Third Moment Research: 10,000 agent na tumatakbo nang 36+ oras

Bawat kumpanya ay may sariling mga workflow, tool, hindi pangkaraniwang sitwasyon, at pamantayan ng tagumpay. ⁠(magbubukas sa bagong window)Naniniwala ang Third Moment Research⁠(magbubukas sa bagong window) na ang pinakamahuhusay na agent ay dapat talagang magaling sa partikular na gawaing iyon at lalo pang humuhusay habang ginagamit.

Batay sa ideyang iyon, bumubuo ang kumpanya ng AI system na kayang pahusayin ang sarili. Ginagamit nito ang mga pinakabagong modelo ng OpenAI para maunawaan ang pag-uugali ng mga agent, matukoy ang mga paulit-ulit na kahinaan, at awtomatikong gumawa ng libo-libong sintetikong senaryo tungkol sa mga problemang iyon. Ginagamit ng team ang mga senaryong iyon para pahusayin ang mga agent, at inuulit ang proseso kapag may lumilitaw na mga bagong isyu.

Sinusuportahan ng Codex, GPT‑6 Astra, GPT‑6 Sol, at GPT‑6.1 Sol ang pananaliksik at gawaing pangkomputasyon ng system, kaya kayang magpatakbo ng Third Moment ng 10,000 agent nang sabay-sabay sa mga pagsisiyasat na tumatagal nang 36–48 oras. Ginagamit din ng kumpanya ang Daybreak para subukan ang seguridad ng mga environment kung saan nagtatrabaho ang mga agent.

Isa sa mga unang aplikasyon ng Third Moment ay sa larangan ng quantitative finance, dahil malinaw ang sukatan ng tagumpay rito. Nagbibigay ang larangang ito ng kongkretong konteksto para pag-aralan kung paano nagtatrabaho ang mga agent at kung saan sila nahihirapan. Ginagamit ng team ang Codex para hanapin at tugunan ang mga problema sa environment ng pananaliksik.

Sa isang pagkakataon, ginamit nito ang Codex kasama ng GPT‑5.6, ang pinakabagong modelo ng GPT noon, para suriin ang libo-libong naitalang pagkakasunod-sunod ng mga pangyayari sa simulation (ang mga aksyon ng mga agent at mga tugon ng environment), kasama ang mga timestamp at codebase.

Natuklasan ng Codex ang isang sanhi ng pagbagal: inaabot ng ilang oras ang pag-backtest ng isang estratehiya sa trading gamit ang isang taong datos ng mga stock sa US sa antas ng bawat order. Habang naghihintay, paulit-ulit na tinitingnan ng mga agent kung tapos na ito, kaya nasasayang ang mga token at napupuno ng mga status check ang kanilang konteksto.

Matapos suriin ang performance ng backtest, pati ang mga input at paggamit nito, natukoy ng Codex ang isang paraan para i-optimize ang caching at isang teknik sa mas siksik na pag-imbak ng datos sa memory. Nag-eksperimento ito sa mga solusyon at inilapat ang pag-aayos sa production, kaya bumaba ang tagal ng backtest mula humigit-kumulang 3 oras tungo sa humigit-kumulang 3 hanggang 5 minuto. Nabawasan nito ang paggamit ng token at ang di-kailangang impormasyon sa konteksto, kaya mas maraming token sa badyet ng mga agent ang nagagamit para sa mga susunod na eksperimento.

Binibigyan ng Third Moment ang bawat agent ng mga tool, impormasyon, at environment na kailangan nito para sa isang partikular na gawain. Para sa kwantitatibong pananaliksik, pinapatakbo ng team ang default na Codex harness sa loob ng isang environment na gumagamit ng Docker. Tumatanggap ang mga agent ng isang terabyte ng datos, dokumentasyon, at isang repository para sa pananaliksik na may mga module para sa feature engineering, pagsasanay ng modelo na suportado ng GPU, mga estratehiya sa trading, at simulation.

Ang GPT‑6 Astra, GPT‑6 Sol, at GPT‑6.1 Sol ang nagbibigay ng kakayahan sa pangangatwiran, habang ang Codex harness ay nagbibigay sa mga agent ng mga tool para kumilos, magplano, magtakda ng mga layunin, lumikha ng mga subagent, at paikliin ang konteksto habang nagpapatuloy ang gawain.

Para tugunan ang mga agent na humihinto bago matapos ang gawain, ginagamit ng Third Moment ang Codex bilang subagent sa loob ng panlabas na harness na pinapagana ng GPT‑6 Sol o GPT‑6.1 Sol. Kapag naiwang hindi tapos ang isang gawain, sinusuri ng panlabas na harness ang naging takbo nito at nagpapasya kung susubukan itong muli, tatapusin na ang pagpapatakbo, o ipapasuri sa tao.

Sa environment na iyon ng pananaliksik, nagsisikap ang mga agent na pahusayin ang isang batayang sistema ng trading na binuo ng mga engineer ng Third Moment. Sinusubukan nila ang mga estratehiya sa trading gamit ang makasaysayang datos, tinatasa kung makabuluhan ang isang pagbuti o nagkataon lamang, at ginagamit ang bawat resulta para piliin ang susunod na eksperimento. Ayon kay Adam, napahusay ng kanilang gawain ang batayang sistema ng trading.

