Third Moment Research: 10 000 აგენტი 36+ საათის განმავლობაში

ყველა კომპანიას საკუთარი სამუშაო პროცესები, ინსტრუმენტები, არასტანდარტული შემთხვევები და წარმატების კრიტერიუმები აქვს. ⁠(იხსნება ახალ ფანჯარაში)Third Moment Research⁠(იხსნება ახალ ფანჯარაში) მიიჩნევს, რომ საუკეთესო აგენტები სწორედ ამ კონკრეტულ სამუშაოს უნდა ასრულებდნენ კარგად და რაც უფრო ხშირად იყენებენ მათ, მით უფრო უნდა იხვეწებოდეს მათი შესაძლებლობები.

ამ იდეაზე დაყრდნობით კომპანია თვითგაუმჯობესებად AI სისტემას ქმნის. OpenAI-ის უახლესი მოდელებით ის შეისწავლის აგენტების ქცევას, გამოავლენს განმეორებად სისუსტეებს და ამ პრობლემებისთვის ავტომატურად ქმნის ათასობით სინთეზურ სცენარს. გუნდი ამ სცენარებს აგენტების გასაუმჯობესებლად იყენებს და ახალი პრობლემების გამოჩენისას პროცესს იმეორებს.

Codex, GPT‑6 Astra, GPT‑6 Sol და GPT‑6.1 Sol სისტემის კვლევით და გამოთვლით სამუშაოს უზრუნველყოფენ. მათი დახმარებით Third Moment ერთდროულად ამუშავებს 10 000 აგენტს კვლევებზე, რომლებიც 36–48 საათს გრძელდება. კომპანია ასევე იყენებს Daybreak-ს იმ გარემოების უსაფრთხოების შესამოწმებლად, რომლებშიც აგენტები მუშაობენ.

Third Moment-ის ერთ-ერთი პირველი გამოყენების სფერო რაოდენობრივი ფინანსებია, რადგან აქ წარმატების საზომი მკაფიოა. ეს სფერო ქმნის კონკრეტულ პირობებს იმის შესასწავლად, თუ როგორ მუშაობენ აგენტები და სად აწყდებიან სირთულეებს. გუნდი Codex-ს კვლევის გარემოში პრობლემების აღმოსაჩენად და მოსაგვარებლად იყენებს.

ერთ შემთხვევაში გუნდმა Codex და იმ დროისთვის უახლესი GPT მოდელი, GPT‑5.6, გამოიყენა სიმულაციის ათასობით ჩაწერილი ტრაექტორიის (აგენტების მოქმედებებისა და გარემოს საპასუხო რეაქციების) გასაანალიზებლად, დროის ნიშნულებსა და კოდის ბაზასთან ერთად.

Codex-მა შემაფერხებელი ფაქტორი აღმოაჩინა: სავაჭრო სტრატეგიის შემოწმებას აშშ-ის აქციების ერთწლიან ისტორიულ მონაცემებზე, ცალკეული შეკვეთების დონეზე, რამდენიმე საათი სჭირდებოდა. ლოდინისას აგენტები გამუდმებით ამოწმებდნენ, დასრულდა თუ არა პროცესი, რითაც ტოკენებს ფუჭად ხარჯავდნენ და კონტექსტს სტატუსის შემოწმებებით ავსებდნენ.

ისტორიულ მონაცემებზე ტესტირების წარმადობის, შეყვანილი მონაცემებისა და გამოყენების გაანალიზების შემდეგ Codex-მა ქეშირების ოპტიმიზაციის გზა და მეხსიერებაში მონაცემების კომპაქტურად განთავსების ტექნიკა გამოავლინა. მან სხვადასხვა გადაწყვეტა გამოსცადა და შესწორება საწარმოო გარემოში დანერგა, რითაც ისტორიულ მონაცემებზე ტესტირების დრო დაახლოებით 3 საათიდან 3–5 წუთამდე შეამცირა. ამან შეამცირა ტოკენების ხარჯვა და კონტექსტის არასაჭირო ინფორმაციით შევსება. შედეგად, აგენტებს ტოკენების ბიუჯეტის მეტი ნაწილი დარჩათ შემდგომი ექსპერიმენტებისთვის.

