กรุงเทพฯ, 29 มิถุนายน 2569 – ‘กลุ่มเอสซีบีเอกซ์’ (SCBX) ตอกย้ำบทบาทผู้นำด้านเทคโนโลยีและนวัตกรรมทางการเงิน เดินหน้าสร้างผลงานวิจัยระดับแนวหน้า (Frontier Research) อย่างต่อเนื่อง ล่าสุดทีมนักวิจัยจากกลุ่มเอสซีบีเอกซ์ สร้างความสำเร็จอีกครั้ง ผ่านการตอบรับผลงานวิจัยรวม 5 ฉบับ ใน 4 เวทีประชุมวิชาการชั้นนำระดับโลก (Top-Tier) ได้แก่ ACL 2026 (Main Conference), EACL 2026 (Main Conference), ICLR 2026 Workshop: Principled Design for Trustworthy AI และ ICLR 2026 Blogposts Track ซึ่งล้วนเป็นเวทีที่บริษัทเทคโนโลยีชั้นนำระดับโลก อาทิ Google, Microsoft, Amazon และ Apple ร่วมตีพิมพ์ผลงานวิจัยเป็นประจำ สะท้อนทั้งความกว้างและความลึกของศักยภาพนักวิจัยไทย พร้อมตอกย้ำขีดความสามารถของกลุ่มเอสซีบีเอกซ์ในการพัฒนาผลงานวิจัยคุณภาพระดับแนวหน้าของอุตสาหกรรม (Industry-Leading) ในเวทีสากล
ความสำเร็จครั้งนี้เกิดจากความร่วมมือของทีมวิจัยภายในกลุ่ม ได้แก่ SCBX และ SCB DataX โดยมุ่งเน้นการพัฒนาเทคโนโลยี AI ใน 3 ทิศทางสำคัญที่ตอบโจทย์ทั้งบริบทเฉพาะของผู้ใช้งานชาวไทยและการขยายขอบเขตองค์ความรู้พื้นฐานของวงการ AI ในระดับสากล ได้แก่ 1) ประสิทธิภาพและความปลอดภัยของ AI ในภาษาและวัฒนธรรมไทย 2) ความสามารถด้าน Audio-Language สำหรับการใช้งานจริง และ 3) งานวิจัยพื้นฐานด้านการให้เหตุผล (Reasoning) ของโมเดลภาษาขนาดใหญ่
ACL (Association for Computational Linguistics) และ EACL (European Chapter of the ACL) ถือเป็นเวทีประชุมวิชาการชั้นแนวหน้าในสาขา Natural Language Processing (NLP) ซึ่งเป็นรากฐานของเทคโนโลยีภาษา AI ที่อยู่เบื้องหลังระบบอย่าง ChatGPT, Gemini และ Claude ขณะที่ ICLR (International Conference on Learning Representations) เป็นเวทีชั้นนำด้าน Machine Learning และ Deep Learning ซึ่งเป็นรากฐานสำคัญของ AI ยุคใหม่ โดย Blogposts Track ของ ICLR เป็นช่องทางเผยแพร่ผลงานวิชาการที่ผ่านการคัดเลือกอย่างเข้มข้น มีบทบาทสำคัญในการสื่อสารองค์ความรู้เชิงลึกสู่ชุมชนนักวิจัยทั่วโลก
นายกวีวุฒิ เต็มภูวภัทร Chief Innovation Officer บริษัท เอสซีบี เอกซ์ จำกัด (มหาชน) (SCBX) และประธานเจ้าหน้าที่บริหาร บริษัท เอสซีบี เท็นเอกซ์ จำกัด (SCB 10X) กล่าวว่า “กลุ่มเอสซีบีเอกซ์รู้สึกเป็นเกียรติอย่างยิ่งที่ผลงานวิจัยของทีมได้รับการตอบรับในเวทีระดับโลกอย่าง ACL, EACL และ ICLR พร้อมกันรวม 5 ผลงาน ซึ่งล้วนเป็นเวทีที่มีมาตรฐานการคัดเลือกสูงและได้รับการยอมรับจากชุมชนนักวิจัยนานาชาติ ความสำเร็จครั้งนี้สะท้อนความมุ่งมั่นของกลุ่มฯ ในการพัฒนางานวิจัยระดับแนวหน้า (Frontier Research) อย่างต่อเนื่อง”
“ผลงานทั้ง 5 ชิ้น แสดงให้เห็นถึงแนวทางการพัฒนา AI ที่ไม่ได้มุ่งเพียงความสามารถของโมเดล แต่ให้ความสำคัญกับ 3 มิติที่เกื้อหนุนกัน คือ การเข้าใจ ‘บริบทการใช้งานจริง’ ของผู้ใช้ชาวไทย ทั้งในด้านภาษาและความปลอดภัย การขยายขีดความสามารถสู่โมเดลใหม่อย่างเสียง (Audio-Language) และการลงลึกในงานวิจัยพื้นฐานที่ยกระดับ AI ทั้งระบบ ซึ่งล้วนเป็นปัจจัยสำคัญในการนำ AI ไปใช้งานในภาคธุรกิจ โดยเฉพาะในอุตสาหกรรมการเงินที่ต้องการความน่าเชื่อถือในระดับสูง”
