Third Moment Research: 10 000 agenti töös üle 36 tunni

Igal ettevõttel on oma töövood, tööriistad, erandjuhud ja edukriteeriumid. ⁠(avaneb uues aknas)Third Moment Research⁠(avaneb uues aknas) usub, et parimad agendid peaksid just selle konkreetse tööga väga hästi toime tulema ning muutuma seda võimekamaks, mida rohkem neid kasutatakse.

Ettevõte ehitab selle idee põhjal ennast täiustavat tehisarusüsteemi, kasutades OpenAI uusimaid mudeleid agentide käitumise mõistmiseks, korduvate nõrkuste tuvastamiseks ja nende probleemide põhjal tuhandete sünteetiliste stsenaariumide automaatseks loomiseks. Tiim kasutab neid stsenaariume agentide täiustamiseks, korrates protsessi uute probleemide ilmnemisel.

Codex, GPT‑6 Astra, GPT‑6 Sol ja GPT‑6.1 Sol toetavad süsteemi uurimis- ja arvutustööd, võimaldades Third Momentil rakendada korraga 10 000 agenti 36–48 tundi kestvates uuringutes. Ettevõte kasutab ka Daybreaki, et testida agentide töökeskkondade turvalisust.

Üks Third Momenti esimesi rakendusvaldkondi on kvantitatiivne rahandus, sest seal on edu selgelt mõõdetav. See valdkond pakub konkreetset keskkonda, kus uurida, kuidas agendid töötavad ja millega nad hätta jäävad. Tiim kasutab Codexit uurimiskeskkonna probleemide leidmiseks ja lahendamiseks.

Ühel juhul kasutati Codexit koos tollal uusima GPT mudeliga GPT‑5.6, et analüüsida tuhandeid salvestatud simulatsioonikäike ehk agentide tegevusi ja keskkonna vastuseid koos ajatemplite ja koodibaasiga.

Codex avastas kitsaskoha: kauplemisstrateegia järeltestimine USA aktsiate ühe aasta orderitasandi andmetega võttis mitu tundi. Oodates kontrollisid agendid korduvalt, kas töö on valmis, raisates tokeneid ja täites oma konteksti olekupäringutega.

Pärast järeltesti jõudluse profileerimist ning selle sisendite ja kasutuse analüüsimist leidis Codex võimaluse optimeerida vahemälu kasutust ja paigutada andmed mälus kompaktsemalt. See katsetas lahendusi ja viis paranduse tootmiskeskkonda, lühendades järeltesti kestust ligikaudu kolmelt tunnilt umbes kolme kuni viie minutini. See vähendas tokenikulu ja konteksti risustamist, jättes agentidele rohkem tokeneid edasisteks katseteks.

Third Moment annab igale agendile konkreetseks tööks vajalikud tööriistad, teabe ja keskkonna. Kvantitatiivse uurimistöö jaoks käitab tiim Codexi vaikimisi täitmiskeskkonda Dockeri konteineris. Agendid saavad terabaidi andmeid, dokumentatsiooni ning uurimistöö varamu, mis sisaldab mooduleid tunnuste loomiseks, mudelite treenimiseks GPU toel, kauplemisstrateegiateks ja simulatsiooniks.

GPT‑6 Astra, GPT‑6 Sol ja GPT‑6.1 Sol tagavad arutlusvõime, Codexi täitmiskeskkond aga annab agentidele tööriistad tegutsemiseks, plaanide loomiseks, eesmärkide seadmiseks, alamagentide käivitamiseks ja konteksti tihendamiseks töö käigus.

Et tulla toime agentidega, mis peatuvad enne ülesande lõpetamist, kasutab Third Moment Codexit alamagendina välises täitmiskeskkonnas, mida juhib GPT‑6 Sol või GPT‑6.1 Sol. Kui ülesanne jääb pooleli, analüüsib väline täitmiskeskkond tegevuskäiku ning otsustab, kas proovida uuesti, töö katkestada või suunata see inimesele ülevaatamiseks.

Selles uurimiskeskkonnas töötavad agendid Third Momenti inseneride loodud kauplemise baassüsteemi täiustamise nimel. Nad testivad kauplemisstrateegiaid ajaloolistel andmetel, hindavad, kas paranemine on sisuline või tuleneb mürast, ning kasutavad iga tulemust järgmise katse valimiseks. Adami sõnul on nende töö kauplemise baassüsteemi paremaks muutnud.

