DiscoBench: งานวิจัยชี้ search agent ไม่ได้แพ้ตรงการค้นหา — แต่แพ้ตรง 'ไม่รู้ว่าเมื่อไรควรถาม'

งานวิจัยใหม่บน arXiv (แก้ไขรุ่น v2 เมื่อ 1 ก.ค. 2026) ชื่อ “When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search” ชี้ประเด็นที่นักพัฒนา agent ทุกคนควรอ่าน: search agent ที่ขับด้วย LLM มักล้มเหลวไม่ใช่เพราะค้นหาไม่เก่ง แต่เพราะไม่รู้ว่าเมื่อไรควรหยุดค้นแล้วหันไปถามผู้ใช้เพื่อความชัดเจน

เบนช์มาร์กส่วนใหญ่ในปัจจุบันสมมติว่า query ของผู้ใช้ครบถ้วนและชัดเจนอยู่แล้ว แต่โลกจริงไม่เป็นแบบนั้น — คำขอมัก คลุมเครือ ระบุไม่ครบ หรือแม้กระทั่งผิดข้อเท็จจริง และเมื่อความคลุมเครือนี้ไหลผ่านเข้าไปในลูกโซ่การให้เหตุผลหลายขั้นตอนของเอเจนต์ มันจะพาการค้นหาไปผิดเส้นทางตั้งแต่ต้น DiscoBench ออกแบบมาเพื่อวัดจุดนี้โดยเฉพาะ

DiscoBench วัดอะไร

ต่างจากเบนช์มาร์กก่อนหน้าที่เน้นแค่ “เข้าใจ query แบบนิ่ง ๆ” DiscoBench มอง ความคลุมเครือเป็นปรากฏการณ์แบบไดนามิก ที่โผล่ขึ้นระหว่างการค้นหาหลายขั้นตอน โครงสร้างชุดข้อมูล:

• 211 ตัวอย่าง ครอบคลุม ambiguity 463 จุด
• 11 โดเมนจริง และความคลุมเครือ 4 ประเภท
• ที่แต่ละ “จุดคลุมเครือ” เอเจนต์ต้อง รู้ตัวเองว่าข้อมูลยังไม่พอ แล้ว interact กับผู้ใช้เพื่อขอเบาะแสที่ช่วยแยกแยะ — ไม่ใช่เดามั่ว หรือเลือกจากตัวเลือกปิดสำเร็จรูป

การประเมินวัด 4 มิติ: task utility (งานสำเร็จไหม), ambiguity detection (ตรวจจับความคลุมเครือได้ไหม), interaction strategy (ถามได้ดีไหม) และ cost (แลกด้วยต้นทุนเท่าไร) โดยใช้ user simulator จำลองการสนทนาหลายรอบ

ผลที่นักพัฒนา agent ต้องจำ

ข้อค้นพบหลักคมมาก: “การค้นซ้ำ ๆ แทนที่จะขอความชัดเจน มักได้ผลแย่กว่าการเดาตรง ๆ ด้วยซ้ำ” — เอเจนต์ที่พยายามชดเชยความไม่รู้ด้วยการยิงค้นหาเพิ่มเรื่อย ๆ ไม่ได้ช่วยอะไร กลับเปลืองต้นทุนและพาออกนอกเส้นทาง

อีกจุดที่สำคัญ: “การตรวจจับความคลุมเครือ” กับ “การตั้งคำถามที่ดี” เป็นคนละความสามารถกัน โมเดลอาจรู้ว่า query กำกวม แต่ยังตั้งคำถามที่ช่วยแยกแยะไม่เป็น และแม้แต่โมเดลระดับแนวหน้าอย่าง Claude Opus 4.7 และ Gemini 3.1 Pro ก็ยัง มีช่องว่างให้พัฒนาชัดเจน เมื่อเจอ query คลุมเครือ — พวกมันมักเดินหน้าเดาแทนที่จะถาม

มุมมอง AI Curator

งานนี้เป็น “บทเรียนออกแบบ” ที่ลงมือใช้ได้ทันที ไม่ใช่แค่ตัวเลขเบนช์มาร์ก ทีมที่สร้าง RAG หรือ search/deep-research agent ส่วนใหญ่ทุ่มพลังไปกับ retrieval ให้แม่นขึ้น — embedding ดีขึ้น re-ranker ฉลาดขึ้น ค้นหลายรอบมากขึ้น แต่ DiscoBench บอกว่าถ้า input คลุมเครือ การเพิ่มพลังค้นหาไม่ได้แก้ปัญหา และบางทีทำให้แย่ลงด้วยซ้ำ สิ่งที่ขาดคือความสามารถที่ “มนุษย์ที่เก่ง” มีโดยธรรมชาติ — รู้ว่าเมื่อไรควรหยุดแล้วถามกลับ

ในทางปฏิบัตินี่แปลว่า: อย่าออกแบบเอเจนต์ให้ “ค้นให้สุดแล้วเดาคำตอบ” อย่างเดียว ควรใส่ ขั้นตอนตรวจความคลุมเครือ และ กลไกถามกลับ ที่ถามถูกจุด (บริบทไทยยิ่งชัด — คำถามภาษาไทยมักละประธาน/บริบทที่ผู้พูดคิดว่ารู้กันอยู่แล้ว เอเจนต์ที่เดาเก่งแต่ไม่ถามจะพลาดง่ายเป็นพิเศษ) การถามหนึ่งคำถามที่ตรงจุด มักถูกกว่าและแม่นกว่าการยิงค้นหาสิบรอบ — ทั้งในแง่ต้นทุนโทเคนและในแง่คุณภาพคำตอบ นี่คือจุดที่ UX ของ agent กับคุณภาพผลลัพธ์มาบรรจบกัน: เอเจนต์ที่ “กล้าถาม” อาจเป็นเอเจนต์ที่ทั้งถูกกว่าและน่าเชื่อถือกว่า

แหล่งข่าว

• When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search — arXiv:2606.27669
• DiscoBench — ฉบับ HTML เต็ม (arXiv)