Third Moment Research nglakokake 10.000 agen sajrone 36+ jam

Saben perusahaan duwe alur kerja, piranti, kasus mirunggan, lan ukuran kasil dhewe-dhewe. ⁠(mbukak ing jendhela anyar)Third Moment Research⁠(mbukak ing jendhela anyar) percaya yen agen paling apik kudu trampil tenan ing pakaryan mligi kasebut lan saya mundhak kabisane nalika saya kerep digunakake.

Adhedhasar gagasan kasebut, perusahaan iki lagi mbangun sistem AI sing bisa ningkatake kabisane dhewe, nggunakake model paling anyar saka OpenAI kanggo mangerteni tumindake agen, ngenali kekurangan sing bola-bali muncul, lan kanthi otomatis nggawe ewonan skenario sintetis adhedhasar masalah kasebut. Tim kasebut nggunakake skenario mau kanggo ningkatake kabisane agen, banjur mbaleni proses iki nalika ana masalah anyar.

Codex, GPT‑6 Astra, GPT‑6 Sol, lan GPT‑6.1 Sol nyengkuyung panaliten lan pakaryan komputasi sistem kasebut, saengga Third Moment bisa nglakokake 10.000 agen bebarengan ing panyelidikan sing suwene 36–48 jam. Perusahaan iki uga nggunakake Daybreak kanggo nguji keamanan lingkungan papan agen makarya.

Salah siji panganggone teknologi Third Moment ing tahap awal yaiku ing bidang keuangan kuantitatif, amarga ukuran kasile cetha. Bidang iki menehi papan sing nyata kanggo nyinaoni carane agen makarya lan ing ngendi agen nemoni kangelan. Tim kasebut nggunakake Codex kanggo nemokake lan ngrampungi masalah ing lingkungan panaliten.

Ing salah siji kasus, tim kasebut nggunakake Codex karo GPT‑5.6, model GPT paling anyar wektu iku, kanggo nganalisis ewonan rekaman urutan simulasi (tumindake agen lan tanggapan saka lingkungan), bebarengan karo tandha wektu lan basis kode.

Codex nemokake bab sing ngalangi kinerja: nguji strategi dagang nganggo data historis saham AS ing tingkat pesenan sajrone setaun mbutuhake wektu pirang-pirang jam. Nalika ngenteni, agen bola-bali mriksa apa proses wis rampung, saengga mbuwang token lan ngebaki kontekse nganggo pamriksan status.

Sawise mriksa profil kinerja uji data historis kasebut lan nganalisis input sarta panganggone, Codex nemokake cara ngoptimalake cache lan teknik nata data kanthi rapet ing memori. Codex nyoba maneka solusi lan ngetrapake dandan kasebut ing lingkungan produksi, saengga wektu uji data historis mudhun saka udakara 3 jam dadi udakara 3 nganti 5 menit. Iki nyuda panganggone token lan informasi sing ora migunani ing konteks, saengga luwih akeh jatah token agen sing bisa digunakake kanggo eksperimen sabanjure.

Third Moment menehi saben agen piranti, informasi, lan lingkungan sing dibutuhake kanggo pakaryan tartamtu. Kanggo panaliten kuantitatif, tim kasebut nglakokake kerangka eksekusi bawaan Codex ing lingkungan sing diwadhahi ing kontainer Docker. Agen nampa data sakterabita, dokumentasi, lan gudang kode panaliten sing ngemot modul kanggo rekayasa fitur, pelatihan model kanthi dhukungan GPU, strategi dagang, lan simulasi.

GPT‑6 Astra, GPT‑6 Sol, lan GPT‑6.1 Sol nyedhiyakake nalar, dene kerangka eksekusi Codex menehi agen piranti kanggo tumindak, nggawe rencana, nemtokake tujuan, nggawe subagen, lan ngringkes konteks sajrone pakaryan lumaku.

Kanggo nangani agen sing mandheg sadurunge tugas rampung, Third Moment ndadekake Codex subagen ing kerangka eksekusi njaba sing didhukung GPT‑6 Sol utawa GPT‑6.1 Sol. Kerangka njaba kasebut mriksa urutan tumindak nalika ana tugas sing durung rampung, banjur nemtokake apa kudu nyoba maneh, mungkasi pakaryan, utawa nerusake menyang manungsa supaya ditinjau.

Ing lingkungan panaliten kasebut, agen makarya kanggo ningkatake sistem dagang dhasar sing dibangun dening para insinyur Third Moment. Agen nguji strategi dagang nganggo data historis, mbiji apa asil sing luwih apik pancen migunani utawa mung owah-owahan acak, lan nggunakake saben asil kanggo milih eksperimen sabanjure. Miturut Adam, pakaryane agen wis ningkatake sistem dagang dhasar kasebut.