ความสำเร็จบนเวที ACL, EACL และ ICLR ครั้งนี้ ตอกย้ำแนวทางของกลุ่มเอสซีบีเอกซ์ในการลงทุนด้านงานวิจัยระดับแนวหน้า (Frontier Research) เพื่อสร้างองค์ความรู้และนวัตกรรมที่สามารถต่อยอดสู่การใช้งานจริง พร้อมทั้งสนับสนุนแนวทางการวิจัยแบบเปิด (Open Research) และความร่วมมือกับภาคส่วนต่างๆ เพื่อยกระดับศักยภาพนักวิจัยไทย
ผลงานวิจัยทั้ง 5 ชิ้นนี้ไม่เพียงสะท้อนศักยภาพขององค์กร แต่ยังเป็นอีกก้าวสำคัญในการผลักดันให้ประเทศไทยก้าวสู่การเป็นศูนย์กลางการพัฒนา AI ในภูมิภาค และสร้างมาตรฐานใหม่ของเทคโนโลยีที่ “เข้าใจคนไทย” “ปลอดภัยสำหรับสังคมไทย” และ “ขยายขอบเขตความรู้ของวงการ AI ในระดับโลก” อย่างแท้จริง
5 ผลงานวิจัยไทยของกลุ่มเอสซีบีเอกซ์บนเวทีระดับโลก
- Language-Aware Token Boosting (LATB): เปิดทางให้ AI “เข้าใจและตอบภาษาไทย” ได้แม่นยำยิ่งขึ้น โดยไม่ต้องเทรนโมเดลใหม่
ผลงานวิจัยที่ได้รับการตอบรับใน ACL 2026 (Main Conference) นำเสนอเทคนิคใหม่ Language-Aware Token Boosting (LATB) ที่ช่วยแก้ปัญหาการใช้งาน LLM ในภาษาไทย ซึ่งมักเกิดอาการ “หลงภาษา” เช่น ตอบเป็นภาษาอังกฤษหรือสลับภาษา แม้ผู้ใช้ตั้งคำถามเป็นภาษาไทย ทำให้ประสบการณ์การใช้งานไม่เป็นธรรมชาติ โดย LATB สามารถลดปัญหาดังกล่าวได้อย่างมีนัยสำคัญ โดยไม่จำเป็นต้องนำโมเดลกลับไปฝึกใหม่ (fine-tune) ช่วยลดต้นทุนและเพิ่มประสิทธิภาพในการนำไปใช้งานจริง
- ThaiSafetyBench: มาตรฐานใหม่ในการวัดความปลอดภัย AI ในบริบทภาษาและวัฒนธรรมไทย
ผลงานวิจัยที่ได้รับการตอบรับใน ICLR 2026 Workshop “Principled Design for Trustworthy AI” โดยได้ทำการเปิดตัว ThaiSafetyBench ซึ่งเป็นชุดทดสอบความปลอดภัยของ LLM ที่ออกแบบเฉพาะสำหรับบริบทภาษาและวัฒนธรรมไทย ปัจจุบันการประเมินความปลอดภัยของ AI ระดับโลกพึ่งพา benchmark ภาษาอังกฤษเป็นหลัก ทำให้ความเสี่ยงเฉพาะในบริบทไทย เช่น ประเด็นทางสังคม วัฒนธรรม และค่านิยมเฉพาะของไทย ไม่เคยถูกประเมินอย่างเป็นระบบ ส่งผลให้องค์กรในประเทศไทยขาดเครื่องมือมาตรฐานในการตรวจสอบว่าโมเดล AI ใด “ปลอดภัยเพียงพอ” สำหรับบริบทของคนไทย
ThaiSafetyBench ประกอบด้วยชุดข้อมูลทดสอบ 1,954 ตัวอย่างในภาษาไทย ครอบคลุม 6 กลุ่มความเสี่ยง 17 ประเภทอันตราย โดยทีมวิจัยได้ทำการทดสอบโมเดล AI ชั้นนำของโลกกว่า 24 โมเดล ไม่ว่าจะเป็น Claude 4.5 Sonnet, GPT-5, Gemini, Llama, Gemma, Qwen รวมถึงโมเดลที่พัฒนาในประเทศไทยอย่าง Typhoon และ OpenThaiGPT ผลการศึกษาพบว่าการโจมตีที่อิงบริบทวัฒนธรรมไทยมีอัตราความสำเร็จสูงกว่าการโจมตีทั่วไปอย่างชัดเจน สะท้อนให้เห็นช่องโหว่สำคัญในการพัฒนา AI ที่ยังไม่ได้รับการแก้ไขในระดับสากล
ทั้งนี้ ทีมวิจัยได้เปิดให้ชุดข้อมูล leaderboard และเครื่องมือคัดกรองเนื้อหาอันตราย (ThaiSafetyClassifier) ใช้งานในรูปแบบ open-source เพื่อสนับสนุนการยกระดับมาตรฐานความปลอดภัย AI ของไทยร่วมกับชุมชนนักวิจัยและนักพัฒนาทั่วประเทศ
