anupob/tatsin-thai-v2

ตัดสิน (Tatsin) — ตัวจัดเส้นทางงานภาษาไทย

ตัดสินเป็น โมเดลตัดสินใจ/จัดเส้นทาง ไม่ใช่โมเดลแชท รับข้อความไทยหนึ่งข้อความ แล้วเลือกว่าจะส่งงานไปห้องใด (1 จาก 7 ห้อง) พร้อมค่าความมั่นใจ และ สัญญาณงด (noul) เมื่อหลักฐานไม่พอ ระบบจะ งด ไม่เดา

ตัวโมเดลไม่สร้างข้อความ ไม่ตอบผู้ใช้ และไม่ส่งงานออกไปเอง การนำผลไปใช้ต่อเป็นหน้าที่ของระบบที่เรียก

สถาปัตยกรรม

• เอนจิน: mmBERT-base (jhu-clsp/mmBERT-base) — ModernBERT, hidden 768, 22 เลเยอร์, vocab 256k, context สูงสุด 8192
• เฮด: 2 เลเยอร์ (choice / noul) — max_len 1024, head_max_len 256, max_prefixes 6
• รูปแบบ: non-autoregressive — ให้ state + คำถามแบบมีตัวเลือก แล้วคืนคำตอบพร้อมความน่าจะเป็นใน forward pass เดียว จึงไม่มีข้อความให้ parse และไม่มี hallucination ด้านข้อความ
• ฝึก: tatsin-decide v2 2026-09-22 · 15,987 updates · 4 epochs · ประมาณ 4.97 ชม. (CPU CE soft-target + noul×2 + realOOD)

ที่มา (งานดัดแปลง ตาม Apache-2.0 §4b)

เอนจินตั้งต้น	Laya Multilingual (mmBERT-base, 322M) — convaiinnovations/laya-multilingual
ผู้พัฒนาเอนจิน	Convai Innovations
สัญญาเอนจิน	Apache License 2.0 (ใช้เชิงพาณิชย์ + ดัดแปลง + ตั้งชื่อใหม่ได้)
สิ่งที่โปรเจกต์นี้เพิ่ม	fine-tune บนข้อมูลจัดเส้นทางภาษาไทย 7 ห้อง เป็น checkpoint นี้ และชั้นครอบ (โค้ดแยก): PDPA mask, ประโยคตัวตน, ไล่ระดับ 3 ชั้น, เกตคาลิเบรต

ชื่อ "Laya" เป็นชื่อสินค้าของ Convai Innovations เอกสารนี้กล่าวถึงเพื่อบอกที่มาของงานเท่านั้น ไม่ได้หมายความว่าผลงานนี้ได้รับการรับรองจาก Convai Innovations

7 ห้องที่เทรน (A–G ลำดับผูกกับตัวอักษร ห้ามสลับ)

letter	id	label (ข้อความที่โมเดลให้คะแนน)
A	code	ห้อง code (เบส — dev)
B	tor	ห้อง tor (ต่อ — เทรดทอง)
C	brew	ห้อง brew (ฮอป — ต้มเบียร์)
D	power	ห้อง power (ไฟ — ไฟฟ้ากำลัง)
E	cad	ห้อง cad (ไหม — 3D design)
F	data	ห้อง data (บูม — วิเคราะห์ข้อมูล)
G	pcb	ห้อง pcb (อาร์ม — วงจร)

label คือข้อความที่โมเดลให้คะแนนจริง การแก้ถ้อยคำใน label โดยไม่เทรนใหม่ทำให้คะแนนเพี้ยนทั้งชุด

สัญญาการเรียก (ตัวเสิร์ฟ)

POST /tatsin/decide รับ {state, question, options[]} แล้วคืน

{"pick":"A","confidence":0.92,"noul":0.119,"margin":0.80,"ranked":[],
 "coverage":{"scored":7,"requested":7},"source":"tatsin_v2"}

ถ้า coverage.scored น้อยกว่า coverage.requested หรือไม่มี coverage ชั้นครอบจะงดตัดสิน

ข้อจำกัด (อ่านก่อนเชื่อตัวเลข)

• ผลทดสอบรวม 17/25 ยังไม่ผ่านเกตส่งมอบ 20/25 เหมาะกับงานทดลองหรืองานเงา ยังไม่ใช่งานอัตโนมัติที่ไม่มีคนกำกับ
• ชั้น 2 (โมเดลใหญ่) ยังไม่ถูกวัด และ ไม้บรรทัด 7 ทางยังไม่มี เพราะชุดลับเป็น 2 ทาง
• ตัวเลข generalization จริงยังไม่มี ชุดลับ v1 เป็นแถวในชุดเทรนเป็นส่วนใหญ่
• ไม่มี memory ข้ามข้อความ ตัดสินทีละข้อความ
• เทรนมา 7 ห้องงานเฉพาะ ของนอกขอบเขตควรงด

รายละเอียดเต็มอยู่ใน MODEL_CARD.md ของแพ็กเกจโค้ด

วิธีใช้ในเครื่อง

วางโฟลเดอร์นี้ที่ model_server/ckpt/tatsin_v2/ แล้วรัน python decide_endpoint.py (ค่าเริ่มต้น 127.0.0.1:8140)

สำคัญ: ตัวเสิร์ฟคิด source จากชื่อโฟลเดอร์ ชื่อโฟลเดอร์ต้องลงท้าย tatsin_v2 ไม่งั้นเกต noul จะเลื่อนเงียบเป็นเกต confidence ถ้าจำเป็นต้องใช้ชื่ออื่น ให้ตั้งตัวแปรสภาพแวดล้อม TATSIN_SOURCE_TAG=tatsin_v2

ไฟล์ในคลัง

ไฟล์	ขนาด	หมายเหตุ
model.safetensors	1,287,653,720 B	น้ำหนัก fine-tune
encoder/config.json	1,938 B	mmBERT-base encoder config
tokenizer/tokenizer.json	34,363,188 B	ตัวแบ่งคำ
tokenizer/tokenizer_config.json	545 B	ตั้งค่าตัวแบ่งคำ
rl_agent_config.json	679 B	บันทึกการฝึกและที่มา

sha256 ของ model.safetensors: 4dc78d160106bdc418a3f6a00f60336bad5f327529ba880f76dd6d207da7018a

สิทธิ์

• ชั้นครอบและโค้ด (แพ็กเกจแยก): Apache-2.0
• น้ำหนักชุดนี้: งานดัดแปลงจาก Laya Multilingual (Apache-2.0) เครดิตฉบับเต็มอยู่ใน NOTICE
• ไฟล์น้ำหนักและชุดข้อมูลมาพร้อมสัญญาของตัวเอง โปรดตรวจก่อนใช้เชิงพาณิชย์