Microsoft Open-Sources Orchard ដែលជាកម្មវិធី Agentic AI Framework ដែលប្រព័ន្ធប្រព័ន្ឋ Frontier Frontiers គំរូតូចៗ

ក្រុមហ៊ុន Microsoft Research បានចេញផ្សាយ Orchard ដែលជាក្របខ័ណ្ឌប្រភពបើកចំហសម្រាប់ការកសាង ការបណ្តុះបណ្តាល និងការវាយតម្លៃភ្នាក់ងារ AI ស្វយ័ត ដែលក្រុមហ៊ុននិយាយថាអនុញ្ញាតឱ្យម៉ូដែលទម្ងន់បើកចំហតូចទាក់ទងដំណើរការនៃប្រព័ន្ធព្រំដែនច្រើនជាងទំហំរបស់ពួកគេដប់ដង។ គម្រោងដែលបានរៀបរាប់លម្អិតនៅក្នុងការប្រកាសប្លក់នៅថ្ងៃទី 3 ខែសីហា ឆ្នាំ 2026 គឺជាការដេញថ្លៃដ៏មានមហិច្ឆតាបំផុតរបស់ក្រុមហ៊ុនដែលមិនទាន់ផ្តល់ឱ្យសហគមន៍ស្រាវជ្រាវទូលំទូលាយនូវប្រភេទនៃហេដ្ឋារចនាសម្ព័ន្ធដែលរហូតមកដល់ពេលនេះ ភាគច្រើននៅតែជាប់គាំងនៅក្នុងបន្ទប់ពិសោធន៍ដែលមានកម្មសិទ្ធិ។

ការចេញផ្សាយនេះបានមកដល់នៅពេលដែលឧស្សាហកម្ម AI ផ្លាស់ប្តូរពីការឆ្លើយសំណួរឋិតិវន្តឆ្ពោះទៅរកភ្នាក់ងារដែលអាចរៀបចំផែនការ ហេតុផល និងធ្វើសកម្មភាពឆ្លងកាត់បរិស្ថានពហុជំហាន។ សម្រាប់ព័ត៌មានបន្ថែមអំពីរបៀបដែលវិស័យនេះកំពុងឆ្ពោះទៅរកប្រព័ន្ធស្វយ័ត សូមមើល [ការគ្របដណ្តប់ឧស្សាហកម្ម AI ចុងក្រោយបំផុត] (https://aibuzzwire.news) របស់យើង។

អ្វីទៅជា Orchard

នៅចំកណ្តាលនៃគម្រោងគឺ Orchard Env ដែលជាសេវាកម្មបរិស្ថានដែលមានមូលដ្ឋានលើ Kubernetes ទម្ងន់ស្រាល ដែលផ្តល់នូវសមាសធាតុដាច់ដោយឡែកដែលអាចប្រើឡើងវិញបានសម្រាប់ដំណើរការភ្នាក់ងារតាមខ្នាត។ យោងតាមក្រុមហ៊ុន Microsoft សេវាកម្មដូចគ្នាអាចគាំទ្រភ្នាក់ងារវិស្វកម្មផ្នែកទន់ ភ្នាក់ងាររុករកគេហទំព័រ និងភ្នាក់ងារជំនួយផ្ទាល់ខ្លួនដោយមិនចាំបាច់កែប្រែ។ វាគ្រប់គ្រងអ្វីៗគ្រប់យ៉ាងចាប់ពីការប្រមូលទិន្នន័យបណ្តុះបណ្តាល រហូតដល់ការពង្រឹងការរៀន និងការវាយតម្លៃ។

ការសម្រេចចិត្តផ្នែកស្ថាបត្យកម្មសំខាន់គឺថាបរិយាកាសពេលដំណើរការត្រូវបានចាត់ទុកជាសេវាកម្មដាច់ដោយឡែក ដែលអាចប្រើឡើងវិញបាន ជាជាងហេដ្ឋារចនាសម្ព័ន្ធដែលបានបង្កប់នៅក្នុងក្របខ័ណ្ឌបណ្តុះបណ្តាលជាក់លាក់មួយ។ ដោយសារតែ Orchard Env អង្គុយនៅលើ Kubernetes វាអាចបង្កើត គ្រប់គ្រង និងលុបធុងដាច់ដោយឡែករាប់ពាន់ដែលស្របគ្នា។ ក្រុមអាចណែនាំស្តង់ដារថ្មី ប្រព័ន្ធភ្នាក់ងារ ឬក្បួនដោះស្រាយការបណ្តុះបណ្តាល ដោយមិនចាំបាច់កសាងហេដ្ឋារចនាសម្ព័ន្ធមូលដ្ឋានឡើងវិញពីដំបូងឡើយ។