- AudioJudge: กรอบการประเมินคุณภาพเสียงแบบ Unified ด้วย Large Audio Models
ผลงานวิจัยที่ได้รับการตอบรับใน EACL 2026 (Main Conference) จากทีม Typhoon (SCB DataX) นำเสนอ AudioJudge ซึ่งเป็นการศึกษาแนวทางการใช้ Large Audio Models (LAMs) เป็น “ผู้ตัดสิน” (Judge) เพื่อประเมินคุณภาพเสียงในหลากหลายมิติพร้อมกัน ทั้งการออกเสียง (Pronunciation) อัตราเร็วในการพูด (Speaking Rate) การระบุตัวตนผู้พูด (Speaker Identification) และ คุณภาพเสียง (Speech Quality) แทนการใช้ระบบเฉพาะทางแยกกันสำหรับแต่ละด้าน โดยทีมวิจัยได้นำเสนอเทคนิค Multi-aspect Ensemble AudioJudge ที่มีความใกล้เคียงกับการตัดสินของมนุษย์ (Spearman Correlation) มากถึง 0.91 ในเกณฑ์มาตรฐานการจัดอันดับระบบ นับเป็นก้าวสำคัญในการสร้างเครื่องมือวัดผลที่สอดคล้องกับการรับรู้ของมนุษย์อย่างแท้จริง
- Extending Audio Context for Long-Form Understanding: ปลดล็อกความเข้าใจเสียงระยะยาวของโมเดล Audio-Language
อีกหนึ่งผลงานจากทีม Typhoon (SCB DataX) ที่ได้รับการตอบรับใน EACL 2026 (Main Conference) มุ่งแก้ปัญหา “คอขวด” สำคัญของ Large Audio-Language Models (LALMs) ซึ่งมักถูกจำกัดด้วยความสามารถในการประมวลผลเสียงที่จำกัด เช่น 30 วินาที แม้โมเดลภาษาตัวหลักจะรองรับบริบทได้ยาวกว่าก็ตาม ทีมวิจัยได้นำเสนอ Partial YaRN ซึ่งเป็นวิธีขยาย Context แบบ Modality-decoupled ที่ปรับเฉพาะตำแหน่งของ Audio Token โดยไม่กระทบความสามารถด้านข้อความเดิม รวมถึง Virtual Longform Audio Training (VLAT) ที่ช่วยให้โมเดลเข้าใจเสียงยาวที่ไม่เคยพบมาก่อนได้อย่างมีประสิทธิภาพ ผลงานนี้เปิดทางให้ระบบ Audio-Language สามารถก้าวข้ามขีดจำกัดของคลิปเสียงสั้นไปสู่การใช้งานจริงที่ต้องประมวลผลเสียงระยะยาว เช่น การประชุม การให้บริการคอลเซ็นเตอร์ และคอนเทนต์เสียงทุกรูปแบบ
- Wait, Do We Need to Wait? Revisiting Budget Forcing for Sequential Test-Time Scaling
ผลงานที่ได้รับการตอบรับใน ICLR 2026 Blogposts Track ตั้งคำถามและตรวจสอบเทคนิค Budget Forcing ซึ่งเป็นแนวทางสำคัญในการเพิ่มความสามารถการให้เหตุผลของ LLM ผ่านการควบคุม “งบการคิด” (Thinking Budget) และการเติมคำว่า “Wait” เพื่อกระตุ้นให้โมเดลคิดต่อ ทีมวิจัยได้ทดลองอย่างเป็นระบบกับโมเดลหลากหลายตระกูล ทั้ง Qwen, Llama, Gemma และ Mistral และค้นพบประเด็นสำคัญหลายข้อ อาทิ เทคนิคนี้ไม่ได้ให้ผลเป็นเชิงเส้นอย่างที่งานวิจัยต้นฉบับเสนอ และคำว่า “Wait” ไม่ใช้คำกระตุ้นที่ดีที่สุดเสมอไป คำที่โมเดลใช้บ่อยตามธรรมชาติของตัวเอง เช่น “Let” หรือ “Perhaps” มักให้ผลลัพธ์ที่ดีกว่า ผลงานนี้ให้แนวทางปฏิบัติที่ชัดเจน (Practical Guidelines) สำหรับนักพัฒนาในการนำเทคนิค Test-Time Scaling ไปใช้จริง พร้อมเปิดมุมมองใหม่ต่อความเข้าใจของชุมชนวิจัยระดับโลก
สำหรับผู้สนใจสามารถติดตามข่าวสารด้าน AI & FinTech อัปเดตเทคโนโลยี และองค์ความรู้จาก SCBX Knowledge Hub ผ่าน SCBX R&D LINE OA ได้ที่: https://lin.ee/8dvXKVs
