Third Moment Research․ 10 000 ագենտ՝ 36+ ժամ

Յուրաքանչյուր ընկերություն ունի իր աշխատանքային գործընթացները, գործիքները, ոչ ստանդարտ իրավիճակներն ու հաջողության չափանիշները։ ⁠(բացվում է նոր պատուհանում)Third Moment Research⁠(բացվում է նոր պատուհանում)-ը համոզված է, որ լավագույն ագենտները պետք է գերազանց կատարեն հենց այդ ընկերության աշխատանքը և կատարելագործեն իրենց կարողությունները կիրառմանը զուգընթաց։

Այս գաղափարի հիման վրա ընկերությունը կառուցում է ինքնակատարելագործվող ԱԲ համակարգ՝ օգտագործելով OpenAI-ի նորագույն մոդելները՝ ագենտների վարքագիծը հասկանալու, կրկնվող թերությունները բացահայտելու և այդ խնդիրների շուրջ հազարավոր սինթետիկ սցենարներ ինքնաշխատ ստեղծելու համար։ Թիմն այդ սցենարներն օգտագործում է ագենտներին կատարելագործելու համար՝ կրկնելով գործընթացը նոր խնդիրների ի հայտ գալուն պես։

Codex-ը, GPT‑6 Astra-ն, GPT‑6 Sol-ը և GPT‑6.1 Sol-ն ապահովում են համակարգի հետազոտական ու հաշվարկային աշխատանքը՝ Third Moment-ին հնարավորություն տալով միաժամանակ գործարկել 10 000 ագենտ՝ 36–48 ժամ տևող ուսումնասիրությունների համար։ Ընկերությունը նաև օգտագործում է Daybreak-ը՝ ագենտների աշխատանքային միջավայրերի անվտանգությունը փորձարկելու համար։

Third Moment-ի վաղ կիրառություններից մեկը քանակական ֆինանսների ոլորտում է, քանի որ այստեղ հաջողությունը չափելու հստակ չափանիշ կա։ Այս ոլորտը կոնկրետ միջավայր է տալիս՝ ուսումնասիրելու, թե ինչպես են աշխատում ագենտները և որտեղ են դժվարանում։ Թիմն օգտագործում է Codex-ը՝ հետազոտական միջավայրում խնդիրներ գտնելու և լուծելու համար։

Մի դեպքում թիմն օգտագործեց Codex-ը GPT‑5.6‑ի՝ այդ պահին GPT‑ի վերջին մոդելի հետ՝ վերլուծելու սիմուլյացիաների հազարավոր գրանցված ընթացքներ (ագենտների գործողություններն ու միջավայրի արձագանքները)՝ ժամանակային նշումների և կոդային բազայի հետ միասին։

Codex-ը հայտնաբերեց աշխատանքը դանդաղեցնող մի խնդիր․ ԱՄՆ բաժնետոմսերի մեկ տարվա հայտերի մակարդակով տվյալների վրա առևտրային ռազմավարության հետադարձ փորձարկումը մի քանի ժամ էր տևում։ Սպասելիս ագենտները պարբերաբար հարցումներ էին ուղարկում՝ ստուգելու, թե արդյոք աշխատանքն ավարտվել է՝ վատնելով թոքեններ և իրենց համատեքստը լցնելով կարգավիճակի ստուգումներով։

Հետադարձ փորձարկման ռեսուրսների օգտագործումն ուսումնասիրելուց և մուտքային տվյալներն ու կիրառությունը վերլուծելուց հետո Codex-ը գտավ քեշավորման օպտիմալացման և հիշողության մեջ տվյալներն ավելի խիտ տեղավորելու եղանակներ։ Այն փորձարկեց լուծումները և ուղղումը ներդրեց աշխատանքային միջավայրում՝ հետադարձ փորձարկման ժամանակը մոտ 3 ժամից կրճատելով մինչև մոտ 3–5 րոպե։ Սա նվազեցրեց թոքենների ծախսը և համատեքստի ծանրաբեռնումն ավելորդ տեղեկություններով՝ ագենտների թոքենների պաշարից ավելի մեծ մաս ազատելով հետագա փորձերի համար։

