Jev เทียบ GPT-6.1-sol: RealtimeBenchเผยความจริงเกี่ยวกับความเร็วและไหวพริบของเอเจนต์ AI

สรุปสั้น: การทดสอบ RealtimeBench พบว่า Jev ชนะ GPT-6.1-sol ในสภาพเรียลไทม์เพราะความเร็วสำคัญกว่าความลึก การปรับใช้ TORSI ช่วยเพิ่มคะแนนเฉลี่ยจาก 13.51 เป็น 24.19 ซึ่งพิสูจน์ว่าการแยกกระบวนการคิดและการลงมือทำช่วยสร้างเอเจนต์ที่ตอบสนองได้ทันเหตุการณ์ในโลกจริง

ข้อเท็จจริงสำคัญ

• RealtimeBench เป็นชุดการทดสอบใหม่ประกอบด้วยงาน 180 รายการใน 6 ประเภทเกม เพื่อวัดประสิทธิภาพเอเจนต์ AI ในสภาพแวดล้อมแบบเรียลไทม์ที่เกมดำเนินต่อเนื่องระหว่างการอนุมาน
• ผลการทดสอบพบว่าโมเดล Jev ซึ่งมีความสามารถน้อยกว่าแต่ทำงานเร็วกว่า สามารถทำผลงานได้ดีกว่าโมเดลขั้นสูงอย่าง GPT-6.1-sol ในสถานการณ์ที่เวลาเป็นปัจจัยชี้ขาด
• นักวิจัยเสนอเทคนิค Two-Timescale Offline Recursive Self-Improvement (TORSI) โดยใช้โครงสร้าง ‘ครูช้า’ วิเคราะห์ความล้มเหลวและสร้างคำแนะนำให้ ‘นักเรียนเร็ว’ นำไปปฏิบัติในแบบเรียลไทม์
• การนำ TORSI มาใช้สองรอบส่งผลให้คะแนนเฉลี่ยของ Jev เพิ่มขึ้นจาก 13.51 เป็น 24.19 บนสเกล 0-100 อย่างสม่ำเสมอในทุกหมวดหมู่ของเกมทั้งหกประเภท
• คำแนะนำที่สร้างโดยครูในโมเดล TORSI ยังช่วยยกระดับประสิทธิภาพของเอเจนต์ AI อื่นๆ อีกสามตัวโดยไม่ต้องมีการฝึกฝนหรือปรับแต่งเพิ่มเติม (Zero-shot transfer)
• งานวิจัยนี้ตีพิมพ์ในชื่อ ‘The World Won’t Wait: Evaluating and Teaching Agents Under a Live Clock’ โดยเผยแพร่บน arXiv เมื่อวันที่ 14 ตุลาคม 2026

การแข่งขันกำลังดำเนินอยู่: เมื่อเอเจนต์ AI ต้องคิดให้เร็ว

ในเกมวิดีโอ ความล่าช้าเพียงเสี้ยววินาทีอาจหมายถึงความแตกต่างระหว่างชัยชนะกับความพ่ายแพ้ ปัจจุบัน นักวิจัยได้สร้างชุดการทดสอบ (benchmark) เพื่อวัดความสามารถของเอเจนต์ที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่ (LLM) ในการรับมือกับสถานการณ์แบบเรียลไทม์ — ไม่ใช่ในสภาพแวดล้อมจำลองที่หยุดชั่วคราว แต่ในขณะที่เกมยังคงดำเนินต่อไปอย่างต่อเนื่องระหว่างการอนุมาน [1] การตั้งค่าดังกล่าวเผยให้เห็นจุดอ่อนที่สำคัญ: แม้เอเจนต์ AI จะมีทักษะการคิดวิเคราะห์เชิงลึก แต่อาจล้มเหลวหากคำตอบของมันมาถึงช้าเกินไป

ชุดการทดสอบใหม่ชื่อ RealtimeBench ประกอบด้วย 180 งานในหกประเภทเกมที่แตกต่างกัน ซึ่งออกแบบมาเพื่อจำลองสภาพแวดล้อมที่เปลี่ยนแปลงอย่างต่อเนื่อง [1][2] งานเหล่านี้ครอบคลุมตั้งแต่การแก้ปริศนาภายใต้แรงกดดันด้านเวลา ไปจนถึงการสำรวจเขาวงกตแบบไดนามิกและการจัดการทรัพยากรในสถานการณ์ที่พัฒนาขึ้น ต่างจากการประเมินแบบดั้งเดิมที่หยุดสภาพแวดล้อมไว้เพื่อให้เอเจนต์มีเวลาไตร่ตรอง RealtimeBench ยังคงให้เกมดำเนินต่อไป — เพื่อเลียนแบบเงื่อนไขในโลกจริงที่ความล่าช้ามักจะส่งผลกระทบอย่างมีนัยสำคัญ

ปริศนาแห่งความเร็วเทียบกับความลึก

เมื่อเกมถูกหยุดชั่วคราว เพื่อให้เอเจนต์มีเวลาคิดวิเคราะห์อย่างลึกซึ้ง โมเดลที่มีประสิทธิภาพสูงกว่ามักจะชนะ แต่ในการเล่นแบบเรียลไทม์ ความเร็วกลายเป็นปัจจัยชี้ขาด การประเมินแบบจับคู่แสดงให้เห็นว่าโมเดลที่เร็วกว่าแต่มีความสามารถน้อยกว่า ซึ่งเรียกว่า Jev สามารถทำผลงานได้ดีกว่าเอเจนต์ขั้นสูงเมื่อเวลาจำกัด [1][2]

