以Agentic AI即服務（AaaS）為核心的AI原生公司沛星（Appier，TSE：4180），持續深化AI創新技術與前瞻研究，拓展行銷與廣告科技的應用邊界。因應Agentic AI加速落地至企業核心營運流程，Appier AI研究團隊發表的兩篇研究論文，分別揭示大型語言模型（LLM）如何在檢索資料缺乏正解時精準坦承限制，以及如何透過最佳化推理語言選擇，服務不同語言背景的使用者，為商業AI的可信度與全球化部署樹立更嚴謹的評估基礎。 這兩項能力在企業日常商業情境中日益重要。以電商客服Agent為例，當消費者詢問的商品其實不適用於現有退換貨規則時，若AI硬套用相似商品規則作答，就可能誤導消費者、引發爭議。 再以遊戲出海為例，廣告素材要打動不同市場玩家，關鍵往往藏在語言的細節裡，若AI在推理時未使用該市場語言，容易忽略只有當地人才會察覺的偏好與風險。Agentic AI要真正走進企業決策，需具備處理不確定性、依任務選擇合適推理方式及語言的能力。 辨識資訊缺口 讓AI能誠實回答 Agentic AI要自主完成任務，常需先從企業知識庫、文件或外部資料取得資訊，再進行推理與回答。檢索增強生成（Retrieval-Augmented Generation，RAG）就是常見架構之一；但若檢索階段未找到足以支持答案的資料，模型是否能辨識資訊缺口，將直接影響後續決策的可靠性。Appier AI研究團隊於《以上皆非，答對更少：人類與 LLM 在選擇題作答上的相似模式》中，以「以上皆非」（None of the Above，NA）模擬無正解情境，測試 28 款不同規模的主流LLM。發現當正確答案為「以上皆非」時，模型表現普遍下降30%至50%，顯示模型即使具備相關知識，在面對次優或錯誤選項時，仍傾向選擇硬答而非主動表示資訊不足。 這種「知道自己該說不知道」的能力，在商業倫理等需要綜合評估選項合理性的任務中尤其重要，相較於數學題等可直接計算驗證的任務更具挑戰。Appier AI研究團隊透過監督式微調（SFT）與直接偏好優化（DPO）兩種方法，訓練模型辨識「以上皆非」情境的能力。SFT 讓模型學習標準正解、DPO則同時納入正確與錯誤回答，讓模型學習分辨兩者差異。實驗結果顯示，DPO可將模型辨識「無正解」問題的準確率提升近30個百分點，證實此項能力可透過訓練優化。 只不過，「以上皆非」並不是每種題目都能用，只適用於答案明確、選項之間又彼此獨立的題目，顯示AI的「拒答能力」需針對不同任務個別訓練，才能發揮最佳效果。應用於企業知識場景時，除了提升檢索準確度，也可設計一道「行動前先確認資訊夠不夠」的關卡，一旦AI發現手上資料不足，能主動重新搜尋、或轉交人工處理。 選對語言思考 讓Agentic AI選擇更合適的推理方式 除了妥善處理不確定性，Agentic AI也需要依據任務特性選擇合適的推理語言。Appier研究《語言決定思路：多語言輸入與推理路徑如何影響大型推理模型？》發現，大型推理模型（LRMs）使用不同的語言思考，會直接影響其邏輯推理、安全判斷與文化理解。即使以不同語言提問，模型仍傾向依賴英文等高資源語言進行內部推理；部分模型的內部推理語言與最終回答語言不一致的比例甚至超過九成。 Appier AI研究團隊透過「文字預填法」（Text Prefilling）方法，在提示詞中設定開頭詞以強制定義模型的思考語言，觀察對任務表現的影響。結果顯示，英文等高資源語言通常更有利於數學與知識型任務的推理表現；但在「文化理解」任務中，「在地語言」更能貼近當地文化脈絡；在安全性測試中，讓AI以當地語言推理，也更能精準攔阻危害或違法提問。代表推理語言的選擇，應依任務性質靈活調整。這項研究進一步開啟「推理語言路由（Reasoning-Language Routing）」的應用機會：Agentic AI未來除了選擇合適的模型、工具與資料，還能依據任務類型、市場與文化情境，動態選用最適合的推理語言，再以使用者的對話語言回覆。 拓展AI評估範圍：從答對問題，到能辨識限制、選對方法 Appier 執行長暨共同創辦人游直翰表示，這兩篇研究重新定義了AI評估新標準，當AI從回答問題走向自主決策，除了衡量模型能否答對，也需要評估模型能否辨識資訊不足、適時調整行動，以及能否因事制宜，依不同任務選擇更合適的推理方式。 他說，這些能力將幫助Agentic AI從執行指令成長為能因應真實世界複雜情境的可靠決策系統。Appier目標透過持續的基礎研究，把這些關鍵問題轉化為可量化、可改善的AI能力，讓不同市場與語言背景的企業，都能更可靠地運用Agentic AI。 游直翰指出，Appier AI研究團隊將持續深化大型語言模型與Agentic AI的前瞻研究，並探索將相關成果應用於廣告雲、個人化雲與數據雲等三大產品線，讓AI不只具備自主行動能力，也能依資訊、任務與市場情境做出更可靠的判斷，協助企業將Agentic AI轉化為可規模化的實質商業價值。 更多風傳媒獨家內幕： ‧ 買了一堆ETF，以為就能分散風險？法人提醒投資盲點，關鍵在於「籃子裡裝什麼」 ‧ 美債殖利率飆升，為什麼股市沒崩？專家解析傳統股債邏輯失效的「新經濟時代」 ‧ 昔日恩師也看不下去！貝森特力守美債，卻被「黑色星期三」當年的自己上了一課
评论 (0)