Miturut Adam, sadurunge GPT‑5.5, model mung bisa nindakake eksperimen sing wis ditemtokake pangguna. Kanthi GPT‑5.5 lan GPT‑5.6, model sing makarya nganggo kerangka eksekusi Codex bisa nggunakake asil kanggo ngrancang eksperimen lanjutan. Saiki, kanthi GPT‑6 Astra, GPT‑6 Sol, lan GPT‑6.1 Sol, agen bisa nyelidiki panyebab utama liwat atusan eksperimen sing mlaku bebarengan karo subagen.

Kemajuan kasebut wis mbantu agen njelajah arah panaliten sing durung kepikir dening tim. Ing salah siji sesi, GPT‑6.1 Sol ngenali dampak transaksi sing ora ditampilake ing sawijining bursa, sing jebul nduweni bagean gedhe saka volume dagang ngluwihi pangira-ira. “Iki asil sing ora gampang katon lan wiwitane ora digatekake dening tim panaliten kita,” ujare Adam.

Third Moment ngevaluasi model ing bidang optimalisasi, sistem pamulangan mesin, lan panaliten kuantitatif. Perusahaan iki nguji rilis model tercanggih nganggo setelan nalar paling dhuwur, kanggo mbiji kabisane njelajah gudang kode, nulis kode sing efisien, lan nerusake panyelidikan nganti suwe. Pangujian saiki uga kalebu GPT‑6 Luna.

Salah siji uji tolok ukur njaluk agen nyuda wektu tundha nganyari layanan papan skor langsung tanpa ngowahi asile. Tim kasebut ngukur sepira mundhake kacepetan kanthi mbagi rata-rata wektu eksekusi solusi gaweane ahli karo wektu eksekusi solusi gaweane model ing piranti keras sing padha, kanthi syarat asile kudu bener. Miturut Adam, GPT‑6 Astra menehi peningkatan kacepetan paling gedhe.

Kanggo pakaryan kanthi sasaran tartamtu, kalebu mriksa celah keamanan tartamtu ing sistem simulasi, tim kasebut nggunakake model sing luwih efisien kayata GPT‑5.6 Terra. Kanggo panaliten jero, Adam percaya yen nalar sing luwih kuwat bisa cocog karo biaya sing luwih gedhe: “Ing bidang keuangan kuantitatif, nemokake sinyal sing narik kawigaten iku regane gedhe banget.”

Kanthi 10.000 agen sing mlaku kanthi otonom, Third Moment butuh cara kanggo nguji keamanan lingkungan panalitene ing skala gedhe. Tim kasebut nggunakake platform keamanan siber Daybreak kanggo ngotomatisake pangujian mau sadurunge simulasi diwiwiti.

Pangujian iki mriksa apa agen bisa uwal saka lingkungan panalitene lan ngakses jaringan sing luwih amba. “Kanthi nggunakake Daybreak, kita bisa ngongkon agen dhewe nindakake uji penetrasi ing simulasi, uga nguji infrastruktur lan keamanane,” ujare Adam.

Gegayuhane Third Moment uga nyakup pakaryan mligi sing ditindakake perusahaan saben dina. Kanggo pedagang eceran, iki bisa ateges nggawe keputusan rantai pasokan sing luwih apik nalika stok kurang utawa pemasok telat. Kanggo tim rekayasa, iki bisa ateges nemokake bab sing ngalangi kinerja ing basis kode gedhe. Kanggo bisnis sing akeh ngurusi dokumen, iki bisa ateges ngenali prasetya ing sawijining dokumen sing ora cocog karo asil sing kacathet ing dokumen liyane.

Kanthi manfaatake kabisan nalar GPT‑6 Astra, GPT‑6 Sol, lan GPT‑6.1 Sol, Third Moment ngrancang nggedhekake cakupan saka panyelidikan dhewe-dhewe dadi atusan ewu subagen sing makarya bebarengan. Rencana pangembangane nyakup panganggone triliunan token kanggo nyengkuyung rerangken puluhan eksperimen sing gumantung siji lan sijine, kanthi tujuan nggunakake panaliten kasebut kanggo ningkatake kabisane agen kanthi otonom nalika ana tantangan anyar.

Kanggo Adam, iki bakal menehi wong luwih akeh kabisan kanggo ngarahake carane agen sinau lan makarya: “Manungsa bisa ana ing posisi sing menehi pengaruh luwih gedhe, saengga bisa mikirake carane nindakake panaliten lan ngoptimalake panaliten iku dhewe, tinimbang kudu nindakake panaliten langsung.”