ทันเอไอ

ทีมนักวิจัยเสนอ OrchSLM แนวทางประสานโมเดลภาษาขนาดเล็กหลายตัวทำงานร่วมกัน

งานวิจัยใหม่บน arXiv เสนอวิธีใช้ตัวจัดเส้นทางรวมคำตอบจากโมเดลภาษาขนาดเล็กหลายตัว โดยไม่ต้องให้โมเดลคุยกันเอง

วงการปัญญาประดิษฐ์ให้ความสนใจโมเดลภาษาขนาดใหญ่ (Large Language Models หรือ LLMs) มาอย่างต่อเนื่อง แต่การพึ่งพาโครงสร้างพื้นฐานระดับคลาวด์ขนาดใหญ่ก็สร้างความท้าทาย ทั้งเรื่องความหน่วง ความเป็นส่วนตัว ต้นทุนการประมวลผล และการเชื่อมต่อ ทำให้โมเดลภาษาขนาดเล็ก (Small Language Models หรือ SLMs) กลายเป็นทางเลือกที่น่าสนใจสำหรับการทำงานเฉพาะทาง

ล่าสุด บทความวิจัยเรื่อง OrchSLM: Probing the Dynamics of Small Language Model Orchestration โดย เฉิงซี จาง (Chengxi Zhang) และ ยู เหยา (Yu Yao) ที่เผยแพร่บนระบบอาร์คิฟ (arXiv) เมื่อวันที่ 11 กันยายน 2026 ได้เสนอแนวคิดการทำงานแบบไม่โต้ตอบกันระหว่างโมเดล (non-interactive paradigm)

แนวทางดังกล่าวให้โมเดลภาษาขนาดเล็กหลายแบบสร้างคำตอบแยกกันออกมาก่อน จากนั้นจึงใช้ตัวจัดเส้นทาง (router) มาจัดการรวมคำตอบที่เก็บไว้ โดยไม่มีกระบวนการโต้ตอบซ้ำซ้อนระหว่างโมเดล ซึ่งงานศึกษานี้มุ่งตรวจสอบผลกระทบของโครงสร้างงาน องค์ประกอบของกลุ่มโมเดล และระดับความเห็นพ้องระหว่างเอเจนต์ที่มีต่อพฤติกรรมการประสานงาน

อย่างไรก็ตาม บทคัดย่องานวิจัยไม่ได้ระบุตัวเลขยืนยันเรื่องการลดต้นทุนหรือประสิทธิภาพที่เหนือกว่าโมเดลขนาดใหญ่แบบเบ็ดเสร็จ ขณะที่สำนักข่าว ZICQ ได้นำเสนอรายงานดังกล่าวต่อเมื่อวันที่ 15 กันยายน 2026 โดยอ้างอิงจากบทความวิจัยบนหมวดวิทยาการคอมพิวเตอร์และปัญญาประดิษฐ์ (cs.AI) โดยตรง