Fotor’s Joint Research Accepted by ICLR 2026, Advancing Its Agent’s Multimodal Reasoning

(SeaPRwire) –   ลอสแอนเจลิส 2 เมษายน 2569 — Fotor ซึ่งเป็นผลิตภัณฑ์ AI หลักของ Everimaging ได้ประกาศในวันนี้ว่าผลงานวิจัยร่วมล่าสุดได้รับการยอมรับให้เป็นเอกสารการประชุม (conference paper) ในงาน ICLR 2026 ซึ่งเป็นหนึ่งในการประชุมวิชาการชั้นนำของโลกด้านปัญญาประดิษฐ์

เอกสารวิจัยที่มีชื่อว่า “WEB-COGREASONER: TOWARDS MULTIMODAL KNOWLEDGE-INDUCED COGNITIVE REASONING FOR WEB AGENTS” นับเป็นก้าวสำคัญในยุคของการทำงานอัตโนมัติของ AI ความก้าวหน้าครั้งนี้เกิดขึ้นจากความร่วมมือระหว่าง Fotor และมหาวิทยาลัย/สถาบันวิจัยที่มีชื่อเสียง ซึ่งประสบความสำเร็จในการเชื่อมช่องว่างระหว่างความสำเร็จทางวิชาการกับการปฏิบัติจริงในอุตสาหกรรม

ความก้าวหน้าหลัก: การทำให้ AI เชี่ยวชาญ “ความรู้สามระดับ”

เมื่อต้องเผชิญกับเว็บเพจที่ซับซ้อนและการรบกวนจากป๊อปอัป เอเจนต์เว็บแบบดั้งเดิมมักจะติดอยู่ในวงจรที่ไม่สามารถทำงานต่อได้ เพื่อแก้ไขปัญหาคอขวดนี้ ทีมวิจัยร่วมได้แรงบันดาลใจจาก “Bloom’s Taxonomy” ในด้านจิตวิทยาการศึกษา และได้เสนอกรอบความคิด Web-CogKnowledge ขึ้นอย่างสร้างสรรค์

กรอบความคิดนี้แบ่งกระบวนการเรียนรู้ของ AI ออกเป็นสามขั้นตอนของการรู้คิดที่ก้าวหน้าต่อเนื่องกัน:

• Factual Knowledge: ทำให้ AI สามารถระบุองค์ประกอบบนเว็บได้อย่างแม่นยำ และคาดการณ์ผลลัพธ์โดยตรงจากการโต้ตอบแบบครั้งเดียว
• Conceptual Knowledge: มอบความเข้าใจเชิงความหมายอย่างลึกซึ้งให้กับ AI เพื่อให้สามารถอนุมานหน้าที่ของส่วนประกอบต่างๆ และเข้าใจความตั้งใจโดยรวมของเว็บเพจ
• Procedural Knowledge: ฝึกฝน AI ด้านการวางแผนและการตัดสินใจ เพื่อให้สามารถดำเนินลำดับของการกระทำและจัดการกับการขัดจังหวะที่ไม่คาดคิด เช่น ป๊อปอัป

ด้วยการสนับสนุนจากระบบนี้และ Web-CogDataset (ซึ่งสร้างขึ้นจากเว็บไซต์จริง 14 แห่ง) ขณะนี้ AI มี “กระบวนการคิดแบบเป็นขั้นตอนที่ขับเคลื่อนด้วยความรู้ (Knowledge-driven Chain of Thought หรือ CoT)” ที่ทรงพลังสำหรับการให้เหตุผลเชิงตรรกะอย่างลึกซึ้ง

จากงานวิจัยสู่ผลิตภัณฑ์: ขับเคลื่อน Fotor Agent รุ่นต่อไป

จากพื้นฐานงานวิจัยใน ICLR 2026 Fotor ได้รับการติดตั้งความสามารถในการเปลี่ยนความก้าวหน้าทางวิชาการให้เป็นความเป็นเลิศทางผลิตภัณฑ์ โดยการผสานรวมความก้าวหน้าเหล่านี้กับกรอบงานเอเจนต์โอเพนซอร์สชั้นนำ (เช่น OpenClaw) ทำให้วิวัฒนาการขั้นต่อไปของ Fotor Agent อยู่ใกล้ความเป็นจริงมากขึ้น

ภายใต้กรอบงาน Web-CogReasoner Fotor Agent กำลังก้าวข้ามการพึ่งพาโค้ดพื้นฐานของเว็บเพจ (DOM tree) โดยการใช้ประโยชน์จาก “การรับรู้ทางภาพแบบพิกเซลล้วน (pure pixel visual perception)” และกรอบการรู้คิดข้ามแพลตฟอร์มที่นำเสนอในเอกสารวิจัยร่วม Fotor Agent สามารถจัดการเวิร์กโฟลว์ได้อย่างราบรื่น across both web versions, desktop software, and mobile apps ซึ่งนับเป็นก้าวที่ชัดเจนสู่ Universal Computer Control (UCC) ที่ช่วยให้ผู้ใช้สามารถจัดการงานที่ซับซ้อนได้ด้วยคำสั่งเดียว

เกี่ยวกับ Fotor

ด้วยความมุ่งมั่นในการนำงานวิจัย AI ชั้นสูงไปใช้ประโยชน์จริง Fotor ทำหน้าที่เชื่อมช่องว่างระหว่างสถาปัตยกรรมระบบประสาทเทียมที่ซับซ้อนกับเครื่องมือสำหรับการสร้างสรรค์ที่ใช้งานง่าย ผ่านเครือข่ายการวิจัยระดับโลกที่แข็งแกร่ง Fotor ยังคงนำเสนอประสบการณ์ AI ใหม่ๆ สู่ผู้ใช้กว่า 800 ล้านคนทั่วโลกอย่างต่อเนื่อง

ติดต่อสื่อมวลชน:

CONTACT: Coran Huang
EMAIL: coran@fotor.com
WEB: www.fotor.com