Scale AI เปิด VeRO: ให้ 'เอเจนต์นักปรับ' ไปแก้เอเจนต์อีกตัวเอง — ดันคะแนน tool use ขึ้นได้ถึง 19 จุด แต่ 'ยกระดับการให้เหตุผล' ยังทำไม่ได้

Scale AI เผยแพร่งานวิจัยเชิงประยุกต์ชื่อ “Agents Can Now Improve Other Agents” (6 ก.ค. 2026) แนะนำกรอบชื่อ VeRO — ย่อจาก Versioning, Rewards, and Observations — ที่ให้ “เอเจนต์นักปรับ” (optimizer agent) เข้าไปแก้ไของค์ประกอบต่าง ๆ ของ เอเจนต์เป้าหมาย โดยอัตโนมัติ คำถามที่งานนี้ทดสอบตรง ๆ คือ: AI จะเข้ามารับงานวิศวกรรมที่ปกติมนุษย์ต้องนั่งจูนเอเจนต์ด้วยมือได้แค่ไหน?

คำตอบมีทั้งข่าวดีและเส้นแบ่งที่คมชัด — VeRO ปรับ “วิธีที่เอเจนต์โต้ตอบกับเครื่องมือและระบบ” ได้ดีจริง แต่ ยกระดับความสามารถในการให้เหตุผลของโมเดลฐานไม่ได้ ซึ่งเป็นบทเรียนที่คนทำเอเจนต์ควรจำ

optimizer agent แก้อะไรได้บ้าง

เอเจนต์นักปรับสามารถแก้ไของค์ประกอบเหล่านี้ของเอเจนต์เป้าหมาย:

• การใช้เครื่องมือ (tool use) — วิธีเรียกและใช้ผลจากเครื่องมือ
• การจัดการไฟล์ (file handling)
• ฟังก์ชันการค้นหา (search)
• logic ของเวิร์กโฟลว์ — ลำดับและเงื่อนไขการทำงาน

มันทำได้ทั้ง การแก้ prompt และ การเปลี่ยนเชิงโครงสร้าง (structural changes) ของเอเจนต์เป้าหมาย ไม่ใช่แค่ขยับข้อความสั่ง

ตัวเลขบน GAIA

ทีมทดสอบบน GAIA — เบนช์มาร์กงานหลายขั้นที่ใช้เครื่องมือหนัก — ผ่านการรันปรับ 105 รอบ (optimization runs) ผลที่ได้:

• กำไรรายบุคคลสูงสุดถึง 19 จุด บนงานที่ต้องประสานเครื่องมือหลายขั้น
• optimizer agent เก่งเรื่องปรับการโต้ตอบกับเครื่องมือและระบบ แต่ ติดเพดานเมื่อพยายามยกระดับการให้เหตุผลของโมเดลฐาน — ถ้าความสามารถถูกจำกัดด้วยตัวโมเดลเอง การปรับเชิงเอเจนต์ช่วยไม่ได้
• การแก้เชิงโครงสร้าง (เครื่องมือ + เวิร์กโฟลว์) ทนทานข้ามการอัปเกรดโมเดลได้ดีกว่าการแก้แค่ prompt — prompt ที่จูนไว้กับโมเดลรุ่นหนึ่งมักหลุดเมื่อเปลี่ยนโมเดล ขณะที่โครงสร้างที่ดีอยู่ยงกว่า

มุมมอง AI Curator

สิ่งที่ทำให้ VeRO น่าสนใจไม่ใช่คำว่า “เอเจนต์ปรับเอเจนต์” (ซึ่งฟังดูเหมือน hype วนลูป) แต่คือ เส้นแบ่งที่มันขีดชัดเจน: การปรับระดับเอเจนต์ช่วยเรื่อง how (โต้ตอบเครื่องมือ, จัดโฟลว์) แต่ไม่ช่วยเรื่อง reasoning ที่ถูกล็อกด้วยโมเดลฐาน — นี่ตรงกับสิ่งที่หลายทีมค้นพบเองแบบเจ็บตัว: จูน prompt กับ scaffolding เท่าไรก็ไม่ทำให้โมเดลเล็กคิดได้เท่าโมเดลใหญ่ ถ้างานติดที่ “การให้เหตุผล” คำตอบคือเปลี่ยนโมเดล ไม่ใช่ปรับเอเจนต์ต่อ

บทเรียนที่ใช้ได้ทันทีและมีค่าที่สุดคือข้อ “โครงสร้างทนกว่า prompt” — ทีมจำนวนมากทุ่มเวลาจูน prompt จนได้คะแนนสวยกับโมเดลรุ่นปัจจุบัน แล้วต้องมานั่งจูนใหม่ทั้งหมดทุกครั้งที่ผู้ให้บริการปล่อยโมเดลรุ่นใหม่ (ซึ่งตอนนี้ถี่เป็นรายเดือน) VeRO ยืนยันเชิงประจักษ์ว่า การลงทุนกับ scaffolding เชิงโครงสร้าง — เครื่องมือที่ออกแบบดี, เวิร์กโฟลว์ที่ชัด — ให้ผลตอบแทนระยะยาวดีกว่าการ over-fit prompt เข้ากับโมเดลตัวใดตัวหนึ่ง

ข้อควรระวังในการอ่าน: 19 จุดเป็น “กำไรสูงสุดรายบุคคล” ไม่ใช่ค่าเฉลี่ย และทดสอบบน GAIA เป็นหลัก — ก่อนเชื่อว่าจะได้ผลกับงานของคุณ ควรมีเบนช์มาร์กภายในของตัวเองไว้วัด สำหรับทีมไทย/อาเซียนที่ทรัพยากรจำกัด แนวทาง “ให้เอเจนต์ช่วยปรับเอเจนต์” น่าสนใจตรงที่ลดแรงคนในการจูน แต่กับดักที่ต้องระวังคือ optimizer อาจ over-fit เข้ากับชุดทดสอบจนดูดีในเบนช์แต่พังในโปรดักชัน — ต้องมีชุด held-out และการตรวจโดยมนุษย์กำกับเสมอ มองในภาพใหญ่ VeRO คืออีกก้าวของเทรนด์ “AI ช่วยสร้าง/บำรุงระบบ AI” ที่กำลังย้ายงานของวิศวกรจากการจูนด้วยมือ ไปเป็นการออกแบบกรอบและตัดสินใจว่าจะยอมรับการเปลี่ยนแปลงแบบไหน

แหล่งข่าว

• Agents Can Now Improve Other Agents (VeRO) — Scale AI Blog
• Scale AI Research & Blog