập nhật model card mỗi khi đổi mô hình nền, đổi dữ liệu hoặc thay đổi phạm vi sử dụng.

❓ Câu hỏi thường gặp

📌 Bài viết liên quan

• Open weights là gì? Khác mã nguồn mở thế nào
• Mô hình AI mã nguồn mở và mô hình đóng: khác nhau thế nào, chọn loại nào
• AI benchmark là gì? Đọc bảng xếp hạng mô hình AI sao cho đúng
• Evals là gì? Đánh giá chất lượng ứng dụng AI
• AI Governance là gì? Quản trị việc dùng AI trong công ty
• Foundation model (mô hình nền tảng) là gì
• Mô hình AI (AI model) là gì? Phân loại các mô hình phổ biến
• Cần bao nhiêu VRAM để chạy LLM 7B, 14B, 32B, 70B?

📌 Nguồn tham khảo

• Mitchell et al., Model Cards for Model Reporting – arXiv
• Hugging Face – Model Cards documentation
• NIST AI Risk Management Framework