Third Moment თითოეულ აგენტს კონკრეტული სამუშაოსთვის საჭირო ინსტრუმენტებით, ინფორმაციითა და გარემოთი უზრუნველყოფს. რაოდენობრივი კვლევისთვის გუნდი Codex-ის ნაგულისხმევ სარტყელს Docker-ის გარემოში უშვებს. აგენტები იღებენ ერთ ტერაბაიტ მონაცემებს, დოკუმენტაციასა და კვლევით რეპოზიტორიუმს, რომელიც შეიცავს მოდულებს მახასიათებლების შესაქმნელად, GPU-ით მოდელების გასაწვრთნელად, სავაჭრო სტრატეგიებისა და სიმულაციისთვის.

GPT‑6 Astra, GPT‑6 Sol და GPT‑6.1 Sol მსჯელობას უზრუნველყოფენ, Codex-ის სარტყელი კი აგენტებს აძლევს ინსტრუმენტებს მოქმედებისთვის, გეგმების შესადგენად, მიზნების დასასახად, ქვეაგენტების შესაქმნელად და მუშაობისას კონტექსტის შესაკუმშად.

იმ აგენტების პრობლემის მოსაგვარებლად, რომლებიც ამოცანის დასრულებამდე ჩერდებიან, Third Moment Codex-ს ქვეაგენტად იყენებს გარე სარტყელში, რომელსაც GPT‑6 Sol ან GPT‑6.1 Sol მართავს. როდესაც ამოცანა დაუსრულებელი რჩება, გარე სარტყელი განვლილ ტრაექტორიას შეისწავლის და წყვეტს, ხელახლა სცადოს შესრულება, შეწყვიტოს სამუშაო თუ ადამიანს გადასცეს განსახილველად.

ამ კვლევით გარემოში აგენტები Third Moment-ის ინჟინრების მიერ შექმნილი საბაზისო სავაჭრო სისტემის გაუმჯობესებაზე მუშაობენ. ისინი სავაჭრო სტრატეგიებს ისტორიულ მონაცემებზე ამოწმებენ, აფასებენ, გაუმჯობესება არსებითია თუ შემთხვევითი რყევა, და თითოეულ შედეგს შემდეგი ექსპერიმენტის შესარჩევად იყენებენ. ადამის თქმით, მათმა მუშაობამ საბაზისო სავაჭრო სისტემა გააუმჯობესა.

ადამის თქმით, GPT‑5.5‑მდე მოდელებს მხოლოდ მომხმარებლის მიერ განსაზღვრული ექსპერიმენტების ჩატარება შეეძლოთ. GPT‑5.5‑ისა და GPT‑5.6‑ის შემთხვევაში, Codex-ის სარტყელში მომუშავე მოდელებს უკვე შეეძლოთ შედეგებზე დაყრდნობით შემდგომი ექსპერიმენტების დაგეგმვა. ახლა, GPT‑6 Astra-ს, GPT‑6 Sol-ისა და GPT‑6.1 Sol-ის დახმარებით, აგენტებს შეუძლიათ ძირეული მიზეზების შესწავლა ქვეაგენტებთან ერთად ასობით ექსპერიმენტის პარალელურად ჩატარებით.

ამ განვითარებამ აგენტებს ისეთი კვლევითი მიმართულებების შესწავლის საშუალება მისცა, რომლებიც გუნდს არ ჰქონდა გათვალისწინებული. ერთ სესიაში GPT‑6.1 Sol-მა გამოავლინა არაგამჟღავნებული სავაჭრო შეკვეთებით დადებული გარიგებების გავლენა ბირჟაზე, სადაც ასეთი გარიგებები ვაჭრობის მოცულობის მოულოდნელად დიდ წილს შეადგენდა. „ეს არათვალსაჩინო შედეგი იყო, რომელიც ჩვენს კვლევით გუნდს თავდაპირველად არ განუხილავს“, — ამბობს ადამი.

Third Moment მოდელებს ოპტიმიზაციის, მანქანური სწავლების სისტემებისა და რაოდენობრივი კვლევის ამოცანებზე აფასებს. კომპანია მოწინავე მოდელების ახალ ვერსიებს მსჯელობის უმაღლეს პარამეტრებზე ცდის და აფასებს, რამდენად შეუძლიათ მათ რეპოზიტორიუმებში გარკვევა, ეფექტიანი კოდის წერა და კვლევის უწყვეტად გაგრძელება. ამჟამად ტესტირება GPT‑6 Luna-საც მოიცავს.

