สิ่งที่ยากที่สุดในการสอนระบบค้นหาคือการควบคุมตัวเอง ตัวแทน AI ส่วนใหญ่ เมื่อได้รับคำสั่งให้ค้นหาข้อมูล จะดึงบริบทต่อไปเรื่อยๆ จนกระทั่งถึงขีดจำกัดโทเค็นหรือหมดเวลา ดัตตาบริกส์ตัดสินใจฝึกตัวแทนหนึ่งตัวให้หยุดเมื่อเสร็จสิ้นจริงๆ
ผลลัพธ์คือ KARL ซึ่งเป็นตัวแทนการสร้างที่เสริมด้วยการดึงข้อมูลที่สร้างขึ้นบนการเรียนรู้แบบเสริมแรง ที่มีประสิทธิภาพเทียบเท่า Claude Opus 4.6 ในขณะที่มีต้นทุนต่ำกว่า 33% และทำงานด้วยความล่าช้าต่ำกว่า 47%
การสอนตัวแทนให้หยุด
แนวคิดหลักของ KARL คือความไม่มีประสิทธิภาพในการค้นหาส่วนใหญ่เป็นปัญหาด้านเวลา ระบบ RAG แบบดั้งเดิมดึงข้อมูลบริบทมากเกินความจำเป็น ประมวลผลข้อมูลซ้ำซ้อน และใช้ทรัพยากรการคำนวณไปโดยเปล่าประโยชน์ KARL ใช้การเรียนรู้แบบเสริมแรงเพื่อระบุว่าเมื่อใดที่การดึงข้อมูลเพิ่มเติมไม่เพิ่มคุณค่าอีกต่อไป แล้วจึงหยุดการค้นหาทันทีแทนที่จะดำเนินการต่อไปโดยอัตโนมัติ
Databricks ผสานสิ่งนี้เข้ากับการบีบอัดบริบท ซึ่งเป็นเทคนิคที่ช่วยให้ตัวแทนสามารถบีบอัดข้อมูลที่ได้รับมาแล้วก่อนตัดสินใจว่าจะดึงข้อมูลเพิ่มเติมหรือไม่
สิ่งที่ Agent Bricks เพิ่มเข้ามาในภาพ
KARL อยู่ภายในกรอบที่ใหญ่กว่าที่ Databricks เปิดตัวชื่อ Agent Bricks ซึ่งเปิดตัวในเดือนกันยายน 2026 เป็นแพลตฟอร์มสำหรับสร้างเอเจนต์เฉพาะโดเมนที่ปรับให้เหมาะสมอัตโนมัติ แนวคิดคือ องค์กรไม่ควรต้องปรับแต่งแบบจำลองทุกตัวที่นำใช้งานด้วยตนเอง Agent Bricks จะจัดการการปรับแต่งนี้อัตโนมัติ โดยปรับพฤติกรรมของเอเจนต์ให้เหมาะสมกับประเภทงานเฉพาะที่กำหนดไว้ด้วยภาษาธรรมดา
ตั้งแต่เปิดตัว ได้มีตัวแทนมากกว่า 100,000 ตัวถูกสร้างขึ้นบนแพลตฟอร์มนี้ โครงสร้างพื้นฐานนี้รองรับผู้ให้บริการโมเดลหลัก รวมถึง Claude และรุ่น GPT โดยการกำกับดูแลจะถูกจัดการผ่าน Databricks’ Unity Catalog
Databricks ยังได้เพิ่มความสามารถในการเรียงลำดับใหม่ภายในผลิตภัณฑ์ AI Search ของตน การเรียงลำดับใหม่คือกระบวนการรับชุดเอกสารที่ดึงมาเบื้องต้นแล้วคำนวณคะแนนความเกี่ยวข้องใหม่ก่อนส่งให้โมเดลภาษา ผลลัพธ์ด้านความแม่นยำบนมาตรฐานสำหรับองค์กรเฉลี่ยเพิ่มขึ้น 15 เปอร์เซ็นต์
ความแม่นยำที่ขอบเขตโดยไม่มีราคาขอบเขต
ตัวเลขอ้างอิงที่ Databricks อ้างภายในแสดงให้เห็นถึงการปรับปรุงความแม่นยำจากประมาณ 32% เป็นเกินกว่า 90% บนประเภทงานบางประเภทเมื่อใช้เทคนิคตัวแทนเฉพาะทาง เช่น การคิดแบบขนานและการออกแบบหลายโมเดล LLM
การจับคู่กับ Claude Opus 4.6 ในงานด้านการดึงข้อมูลและการให้เหตุผล พร้อมทั้งลดต้นทุนลงหนึ่งในสาม ทำให้ Databricks อยู่ในตำแหน่งที่น่าสนใจในตลาดองค์กร บริษัทไม่ได้ขายโมเดลพื้นฐาน แต่ขายโครงสร้างพื้นฐานที่ทำให้โมเดลพื้นฐานสามารถใช้งานได้ในระดับใหญ่