The offline evaluation system for Thai-language large language models (LLMs) is designed to enable experts to efficiently test and assess various LLMs without relying on external services. This enhances the flexibility in selecting LLMs that best suit organizational needs or expert systems (ES). The system operates on personal computers, ensuring data security by eliminating concerns about external data storage. Additionally, it supports model testing and development using Retrieval-Augmented Generation (RAG), allowing access to domain-specific knowledge for accurate, energy-efficient processing. This ensures that the models can perform optimally and effectively meet the demands of organizations and expert systems.
ในปัจจุบัน โมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ได้รับความนิยมและถูกนำไปใช้งานในหลากหลายด้าน ทั้งในองค์กรและภาคอุตสาหกรรม โดยเฉพาะในการพัฒนาระบบผู้เชี่ยวชาญ (Expert System: ES) ที่ช่วยให้ผู้ใช้สามารถทำงานได้อย่างมีประสิทธิภาพสูงขึ้น ไม่ว่าจะเป็นการวิเคราะห์ข้อมูล การให้คำแนะนำ หรือการประมวลผลข้อมูลเฉพาะทางในแต่ละสาขา อย่างไรก็ตาม การใช้โมเดลภาษาขนาดใหญ่จากภายนอกอาจมีข้อจำกัดด้านความปลอดภัยของข้อมูล และบางองค์กรจำเป็นต้องประมวลผลภายในระบบของตนเองเพื่อลดความเสี่ยงจากการเชื่อมต่อภายนอก ดังนั้น การพัฒนาระบบทดสอบโมเดลภาษาขนาดใหญ่แบบออฟไลน์ในภาษาไทยจึงมีความสำคัญ ทั้งในแง่ของการรักษาความปลอดภัยข้อมูล ลดการพึ่งพาบริการจากภายนอก และเพิ่มความยืดหยุ่นในการเลือกใช้โมเดลที่เหมาะสมกับงานเฉพาะด้าน อย่างไรก็ตาม การทดสอบและประเมินประสิทธิภาพของ LLMs ในสภาพแวดล้อมแบบออฟไลน์ถือเป็นความท้าทาย เนื่องจากต้องคำนึงถึงปัจจัยต่าง ๆ เช่น ความแม่นยำของโมเดล ทรัพยากรที่ใช้ในการประมวลผล และความสามารถในการรองรับภาษาไทยได้อย่างมีประสิทธิภาพ
คณะครุศาสตร์อุตสาหกรรมและเทคโนโลยี
This aimed to 1) develop an effective augmented reality (AR) media integrated with the metaverse to enhance English phonics and communication skills. 2) To evaluate English pronunciation skills using augmented reality media integrated with the metaverse, and 3) To assess English communication skills through interactions within the metaverse. The sample group comprised 120 Grade 4 students from two classrooms in the first semester of the 2024 academic year, selected through cluster random sampling and divided into experimental and control groups. The research instruments included AR media sets, media quality assessment forms, phonics tests, and English communication skills assessment forms, administered before and after the learning intervention. Data analysis employed mean (x ̅), standard deviation (S), t-tests for independent samples, and one-way analysis of variance (Multivariate Analysis of Variance: One-Way MANOVA) to compare mean score differences between the experimental and control groups. Results indicated that the overall quality of the AR media kit with the metaverse was rated at a very high level (x ̅= 4.80, S.D. = 0.12). Evaluating specific aspects showed that the content quality was at the highest level (x ̅= 4.92, S.D. = 0.07), while the media production technique also rated highly (x ̅ = 4.70, S.D. = 0.17). Furthermore, the English pronunciation and communication skills of the Grade 4 students using the AR media with the metaverse were significantly higher after the intervention compared to before, the overall quality of the AR media integrated with the metaverse was rated at the highest level (x ̅= 4.80, S.D. = 0.12). For individual aspects, content quality was rated at the highest level (x ̅= 4.92, S.D. = 0.07), and media production techniques were also rated at the highest level (x ̅ = 4.70, S.D. = 0.17). Comparing the mean scores of English pronunciation and communication skills between the two groups, it was found that the experimental group using AR media integrated with the metaverse demonstrated significantly higher English pronunciation skills than the control group (F(1, 89) = 3261.422, p = 0.001, Partial η² = 0.98). Additionally, the experimental group exhibited significantly higher English communication skills than the control group (F(1, 89) = 4239.365, p = 0.001, Partial η² = 0.98). These results aligned with the research hypothesis that "Grade 4 students’ English pronunciation and communication skills post-learning with AR media integrated with the metaverse would significantly improve compared to their pre-learning levels at the .05 level of significance.
คณะอุตสาหกรรมอาหาร
Banana Blossom Chips is a healthy snack rich in dietary fiber, antioxidants, and plant-based protein. It is a result of combining local Thai ingredients: banana blossoms, which are high in dietary fiber and antioxidants, chickpea flour, a source of plant-based protein, and red jasmine brown rice, which has a low GI value and high antioxidants. It is processed to create crispiness and a unique shape, reduces fat, is gluten-free, and helps maintain nutritional value. Therefore, it is a new alternative for health-conscious consumers and adds value to Thai agricultural products.
คณะวิศวกรรมศาสตร์
The purpose of this invention is to develop a forest fire prevention agent that has the ability to prevent long-term forest fires, not only to suppress forest fires or prevent forest fires from spreading widely, but to prevent them from starting to catch fire from the beginning. It can prevent forest fires comprehensively and can be prevented for a long time during the peak forest fire period or the dry season, which is about 3-4 months. There are no residues or minimal residues without causing harm to the surrounding environment under the specified standards. Emphasis is placed on the use of raw materials, equipment, and chemicals that can be easily found in Thailand. This includes using the value of production costs as low as possible. This makes it suitable for use in large quantities for spraying and protecting forest areas in forest areas that are prone to fire. Estimated average for pollution caused by forest fires include particulate matter (PM), including PM2.5, PM10, carbon monoxide (CO), carbon dioxide, carbon dioxide, and carbon dioxide, Nitrogendioxide, VOC etc.