EXPO(-FT) ใช้ reinforcement learning ปรับปรุงการกระทำจาก frontier model ผ่าน lightweight policy แล้วดูดกลับเข้าโมเดลหลัก สร้างมาตรฐานสำหรับขยายสเกลโมเดลขนาดใหญ่
LLMs เรียกสั่งหุ่นยนต์วางแผนซับซ้อนได้แล้ว แต่มุมมองและการเคลื่อนไหวยังดั้งเดิม ต้องมีโมเดลเฉพาะทางและมาตรฐานเช่น EXPO-FT เพื่อแก้จุดอ่อนนี้
Zhipu ใช้ Infra Agent ขับด้วย GLM-5.3 ปรับ GLM-5.3-Flash เอง จาก baseline ถึง production-ready ในไม่กี่ 2 สัปดาห์ ทำให้ end-to-end throughput เพิ่ม 3 เท่า
เคล็ดลับอัตโนมัติ: feedback ต้อง local มากพอ ผูกกับพารามิเตอร์เฉพาะ ช่วยให้ agent แยกขอบเขตปัญหาได้แม่นยำ
Old Models Foundation เปิดเข้าถึงโมเดลสร้างภาพเก่า ตั้งแต่ Efros-Leung 1999, VQGAN+CLIP 2021, Stable Diffusion 2022, จนถึง ControlNet และ SDXL 1.0 ปี 2023
ศัพท์ที่ควรรู้
- Frontier model – โมเดล AI ขั้นสูงสุดที่เป็นจุดเริ่มต้นของการพัฒนาต่อยอด
- Reinforcement learning – เทคนิคฝึก AI ให้เรียนรู้จากรางวัลและโทษผ่านการทดลองผิดลองถูก
- Lightweight policy – นโยบายหรือโมเดลเล็กที่ใช้ควบคุมการปรับเปลี่ยนเล็กน้อยโดยไม่หนักระบบ
- Infra Agent – เอเจนต์ AI ที่ดูแลโครงสร้างพื้นฐานและปรับประสิทธิภาพระบบโดยอัตโนมัติ
- Throughput – ปริมาณงานที่ระบบประมวลผลได้ต่อหน่วยเวลา
- Old Models Foundation – องค์กรที่รวบรวมและเผยแพร่โมเดล AI เก่าๆ เพื่อการศึกษาและวิจัย
ที่มา: importai.substack.com