Third Moment-ը յուրաքանչյուր ագենտին տրամադրում է կոնկրետ աշխատանքի համար անհրաժեշտ գործիքները, տեղեկություններն ու միջավայրը։ Քանակական հետազոտությունների համար թիմը գործարկում է Codex-ի լռելյայն հարնեսը Docker-ի կոնտեյներային միջավայրում։ Ագենտները ստանում են մեկ տերաբայթ տվյալներ, փաստաթղթեր և հետազոտական պահոց՝ հատկանիշների մշակման, GPU-ի աջակցությամբ մոդելների ուսուցման, առևտրային ռազմավարությունների և սիմուլյացիայի մոդուլներով։

GPT‑6 Astra-ն, GPT‑6 Sol-ը և GPT‑6.1 Sol-ն ապահովում են դատողությունը, իսկ Codex-ի հարնեսն ագենտներին տալիս է գործիքներ՝ գործողություններ կատարելու, պլաններ կազմելու, նպատակներ սահմանելու, ենթաագենտներ ստեղծելու և աշխատանքի ընթացքում համատեքստը սեղմելու համար։

Առաջադրանքն ավարտելուց առաջ կանգ առնող ագենտների խնդիրը լուծելու համար Third Moment-ն օգտագործում է Codex-ը որպես ենթաագենտ՝ GPT‑6 Sol-ով կամ GPT‑6.1 Sol-ով աշխատող արտաքին հարնեսի ներսում։ Երբ առաջադրանքը մնում է անավարտ, արտաքին հարնեսն ուսումնասիրում է գործողությունների ընթացքը և որոշում՝ կրկնել փորձը, դադարեցնել աշխատանքը, թե փոխանցել մարդու վերանայմանը։

Այդ հետազոտական միջավայրում ագենտներն աշխատում են կատարելագործել Third Moment-ի ինժեներների ստեղծած ելակետային առևտրային համակարգը։ Նրանք առևտրային ռազմավարություններ են փորձարկում պատմական տվյալների վրա, գնահատում՝ բարելավումն էակա՞ն է, թե՞ պատահական տատանումների արդյունք, և յուրաքանչյուր արդյունքի հիման վրա ընտրում հաջորդ փորձը։ Ադամի խոսքով՝ նրանց աշխատանքը բարելավել է ելակետային առևտրային համակարգը։

Ադամի խոսքով՝ մինչև GPT‑5.5‑ը մոդելները կարող էին կատարել միայն օգտատիրոջ սահմանած փորձերը։ GPT‑5.5‑ի և GPT‑5.6‑ի դեպքում Codex-ի հարնեսով աշխատող մոդելներն արդեն կարող էին արդյունքների հիման վրա նախագծել հաջորդ փորձերը։ Այժմ GPT‑6 Astra-ի, GPT‑6 Sol-ի և GPT‑6.1 Sol-ի օգնությամբ ագենտները կարող են ուսումնասիրել բուն պատճառները՝ ենթաագենտների միջոցով զուգահեռ իրականացնելով հարյուրավոր փորձեր։

Այս առաջընթացն օգնել է ագենտներին ուսումնասիրել հետազոտական ուղղություններ, որոնք թիմը չէր նախատեսել։ Մի աշխատաշրջանի ընթացքում GPT‑6.1 Sol-ը բացահայտեց չցուցադրվող գործարքների ազդեցությունը մի բորսայում, որտեղ այդ գործարքներին բաժին էր ընկնում առևտրի ծավալի անսպասելիորեն մեծ մասը։ «Սա ոչ ակնհայտ արդյունք էր, որը մեր հետազոտական թիմն ի սկզբանե չէր դիտարկել»,— ասում է Ադամը։

Third Moment-ը գնահատում է մոդելները օպտիմալացման, մեքենայական ուսուցման համակարգերի և քանակական հետազոտությունների ոլորտներում։ Այն փորձարկում է առաջադեմ նոր մոդելները դատողության առավելագույն կարգավորումներով՝ գնահատելով պահոցներում կողմնորոշվելու, արդյունավետ կոդ գրելու և ուսումնասիրությունը շարունակելու դրանց կարողությունը։ Ընթացիկ փորձարկումներում ընդգրկված է նաև GPT‑6 Luna-ն։

