> เนื้อหานี้เป็นสิ่งที่นำไปบรรยายหลังได้รับเชิญเป็นวิทยากรในงาน Qwen Meetup Korea
วิธีทำให้ function calling ทำงานได้อย่างเสถียรกับ recursive union type qwen3-coder-next มีอัตราสำเร็จในการลองครั้งแรก 6.75% ส่วน Qwen 3.5 ทุกรุ่นเป็น 0% เนื่องจากบั๊ก double-stringify แต่ด้วยการทำ harness engineering ทำให้ไปถึง 100%
- AutoBe: เมื่อ LLM เติมโครงสร้าง AST ผ่าน function calling คอมไพเลอร์จะสร้างโค้ดให้ มีการตรวจสอบด้วยคอมไพเลอร์ 4 ขั้นตอน + ลูปซ่อมตัวเอง
- Typia: จาก TypeScript type เพียงตัวเดียว สามารถสร้าง JSON Schema, parser, validator และ feedback generator แบบอัตโนมัติในขั้น compile time รองรับทั้งการกู้คืน JSON ที่เสียหาย, การบังคับแปลงชนิดข้อมูล และ feedback เมื่อผิด schema
- จำกัดข้อบังคับของสคีมาด้วยการทำให้ "สิ่งต้องห้าม" กลายเป็น "สิ่งที่ไม่มีอยู่" → เป็นกลางต่อโมเดล และลู่เข้าสู่ผลลัพธ์แบบกำหนดได้
- ยิ่งเป็นโมเดลขนาดเล็ก ก็ยิ่งเปิดเผยช่องโหว่ของระบบได้ชัดกว่า → มีประโยชน์ต่อ QA
แพตเทิร์นนี้ไม่ได้จำกัดอยู่แค่ซอฟต์แวร์ หากเป็นสาขาวิศวกรรมใดก็ตามที่มีตัวตรวจสอบแบบกำหนดแน่นอน ก็สามารถนำแนวทางเดียวกันนี้ไปใช้ได้ หากแม้ผลลัพธ์จาก AI จะผิด แต่ตัวตรวจสอบสามารถชี้ได้อย่างแม่นยำว่าผิดตรงไหนและเพราะอะไร ลูปก็จะลู่เข้าได้ ทำให้สามารถนำโมเดลเชิงความน่าจะเป็นไปใช้งานจริงในงานที่ต้องการความถูกต้องแบบกำหนดแน่นอนได้
1 ความคิดเห็น
นี่ก็เป็นไอเดียที่ผมกำลังคิดอยู่เหมือนกัน แต่คุณนำไปทำออกมาได้ยอดเยี่ยมมากเลยนะครับ! ขอแสดงความยินดีกับผลลัพธ์ที่ออกมาดีด้วยครับ