Google AI เปิดตัว EnvHarness เปลี่ยนสภาพแวดล้อม AI

ทีมวิจัยจาก Google AI ได้นำเสนอ EnvHarness ซึ่งเป็นเลเยอร์แบบโปรแกรมมิ่งที่ถูกออกแบบมาเพื่อแก้ไขข้อจำกัดของสภาพแวดล้อมการทดสอบ AI แบบเดิมที่มักจะหยุดนิ่งและไม่ยืดหยุ่น โดยเครื่องมือนี้เปิดให้ใช้งานในรูปแบบ Apache-2.0 Python พร้อมไดรเวอร์สำหรับการจำลอง 6 สภาพแวดล้อม เพื่อช่วยให้เอเจนต์ปัญญาประดิษฐ์สามารถเรียนรู้และพัฒนาความสามารถได้อย่างมีประสิทธิภาพมากขึ้นในโลกจำลองที่ปรับเปลี่ยนได้ตามความเหมาะสม

ในปัจจุบัน LLM agents มักเรียนรู้นอกจากข้อความที่ถูกคัดสรรแล้วยังต้องพึ่งพาสภาพแวดล้อมแบบอินเทอร์แอกทีฟ ซึ่งสภาพแวดล้อมเหล่านี้มักถูกสร้างขึ้นด้วยมือและมีความตายตัว คือจะมีพฤติกรรมเหมือนเดิมทุกครั้งไม่ว่าเอเจนต์จะพัฒนาไปมากแค่ไหน ทำให้ไม่สามารถเจาะจุดอ่อนของนโยบาย (policy) ได้ และไม่มีอะไรจะสอนต่อได้เมื่อเอเจนต์แก้ปัญหานั้นได้แล้ว แนวทางแก้ปัญหาดั้งเดิมคือการสร้างสภาพแวดล้อมเพิ่มขึ้น แต่ก็มีต้นทุนสูงทั้งในแง่ของไปป์ไลน์การสร้างเฉพาะโดเมนและตัวตรวจสอบที่เขียนโดย LLM ซึ่งต้องผ่านการกรองอย่างหนักหน่วง

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

แนวทางของ EnvHarness จึงสลับมุมมองโดยสิ้นเชิง ด้วยการห่อหุ้มสภาพแวดล้อมที่ถูกแช่แข็ง (frozen environment) ไว้ด้วยส่วนประกอบปลั๊กอินที่ทำงานผ่านอินเทอร์เฟซมาตรฐาน reset() / step() โดยไม่มีการแทรกแซงไปยังแบ็กเอนด์ของตัวจำลอง ทำให้งานแต่ละชิ้นยังคงรักษาตัวตรวจสอบดั้งเดิมที่มนุษย์สร้างขึ้นเอาไว้ได้ นอกจากนี้ยังมีคอมโพเนนต์หลักที่ปล่อยออกมาพร้อมกัน เช่น EnvRigger ซึ่งทำหน้าที่สังเกตการณ์ เรียกใช้กระบวนการทดลอง และตรวจสอบความถูกต้องเพื่อคัดกรองตัวเลือกที่ยากหรือซ้ำซากจนเกินไป

ผลการทดสอบบนแพลตฟอร์มต่างๆ เช่น ALFWorld, WebArena, SWE-bench Verified, OfficeQA และ SpreadsheetBench ชี้ให้เห็นว่าทักษะที่ถูกขุดขึ้นมาผ่านการเหนี่ยวนำสามารถเอาชนะชุดควบคุมได้ในงานที่ถูกกันไว้ไม่ได้เห็นมาก่อน โดยคะแนนเฉลี่ยของ ALFWorld ขยับขึ้นจาก 62.4 สู่ 68.3 ส่วนอัตราการแก้ปัญหาของ SWE-bench Verified ขยับจาก 49.88 ไปเป็น 52.58 พร้อมกับจำนวนขั้นตอนเฉลี่ยที่ลดลงจาก 55.01 เหลือ 49.61

"An agent harness makes a frozen LLM capable through plug-in tools, memory and skills. EnvHarness applies that idea to the other side of the loop..."

Google AI Research Team

นอกจากนี้ภายใต้การทดสอบด้วย RL บนโมเดล Qwen3-8B-base สภาพแวดล้อมที่ถูกปรับรูปร่างใหม่ยังสามารถเอาชนะสภาพแวดล้อมเดิมใน 3 จาก 4 เมตริก และยังช่วยยกระดับการขยายตัวของสภาพแวดล้อมไปถึง 54.79 ที่จำนวน 300 สภาพแวดล้อม เปรียบเทียบกับ 52.13 ของสภาพแวดล้อมเดิม นักพัฒนาที่สนใจสามารถศึกษาเอกสารวิจัยฉบับเต็มและโค้ดโปรแกรมผ่านทาง GitHub ได้ทันที

ที่มา: MarkTechPost