หากคุณเป็นสายรันโมเดลภาษาขนาดใหญ่ (LLM) บนเครื่องตัวเอง (Local LLM) ข่าวล่าสุดจากการอัปเดต llama.cpp ที่เพิ่มการรองรับ Multi-Token Prediction (MTP) ถือเป็นก้าวสำคัญที่น่าจับตามองอย่างยิ่ง โดยเฉพาะการทดสอบกับโมเดลอย่าง Qwen3.6 27B ที่ทำความเร็วได้ถึง 244 t/s (tokens per…
MTP หรือ Multi-Token Prediction คือเทคนิคใหม่ในการพัฒนาโมเดลภาษาขนาดใหญ่ (LLM) ที่เปลี่ยนแนวคิดจากการทำนายคำถัดไปทีละ 1 คำ เป็นการทำนายหลายคำพร้อมกันในรอบเดียว ซึ่งจะช่วยลดคอขวดด้านความเร็ว (Latency) และเพิ่มประสิทธิภาพในการประมวลผลให้ AI ตอบสนองได้รวดเร็วยิ่งขึ้นในบทความนี้ เราจะมาเจาะลึกว่าทำไมเทคโนโลยีนี้ถึงถูกมองว่าเป็นกุญแจสำคัญที่จะเปลี่ยนโฉมหน้าการทำงานของ LLM ในอนาคต จากโมเดลที่ต้องค่อยๆ คิดทีละคำ…