Adami sõnul suutsid mudelid enne GPT‑5.5 üksnes kasutaja ette antud katseid läbi viia. GPT‑5.5 ja GPT‑5.6 võimaldasid Codexi täitmiskeskkonnas töötavatel mudelitel kasutada tulemusi jätkukatsete kavandamiseks. Nüüd saavad agendid GPT‑6 Astra, GPT‑6 Soli ja GPT‑6.1 Soli abil uurida algpõhjuseid sadade katsetega, mida alamagendid paralleelselt läbi viivad.

See areng on aidanud agentidel uurida suundi, mida tiim polnud ette näinud. Ühes sessioonis tuvastas GPT‑6.1 Sol avalikus orderiraamatus mitte nähtavate tehingute mõju börsil, kus need moodustasid ootamatult suure osa kauplemismahust. „See oli ootamatu tulemus, millega meie uurimistiim algul ei arvestanud,“ ütleb Adam.

Third Moment hindab mudeleid optimeerimise, masinõppesüsteemide ja kvantitatiivse uurimistöö valdkonnas. Ettevõte testib uusi tipptasemel mudeleid suurima arutlusmahuga seadistustel, hinnates nende võimet varamutes orienteeruda, tõhusat koodi kirjutada ja uurimistööd järjepidevalt jätkata. Praegu testitakse ka GPT‑6 Lunat.

Ühes võrdlustestis peavad agendid vähendama reaalajas tulemustablooteenuse uuendusviivitust, säilitades selle väljundid. Tiim mõõdab kiiruse kasvu, jagades eksperdi loodud lahenduse keskmise täitmisaja mudeli lahenduse omaga samal riistvaral, tingimusel et tulemused on õiged. Adami sõnul saavutas suurima kiiruse kasvu GPT‑6 Astra.

Kitsalt piiritletud tööks, sealhulgas simulatsioonisüsteemi konkreetsete turvanõrkuste kontrollimiseks, kasutab tiim säästlikumaid mudeleid, näiteks GPT‑5.6 Terrat. Süvauuringute puhul võib tugevam arutlusvõime Adami hinnangul suuremaid kulusid õigustada: „Kvantitatiivses rahanduses on huvitava signaali leidmine äärmiselt väärtuslik.“

Kuna autonoomselt töötab 10 000 agenti, vajab Third Moment võimalust testida oma uurimiskeskkondade turvalisust suures mahus. Tiim kasutab küberturbeplatvormi Daybreak, et automatiseerida testimine enne simulatsioonide käivitamist.

Testidega kontrollitakse, kas agent suudaks oma uurimiskeskkonnast välja murda ja pääseda ligi laiemale võrgule. „Daybreaki abil saame lasta agentidel endil teha simulatsiooni läbistusteste ning testida selle taristut ja turvalisust,“ ütleb Adam.

Third Momenti ambitsioon hõlmab ka erialast tööd, mida ettevõtted iga päev teevad. Jaemüüja jaoks võiks see tähendada paremaid tarneahelaotsuseid olukorras, kus laovaru napib või tarnija hilineb. Arendustiimi jaoks võiks see tähendada jõudluse kitsaskohtade leidmist suures koodibaasis. Dokumendirohke tööga ettevõtte jaoks võiks see tähendada nende kohtade tuvastamist, kus ühes dokumendis võetud kohustused ei vasta teises talletatud tulemustele.

Tuginedes GPT‑6 Astra, GPT‑6 Soli ja GPT‑6.1 Soli arutlusvõimele, plaanib Third Moment liikuda üksikutelt uuringutelt sadade tuhandete koostööd tegevate alamagentideni. Ettevõtte arengukava näeb ette biljonite tokenite kasutamist kümnetest üksteisest sõltuvatest katsetest koosnevate ahelate toetamiseks. Eesmärk on selle uurimistöö abil agente uute väljakutsete tekkimisel autonoomselt täiustada.

Adami arvates annaks see inimestele suurema võimaluse kujundada agentide õppimist ja töötamist: „Inimesed saavad oma panusega palju suuremat mõju avaldada, keskendudes sellele, kuidas uurimistööd teha ja seda optimeerida, selle asemel et uurimistööd ise läbi viia.“