งานวิจัยล่าสุดจาก Nvidia ได้ชี้ให้เห็นถึงประเด็นสำคัญในวงการ AI ว่า 'Harness' หรือโครงสร้างสนับสนุนที่อยู่รอบตัวโมเดลนั้น มีความสำคัญมากกว่าตัวโมเดล AI เอง โดยเฉพาะเมื่อต้องรับมือกับงานที่ต้องใช้การตัดสินใจต่อเนื่องในระยะยาว (Long-horizon tasks) ซึ่งเป็นงานที่ต้องอาศัยการประมวลผลหลายขั้นตอนต่อเนื่องกัน
ในการทดสอบกับเกณฑ์มาตรฐาน ARC-AGI-3 นักวิจัยของ Nvidia สามารถทำให้โมเดล Claude Opus 5 ทำคะแนนได้ถึง 100% ด้วยการใช้ Harness ที่ปรับแต่งมาเป็นพิเศษเพื่อจัดการหน่วยความจำและเพิ่มส่วนประกอบที่เรียกว่า 'Supervisor' หรือหัวหน้างานคอยกำกับดูแล ในขณะที่หากใช้โมเดลเพียงอย่างเดียวโดยไม่มี Harness ดังกล่าว คะแนนจะลดลงเหลือเพียง 30% เท่านั้น
Adel El Hallack รองประธานฝ่ายผลิตภัณฑ์ของ Nvidia อธิบายว่า Agent ไม่ได้เป็นเพียงแค่ API ของโมเดลเท่านั้น แต่ประกอบด้วยโมเดล, โครงสร้างสนับสนุน (Harness), เครื่องมือที่ใช้, รันไทม์ รวมถึงทักษะและไลบรารีต่างๆ ที่เข้าถึงได้ การมีส่วนประกอบของ 'Supervisor' ที่คอยให้คำแนะนำเมื่อ Agent เริ่มออกนอกเส้นทางหรือติดขัด จึงเป็นกุญแจสำคัญที่ทำให้ระบบสามารถทำงานได้สำเร็จลุล่วง
ผลการศึกษานี้สอดคล้องกับแนวโน้มในอุตสาหกรรมที่เริ่มให้ความสำคัญกับระบบนิเวศรอบตัวโมเดลมากขึ้น โดยก่อนหน้านี้ Databricks เคยเผยแพร่ข้อมูลว่าการเลือกใช้ Harness ที่แตกต่างกันสำหรับโมเดลเดียวกันสามารถส่งผลต่อต้นทุนการใช้งานที่ต่างกันได้ถึง 2 เท่า Nvidia จึงเน้นย้ำถึงความสำคัญของ 'Open Harness' ที่เปิดโอกาสให้ผู้ใช้งานสามารถปรับแต่งระบบเพื่อเพิ่มความแม่นยำและสร้างความปลอดภัยในการใช้งาน AI ได้อย่างมีประสิทธิภาพมากขึ้น