Ayon kay Adam, bago ang GPT‑5.5, ang mga eksperimentong itinakda lang ng user ang kayang isagawa ng mga modelo. Sa GPT‑5.5 at GPT‑5.6, nagagamit na ng mga modelong gumagana kasama ng Codex harness ang mga resulta para magdisenyo ng mga kasunod na eksperimento. Ngayon, gamit ang GPT‑6 Astra, GPT‑6 Sol, at GPT‑6.1 Sol, kayang siyasatin ng mga agent ang mga ugat ng problema sa pamamagitan ng daan-daang eksperimentong sabay-sabay na tumatakbo kasama ng mga subagent.

Nakatulong ang pag-unlad na iyon para matuklasan ng mga agent ang mga direksyon sa pananaliksik na hindi inaasahan ng team. Sa isang sesyon, natukoy ng GPT‑6.1 Sol ang epekto ng mga transaksyong hindi ipinapakita sa publiko sa isang palitan kung saan ang mga iyon ay bumubuo ng di-inaasahang malaking bahagi ng kabuuang dami ng kalakalan. “Hindi agad mahihinuha ang resultang ito, at hindi ito unang naisaalang-alang ng aming research team,” sabi ni Adam.

Sinusuri ng Third Moment ang mga modelo sa optimization, mga sistema ng machine learning, at kwantitatibong pananaliksik. Sinusubukan nito ang mga bagong labas na frontier na modelo sa pinakamataas na setting ng pangangatwiran, at tinatasa ang kakayahan ng mga ito na maghanap at gumamit ng impormasyon sa mga repository, sumulat ng episyenteng code, at magpatuloy sa isang pagsisiyasat. Kasama rin ang GPT‑6 Luna sa kasalukuyang pagsubok.

Sa isang benchmark, hinihiling sa mga agent na bawasan ang pagkaantala sa pag-update ng isang live na serbisyo ng scoreboard nang hindi binabago ang mga output nito. Sinusukat ng team ang pagbilis sa pamamagitan ng paghahati sa karaniwang tagal ng pagtakbo ng solusyong ginawa ng eksperto sa tagal ng solusyon ng modelo sa parehong hardware, sa kundisyong tama ang resulta. GPT‑6 Astra ang naghatid ng pinakamalaking pagbilis, ayon kay Adam.

Para sa mga tiyak na gawain, kabilang ang pagsusuri ng mga partikular na kahinaan sa seguridad ng simulation system, gumagamit ang team ng mas episyenteng mga modelo gaya ng GPT‑5.6 Terra. Para sa malalimang pananaliksik, naniniwala si Adam na maaaring maging sulit ang mas mataas na gastos kung mas mahusay ang pangangatwiran: “Sa larangan ng quantitative finance, napakalaki ng halaga ng pagtuklas ng isang makabuluhang signal.”

Dahil may 10,000 agent na tumatakbo nang awtonomo, kailangan ng Third Moment ng paraan para malawakang subukan ang seguridad ng mga environment nito para sa pananaliksik. Ginagamit ng team ang Daybreak cybersecurity platform para i-automate ang pagsubok na iyon bago simulan ang mga simulation.

Sinusuri ng mga pagsubok kung makakalabas ang isang agent sa environment nito para sa pananaliksik at makaka-access sa mas malawak na network. “Gamit ang Daybreak, naipapagawa namin sa mga agent mismo ang penetration testing sa simulation at ang pagsubok sa imprastraktura at seguridad nito,” sabi ni Adam.

Saklaw din ng ambisyon ng Third Moment ang mga espesyal na gawaing ginagawa ng mga kumpanya araw-araw. Para sa isang retailer, maaaring mangahulugan iyon ng mas mahusay na pagpapasya sa supply chain kapag kulang ang imbentaryo o naantala ang isang supplier. Para sa isang engineering team, maaaring mangahulugan iyon ng pagtukoy sa mga sanhi ng pagbagal sa isang malaking codebase. Para sa negosyong maraming hinahawakang dokumento, maaaring mangahulugan iyon ng pagtukoy kung saan hindi tugma ang mga pangako sa isang dokumento sa mga resultang naitala sa isa pa.

Gamit ang mga kakayahan sa pangangatwiran ng GPT‑6 Astra, GPT‑6 Sol, at GPT‑6.1 Sol, plano ng Third Moment na lumawak mula sa mga indibidwal na pagsisiyasat tungo sa daan-daang libong subagent na nagtutulungan. Kasama sa plano nito ang paggamit ng trilyong token para suportahan ang magkakasunod na dosena-dosenang eksperimentong umaasa sa resulta ng isa't isa. Layunin nitong gamitin ang pananaliksik na iyon para awtonomong pahusayin ang mga agent habang may lumilitaw na mga bagong hamon.

Para kay Adam, magbibigay ito sa mga tao ng mas malaking kakayahang hubugin kung paano natututo at nagtatrabaho ang mga agent: “Mas malaki ang magagawa ng mga tao kapag nakatuon sila sa pag-iisip kung paano magsasaliksik at kung paano mapapahusay ang mismong proseso nito, sa halip na sila ang aktuwal na magsagawa ng pananaliksik.”