ការបណ្តុះបណ្តាលនៅក្នុងខ្សែពិត

លក្ខណៈពិសេសប្លែកមួយរបស់ Orchard គឺសមត្ថភាពរបស់វាក្នុងការបណ្តុះបណ្តាលភ្នាក់ងារដោយផ្ទាល់នៅក្នុងខ្សែសម្រាប់ដាក់ពង្រាយដែលពួកគេនឹងប្រើប្រាស់ក្នុងផលិតកម្ម។ ភ្នាក់ងារដែលមានសមត្ថភាពបំផុតនាពេលបច្ចុប្បន្ននេះកម្រនឹងដំណើរការជាគំរូទទេ។ ពួកវាដំណើរការតាមរយៈខ្សែដ៏ទំនើបដូចជា Codex, OpenClaw និង ZeroClaw ដែលគ្រប់គ្រងការវែកញែកច្រើនវេន ការប្រើប្រាស់ឧបករណ៍ និងការភ្ជាប់ទៅប្រព័ន្ធខាងក្រៅ។

ឧបករណ៍បណ្ដុះបណ្ដាលបើកចំហជាធម្មតាមិនអាចគ្រប់គ្រងខ្សែពហុដំណើរការដែលមានលក្ខណៈរដ្ឋទាំងនេះបានទេ ដោយបង្ខំឱ្យអ្នកស្រាវជ្រាវហ្វឹកហាត់នៅលើការឈរសាមញ្ញ ហើយបន្ទាប់មកដាក់ឱ្យប្រើប្រាស់ក្នុងស្ថានភាពជាក់ស្តែង ដែលបង្កើតឱ្យមានភាពមិនស៊ីគ្នារវាងការបណ្ដុះបណ្ដាល និងការដាក់ឱ្យប្រើប្រាស់។ Orchard បិទគម្លាតនេះ៖ ប្រូកស៊ីទម្ងន់ស្រាលកត់ត្រាការហៅទូរសព្ទម៉ូដែលផ្ទាល់ខ្លួនរបស់ខ្សែជាទិន្នន័យហ្វឹកហាត់ ខណៈពេលដែលការចេញដំណើរនីមួយៗដំណើរការក្នុងកុងតឺន័ររបស់វា ដែលអនុញ្ញាតឱ្យភ្នាក់ងារត្រូវបានបណ្តុះបណ្តាលពីចុងដល់ចប់ដោយផ្ទាល់នៅក្នុងខ្សែដែលវានឹងប្រើក្នុងផលិតកម្ម។

រូបមន្តជាក់លាក់នៃដែនចំនួនបី

ដើម្បីបង្ហាញពីវិធីសាស្រ្តនេះ ក្រុមហ៊ុន Microsoft បានចេញផ្សាយដំណើរការបណ្តុះបណ្តាលចំនួនបី។

Orchard-SWE៖ វិស្វកម្មផ្នែកទន់

Orchard-SWE កំណត់គោលដៅមួយនៃការកំណត់ដែលត្រូវការបំផុតសម្រាប់ភ្នាក់ងារស្វយ័ត៖ ហេតុផលច្រើនជំហានលើមូលដ្ឋានកូដពិតប្រាកដ។ វាត្រូវបានបង្កើតឡើងដោយប្រើប្រាស់ក្របខ័ណ្ឌ Mini-SWE-Agent និងវាយតម្លៃលើ SWE-bench Verified ដែលជាស្តង់ដារដែលសាកល្បងសមត្ថភាពរបស់គំរូក្នុងការរុករក វិនិច្ឆ័យ និងជួសជុលមូលដ្ឋានកូដពិភពលោកពិតប្រាកដ។

ដើម្បីបណ្តុះបណ្តាលប្រព័ន្ធនេះ ក្រុមហ៊ុន Microsoft បានចម្រោះទំនាក់ទំនងភ្នាក់ងារចំនួន 107,000 ពីម៉ូដែលទម្ងន់បើកចំហកម្រិតខ្ពស់ពីរគឺ MiniMax-M2.5 និង Qwen3.5-397B ដែលគ្របដណ្តប់លើបញ្ហា GitHub យ៉ាងទូលំទូលាយ។ ដោយប្រើបច្ចេកទេសដែលហៅថាការកែតម្រូវការផាកពិន័យដែលគ្រប់គ្រងដោយការផ្តល់ឥណទាន ប្រព័ន្ធរៀនពីផ្នែកដែលមានប្រយោជន៍នៃការព្យាយាមដោយផ្នែកជាជាងការបោះបង់វាទាំងស្រុង។

លទ្ធផលបានផ្លាស់ប្តូរគំរូពី 61.4% មូលដ្ឋាននៅលើ SWE-bench Verified ទៅ 69.1% ជាមួយនឹងការរៀនពង្រឹង និង 69.7% ជាមួយនឹងបច្ចេកទេសផ្តល់រង្វាន់ក្រាស់។ ជាមួយនឹងចំណាត់ថ្នាក់តម្លៃគំរូឡើងវិញ តួលេខនេះឈានដល់ 73.0% ដែលជាស្ថានភាពសិល្បៈថ្មីក្នុងចំណោមគំរូប្រភពបើកចំហដែលមានទំហំប្រៀបធៀប ដោយប្រើតែប៉ារ៉ាម៉ែត្រសកម្មប្រហែល 3 ពាន់លានប៉ុណ្ណោះ។