นี่ไม่ใช่เพราะโมเดลที่ช้ากว่าฉลาดกว่า — แต่เป็นเพราะมันดำเนินการได้เร็วกว่า ในสถานการณ์แบบเรียลไทม์ แม้การตัดสินใจที่ถูกต้องก็อาจมาถึงสายเกินไปจนไม่มีความหมาย ข้อสรุปหลักจาก RealtimeBench ชัดเจนว่า: ในสภาพแวดล้อมแบบไดนามิก ความเร็วในการปฏิบัติงานมักสำคัญกว่าความลึกของการคิดวิเคราะห์

การสอน AI ให้เรียนรู้ระหว่างการเล่น

เพื่อแก้ไขช่องว่างนี้ นักวิจัยได้แนะนำวิธีการใหม่ชื่อ Two-Timescale Offline Recursive Self-Improvement (TORSI) [1][2] แนวทางนี้ใช้โมเดลสองตัวที่ทำงานด้วยความเร็วต่างกัน: ‘ครูช้า’ และ ‘นักเรียนเร็ว’

ครูช้าจะไม่ดำเนินการใดๆ ระหว่างการเล่นเกม แต่จะวิเคราะห์ความล้มเหลวหลังจากแต่ละครั้ง โดยจำลองสถานการณ์ในสภาพแวดล้อมที่หยุดชั่วคราวเพื่อทดสอบแนวทางแก้ไข และสร้างคำแนะนำที่สามารถนำไปใช้ซ้ำได้สำหรับโมเดลนักเรียน [1][2] คำแนะนำเหล่านี้ถูกออกแบบมาเพื่อปรับปรุงการตัดสินใจโดยไม่ต้องพึ่งพาข้อมูลแบบเรียลไทม์

ในขณะเดียวกัน นักเรียนเร็วจะดำเนินการต่างๆ ระหว่างการเล่นเกมแบบเรียลไทม์ โดยพึ่งพาคำแนะนำที่สร้างไว้ล่วงหน้าเท่านั้น การอัปเดตจะถูกนำมาใช้ก็ต่อเมื่อนำไปสู่ประสิทธิภาพที่สูงขึ้นในการทดสอบตรวจสอบ [1][2]

ผลลัพธ์จริง: จาก 13.51 สู่ 24.19

จากการประเมินด้วยชุดงาน 180 รายการของ RealtimeBench การนำ TORSI มาใช้สองรอบส่งผลให้คะแนนเฉลี่ยของ Jev เพิ่มขึ้นจาก 13.51 เป็น 24.19 บนสเกลความคืบหน้า 0–100 [1][2] การปรับปรุงนี้เกิดขึ้นอย่างสม่ำเสมอในทุกหมวดหมู่ของเกมทั้งหกประเภท ซึ่งแสดงให้เห็นว่าวิธีการนี้ใช้งานได้กว้างขวาง ไม่ใช่เพียงในสถานการณ์เฉพาะกลุ่ม

ที่น่าสนใจยิ่งกว่านั้น คำแนะนำที่สร้างโดยครูผู้สอนช่วยยกระดับประสิทธิภาพของโมเดลอื่นๆ อีกสามตัว โดยไม่ต้องมีการฝึกฝนใหม่หรือปรับแต่งเพิ่มเติม [1][2] สิ่งนี้ชี้ให้เห็นว่า TORSI ไม่ได้ช่วยเพียงเอเจนต์ตัวเดียว แต่ยังสามารถสร้างกลยุทธ์ที่สามารถนำไปใช้ทั่วไปเพื่อประโยชน์ของระบบหลายแห่งได้

นัยยะต่อการพัฒนาปัญญาประดิษฐ์

ผลการศึกษานี้ท้าทายสมมติฐานทั่วไปในงานวิจัย AI ที่เชื่อว่าเหตุผลที่ดีกว่าจะนำไปสู่ผลลัพธ์ที่ดีกว่าเสมอ ในแอปพลิเคชันในโลกจริง — ตั้งแต่รถยนต์อัตโนมัติไปจนถึงบอทเทรดดิ้งทางการเงิน — สภาพแวดล้อมไม่เคยหยุดนิ่ง เอเจนต์ต้องดำเนินการอย่างรวดเร็ว และความล่าช้าอาจนำมาซึ่งหายนะ

TORSI นำเสนอแนวทางปฏิบัติที่ชัดเจน: แยกกระบวนการคิดออกจากการลงมือทำ ให้ครูผู้สอนใช้ช่วงเวลาที่ว่างเพื่อไตร่ตรองอย่างลึกซึ้ง จากนั้นจึงส่งแผนงานที่ได้รับการปรับให้เหมาะสมที่สุดให้นักเรียนนำไปปฏิบัติในเวลาจริง แนวทางสองสเกลเวลานี้สะท้อนวิธีการเรียนรู้ของมนุษย์ ซึ่งเป็นการทบทวนข้อผิดพลาดและปรับปรุงการกระทำในอนาคตโดยไม่ต้องมีการกำกับดูแลตลอดเวลา

ความสำเร็จของ TORSI ชี้ให้เห็นว่าระบบ AI ในอนาคตจะไม่ใช่แค่ฉลาดหรือเร็วขึ้นเท่านั้น แต่จะมีโครงสร้างที่ดีกว่า โดยการแยกกระบวนการไตร่ตรอง การเรียนรู้ และการลงมือปฏิบัติออกจากกันผ่านสเกลเวลาที่แตกต่างกัน นักพัฒนาสามารถสร้างเอเจนต์ที่มีความรอบคอบและทันต่อเหตุการณ์ไปพร้อมกันได้

แหล่งข้อมูล

1. The World Won’t Wait: Evaluating and Teaching Agents Under a Live Clock (arxiv.org) — 2026-10-14
2. The World Won’t Wait: Evaluating and Teaching Agents Under a Live Clock (ai-daily-beacon.up.railway.app) — 2026-10-16