Գնահատման փորձարկումներից մեկում ագենտներին հանձնարարվում է կրճատել ուղիղ հաշվետախտակի ծառայության թարմացման ուշացումը՝ չփոխելով դրա արտածած տվյալները։ Թիմը չափում է արագացումը՝ մասնագետի մշակած լուծման կատարման միջին ժամանակը բաժանելով նույն սարքավորման վրա մոդելի լուծման կատարման միջին ժամանակին՝ արդյունքի ճշտությունը պահպանելու պայմանով։ Ադամի խոսքով՝ ամենամեծ արագացումն ապահովել է GPT‑6 Astra-ն։

Թիրախային աշխատանքների համար, այդ թվում՝ սիմուլյացիայի համակարգում անվտանգության կոնկրետ խոցելիությունների ստուգման, թիմն օգտագործում է ավելի խնայող մոդելներ, օրինակ՝ GPT‑5.6 Terra-ն։ Ադամը կարծում է, որ խորքային ուսումնասիրության դեպքում ավելի հզոր դատողությունը կարող է արդարացնել ավելի մեծ ծախսը․ «Քանակական ֆինանսների ոլորտում հետաքրքիր ազդակ գտնելը չափազանց մեծ արժեք ունի»։

Քանի որ 10 000 ագենտ աշխատում է ինքնավար, Third Moment-ին անհրաժեշտ է իր հետազոտական միջավայրերի անվտանգությունը լայն մասշտաբով փորձարկելու միջոց։ Թիմն օգտագործում է Daybreak կիբերանվտանգության հարթակը՝ այդ փորձարկումներն ավտոմատացնելու համար՝ մինչև սիմուլյացիաների մեկնարկը։

Փորձարկումները ստուգում են՝ արդյոք ագենտը կարող է դուրս գալ իր հետազոտական միջավայրի սահմաններից և հասանելիություն ստանալ ավելի լայն ցանցին։ «Daybreak-ի օգնությամբ մենք կարողանում ենք հենց ագենտներին հանձնարարել սիմուլյացիայի ներթափանցման փորձարկումներ կատարել և փորձարկել դրա ենթակառուցվածքն ու անվտանգությունը»,— ասում է Ադամը։

Third Moment-ի հավակնոտ նպատակները տարածվում են նաև ընկերությունների ամենօրյա մասնագիտացված աշխատանքի վրա։ Մանրածախ վաճառողի համար դա կարող է նշանակել մատակարարման շղթայի վերաբերյալ ավելի լավ որոշումներ կայացնել, երբ ապրանքային պաշարները պակասում են կամ մատակարարն ուշանում է։ Ինժեներական թիմի համար դա կարող է նշանակել մեծ կոդային բազայում արագագործությունը սահմանափակող հատվածներ գտնել։ Մեծածավալ փաստաթղթերով աշխատող բիզնեսի համար դա կարող է նշանակել բացահայտել, թե որտեղ են մի փաստաթղթի պարտավորությունները հակասում մեկ այլ փաստաթղթում գրանցված արդյունքներին։

Հենվելով GPT‑6 Astra-ի, GPT‑6 Sol-ի և GPT‑6.1 Sol-ի դատողության կարողությունների վրա՝ Third Moment-ը նախատեսում է առանձին ուսումնասիրություններից անցնել հարյուր հազարավոր համագործակցող ենթաագենտների։ Ընկերության զարգացման ծրագիրը նախատեսում է տրիլիոնավոր թոքենների օգտագործում՝ միմյանցից կախված տասնյակ փորձերի շղթաներ իրականացնելու համար։ Նպատակն այդ հետազոտությունների օգնությամբ ագենտներին ինքնավար կատարելագործելն է՝ նոր խնդիրների ի հայտ գալուն զուգընթաց։

Ադամի կարծիքով՝ սա մարդկանց ավելի մեծ հնարավորություն կտա ձևավորելու ագենտների սովորելու և աշխատելու եղանակը․ «Մարդիկ կարող են շատ ավելի մեծ ազդեցություն ունենալ՝ իրենք հետազոտություն անելու փոխարեն մտածելով, թե ինչպես այն իրականացնել և ինչպես օպտիմալացնել բուն հետազոտական գործընթացը»։