Orchard-GUI៖ ការរុករកតាមអ៊ីនធឺណិត

Orchard-GUI បណ្តុះបណ្តាលគំរូភាសាចក្ខុវិស័យ 4 ពាន់លានជាភ្នាក់ងារកម្មវិធីរុករក។ ទោះបីជាការប្រើប្រាស់ចំនួនតិចតួចនៃការត្រួតពិនិត្យ — 400 បាតុកម្មដែលចំហរ រួមជាមួយនឹងកិច្ចការបណ្តុះបណ្តាលបើកចំហ 2,200 — គំរូនេះសម្រេចបាន 74.1% នៅលើ WebVoyager, 67.0% នៅលើ Online-Mind2Web និង 64.0% នៅលើ DeepShop ជាមធ្យម 68.4% ។ ក្រុមហ៊ុន Microsoft និយាយថាលទ្ធផលទាំងនេះបានដាក់វាក្នុងចំណោមភ្នាក់ងារគេហទំព័រប្រភពបើកចំហខ្លាំងបំផុតរហូតមកដល់បច្ចុប្បន្ន។

Orchard-Claw៖ ភារកិច្ចជំនួយការផ្ទាល់ខ្លួន

Orchard-Claw ផ្តោតលើការងារផលិតភាពប្រចាំថ្ងៃដូចជាការអាន និងពង្រាងអ៊ីមែល គ្រប់គ្រងប្រតិទិន និងការស្វែងរកព័ត៌មាន។ បានទទួលការបណ្តុះបណ្តាលលើកិច្ចការសំយោគចំនួន 200 ប៉ុណ្ណោះ និងបានវាយតម្លៃលើតារាងពិន្ទុ Claw-Eval វាបានបញ្ចប់ 59.6% នៃកិច្ចការដែលត្រូវបានផ្តល់ឱ្យរហូតដល់ 3 ដង កើនឡើងដល់ 73.9% នៅពេលភ្ជាប់ជាមួយប្រព័ន្ធភ្នាក់ងារ ZeroClaw ខ្លាំងជាង។

ហេតុអ្វីបានជាលទ្ធផលគំរូតូចសំខាន់

លេខគោលគឺគួរឱ្យកត់សម្គាល់ព្រោះវាមកពីម៉ូដែលដែលមានប៉ារ៉ាម៉ែត្រសកម្មប្រហែល 3 ទៅ 4 ពាន់លាន - តូចជាងប្រព័ន្ធព្រំដែនឆ្ងាយណាស់ពី OpenAI, Anthropic និង Google ដែលគ្រប់គ្រងតារាងពិន្ទុ។ ទឡ្ហីករណ៍របស់ក្រុមហ៊ុន Microsoft គឺថាហេដ្ឋារចនាសម្ព័ន្ធ និងបរិស្ថានបណ្តុះបណ្តាលត្រឹមត្រូវអាចបិទគម្លាតជាច្រើន ធ្វើឱ្យប្រព័ន្ធភ្នាក់ងារដែលមានសមត្ថភាពអាចចូលដំណើរការបានសម្រាប់អ្នកស្រាវជ្រាវ និងអង្គការដែលមិនអាចមានលទ្ធភាពក្នុងការបណ្តុះបណ្តាល ឬដំណើរការម៉ូដែលដែលមានកម្មសិទ្ធិធំបំផុត។

ទន្ទឹមនឹងគំរូ និងលំហូរការងារ ក្រុមហ៊ុន Microsoft បានបញ្ចេញទិន្នន័យបណ្តុះបណ្តាល និងវិធីសាស្ត្រវាយតម្លៃដែលប្រើដើម្បីបង្កើតពួកវា ដោយមានគោលដៅបានបញ្ជាក់ក្នុងការជួយសហគមន៍ស្រាវជ្រាវទូលំទូលាយក្នុងការកសាង និងសិក្សាប្រព័ន្ធភ្នាក់ងារបើកចំហ។ ការងារនេះត្រូវបានដឹកនាំដោយ Baolin Peng, Wenlin Yao, Qianhui Wu, Hao Cheng និង Jianfeng Gao នៃ Microsoft Research ។

នាំមុខ AI

ការចេញផ្សាយ Orchard របស់ក្រុមហ៊ុន Microsoft បង្ហាញសញ្ញាថាហេដ្ឋារចនាសម្ព័ន្ធនៅពីក្រោយភ្នាក់ងារ AI ព្រំដែនកំពុងចាប់ផ្តើមប្រជាធិបតេយ្យ។ អានបន្ថែម ព័ត៌មានថ្មីៗ AI និង អានព័ត៌មាន AI ច្រើនទៀត