ერთ-ერთ შეფასების ტესტში აგენტებს ევალებათ, შეამცირონ პირდაპირი ანგარიშის ტაბლოს სერვისის განახლების დაყოვნება ისე, რომ მისი გამოტანილი მონაცემები უცვლელი დარჩეს. აჩქარების გასაზომად გუნდი ექსპერტის მიერ შექმნილი გადაწყვეტის შესრულების საშუალო დროს ყოფს მოდელის გადაწყვეტის შესაბამის დროზე. ორივე გადაწყვეტა ერთსა და იმავე აპარატურაზე სრულდება და სწორი შედეგი უნდა ჰქონდეს. ადამის თქმით, ყველაზე დიდი აჩქარება GPT‑6 Astra-მ აჩვენა.

მიზნობრივი სამუშაოსთვის, მათ შორის სიმულაციის სისტემაში უსაფრთხოების კონკრეტული სისუსტეების შესამოწმებლად, გუნდი უფრო რესურსეფექტიან მოდელებს იყენებს, მაგალითად, GPT‑5.6 Terra-ს. ადამი მიიჩნევს, რომ სიღრმისეული კვლევისას მსჯელობის უფრო ძლიერმა უნარმა შეიძლება მაღალი ხარჯი გაამართლოს: „რაოდენობრივი ფინანსების სფეროში რაიმე საინტერესო სიგნალის აღმოჩენას უდიდესი ღირებულება აქვს.“

როცა 10 000 აგენტი ავტონომიურად მუშაობს, Third Moment-ს სჭირდება გზა, რომ კვლევითი გარემოების უსაფრთხოება ფართო მასშტაბით შეამოწმოს. გუნდი კიბერუსაფრთხოების პლატფორმა Daybreak-ს იყენებს, რათა სიმულაციების გაშვებამდე ეს ტესტირება ავტომატურად ჩაატაროს.

ტესტები ამოწმებს, შეუძლია თუ არა აგენტს კვლევითი გარემოს საზღვრების გარღვევა და უფრო ფართო ქსელზე წვდომის მოპოვება. „Daybreak-ის დახმარებით შეგვიძლია, თავად აგენტებს ჩავატარებინოთ სიმულაციაში შეღწევადობის ტესტირება და შევამოწმებინოთ მისი ინფრასტრუქტურა და უსაფრთხოება“, — ამბობს ადამი.

Third Moment-ის მიზნები მოიცავს სპეციალიზებულ სამუშაოსაც, რომელსაც კომპანიები ყოველდღე ასრულებენ. საცალო მოვაჭრისთვის ეს შეიძლება ნიშნავდეს მიწოდების ჯაჭვთან დაკავშირებული უკეთესი გადაწყვეტილებების მიღებას, როცა მარაგი იწურება ან მომწოდებელი აგვიანებს. საინჟინრო გუნდისთვის ეს შეიძლება იყოს კოდის დიდ ბაზაში წარმადობის შემაფერხებელი ფაქტორების აღმოჩენა. დოკუმენტებზე ინტენსიურად მომუშავე ბიზნესისთვის ეს შეიძლება ნიშნავდეს იმ შეუსაბამობების გამოვლენას, როცა ერთ დოკუმენტში აღებული ვალდებულებები მეორეში დაფიქსირებულ შედეგებს არ ემთხვევა.

GPT‑6 Astra-ს, GPT‑6 Sol-ისა და GPT‑6.1 Sol-ის მსჯელობის შესაძლებლობებზე დაყრდნობით, Third Moment გეგმავს, ცალკეული კვლევებიდან ასობით ათასი ქვეაგენტის ერთობლივ მუშაობაზე გადავიდეს. კომპანიის გეგმა ითვალისწინებს ტრილიონობით ტოკენის გამოყენებას ათობით ურთიერთდამოკიდებული ექსპერიმენტის ჯაჭვების შესასრულებლად. მიზანია, ახალი გამოწვევების გაჩენისას ამ კვლევით აგენტები ავტონომიურად გაუმჯობესდნენ.

ადამის აზრით, ეს ადამიანებს მეტ შესაძლებლობას მისცემს, განსაზღვრონ, როგორ სწავლობენ და მუშაობენ აგენტები: „ადამიანებს შეუძლიათ გაცილებით მეტი გავლენა იქონიონ: კვლევის უშუალოდ ჩატარების ნაცვლად, იფიქრონ იმაზე, როგორ ჩატარდეს კვლევა და როგორ გაუმჯობესდეს თავად კვლევის პროცესი.“