ทันเอไอ

งานวิจัยชี้โมเดล AI ขนาดเล็กสำเร็จรูปยังแทนที่สมองกลขนาดใหญ่ในงานย่อยของเอเจนต์ไม่ได้

ผลศึกษาชี้โมเดลภาษาขนาดเล็กแบบสำเร็จรูปยังไม่ผ่านเกณฑ์ความสามารถขั้นต่ำในการทำงานย่อยของระบบ AI Agent

งานวิจัยชิ้นใหม่บนคลังข้อมูลวิชาการ arXiv ได้เผยแพร่ผลการศึกษาหัวข้อ Measuring the Microtask Eligibility Gap: When Is an Off-the-Shelf SLM Enough for an Agent Harness? ซึ่งทำการทดสอบความสามารถของโมเดลภาษาขนาดเล็ก หรือเอสแอลเอ็ม (SLM - Small Language Model) แบบสำเร็จรูป (Off-the-shelf) ว่าสามารถนำมาทำงานย่อย (Microtasks) รอบตัววางแผนหลักของระบบเอไอเอเจนต์ (AI Agent Harness) แทนที่โมเดลขนาดใหญ่ (Frontier LLM) ได้หรือไม่

ทีมผู้วิจัยได้สร้างเกณฑ์การตัดสินความเหมาะสม (Eligibility Threshold) โดยเปรียบเทียบผลลัพธ์ของโมเดลเอสแอลเอ็มกับวิธีพื้นฐานที่ไม่ใช่โมเดลภาษา เช่น ระบบบีเอ็มทเวนตีไฟฟ์ (BM25) หรือระบบกฎเกณฑ์สำเร็จรูป ในงานย่อย 4 ประเภทของเอเจนต์ ได้แก่ การอนุมัติคำสั่งเชลล์ (Shell commands) อัตโนมัติ การเขียนหน่วยความจำ การเลือกเครื่องมือ และการจัดอันดับบทสนทนาในอดีต พร้อมกำหนดเกณฑ์ความเชื่อมั่นที่ต้องผ่าน

จากการทดสอบโมเดลตระกูลเควนสาม (Qwen3) ในขนาดตั้งแต่ 0.6 พันล้าน 1.7 พันล้าน 4 พันล้าน และ 8 พันล้านพารามิเตอร์ ในสภาพที่ดีที่สุด ผลปรากฏว่าไม่มีโมเดลใดผ่านเกณฑ์การประเมินที่กำหนดไว้เลยจากทั้งหมด 16 การทดสอบ นอกจากนี้ การใช้เทคนิคการลดความละเอียดโมเดลหรือควอนไทเซชัน (Quantization) ลงเหลือ 4-บิต ก็ไม่ช่วยให้โมเดลผ่านเกณฑ์ดังกล่าวเช่นกัน

จากผลการทดลองนี้ ผู้วิจัยจึงแนะนำให้ผู้พัฒนาพิจารณาใช้โมเดลขนาดเล็กเฉพาะในส่วนงานที่วิธีพื้นฐานทำไม่ได้ หรือใช้เป็นระบบสำรอง (Fallback) เท่านั้น แทนที่จะนำมาใช้แทนที่โมเดลขนาดใหญ่ในทุกขั้นตอนของระบบเอเจนต์