Ironclad-пен бірге компьютерді қолдану мүмкіндіктерін дамыту

Біз GPT‑6 Astra моделін таныстырғанда, модельдеріміздің құжат дайындаудан бастап веб-сайттарды тексеруге дейінгі кәсіби жұмыста компьютерді пайдалану мүмкіндіктері қаншалықты өскенін көрсеттік. Келесі мақсатымыз — агенттердің күрделі бизнес мәселелерін шешу үшін арнаулы бағдарламалық жасақтаманы пайдалану қабілеті мен тиімділігін арттыру. Біз модельдерді компанияның бизнес ережелерін түсінуге, көпқадамды жұмыс процестерін орындауға және өз жұмысының бастапқы талаптарға сәйкестігін тексеруге үйрету жолдарын зерттеп жатырмыз.

Бұл зерттеуді жеделдету үшін осы жұмыс процестерін ең жақсы білетін бағдарламалық жасақтама компанияларының шағын тобымен тікелей серіктестік орнатып жатырмыз. Бірге күрделі әрі маңызды тапсырмаларды анықтап, оларды модельдерімізді оқытуға және бағалауға арналған зерттеу міндеттеріне айналдырамыз. Түпкі мақсат — модельдеріміздің нақты бизнес жағдайларындағы мүмкіндігі мен пайдасын арттыру.

Алғашқы серіктесіміз — келісімшарттармен жұмыс істеуде ЖИ қолдану саласындағы көшбасшы Ironclad. Ironclad тобымен тығыз жұмыс істей отырып, агенттерден келісімдерді, мақұлдау тәртібін және қайта қолданылатын заңдық шарттарды баптауды талап ететін тапсырмалар әзірледік. Осы күрделі жұмыс процестерінде ілгерілеу бар екенін көрсеттік. Ironclad тәжірибесі сәтті нәтиженің қандай болуы керегін анықтауда және клиенттердің нақты қажеттіліктерін озық модельді әзірлеу процесіне тікелей енгізуде шешуші рөл атқарды. Серіктестігіміз үшін оларға алғыс білдіреміз және бірлескен жетістіктерімізбен қуана бөлісеміз.

GPT‑6 Astra — Ironclad тапсырмаларында оқытылған алғашқы озық моделіміз. Зерттеу аясындағы бағалауымызда оның орташа ұпайы GPT‑5.6 Sol моделінікінен 32% жоғары, ал бір әрекетке жұмсалатын есептік уақыты 48% аз болды.¹

Бағдарламалық жасақтама сатып алу процесін құрып жатқан заң қызметін ұйымдастыру тобын елестетіңіз. Белгілі бір сомадан асатын сатып алуды қаржы бөлімі мақұлдауы, кейбір сұрауларды қауіпсіздік бөлімі тексеруі, ал стандарттан тыс шарттарды заң бөлімі қарауы қажет болуы мүмкін. Процесті құратын адам осы қысқа тізімнің негізінде өтінім қабылдау нысанын, құжат үлгілерін, мақұлдау ережелерін және түпкілікті келісімді тіркеу тәртібін әзірлеуі керек.

Дәл осы жұмысты атқаратын ЖИ агенті бағдарламалық жасақтамада әрекет еткенде сол талаптарды үнемі ескеріп отыруы керек. Мысалы, ол шығын белгіленген шектен асқанда қаржы бөлімінің мақұлдауын талап ететіндей баптап, сомасы сол шектен жоғары және төмен сұраулардың тиісті жолмен жүретінін тексеруі керек. Жекелеген қадамдарды дұрыс орындау жеткіліксіз: дайын процесс өзі қамтуға тиіс барлық жағдайда жұмыс істеуі керек.

Ironclad қызметкерлері мен OpenAI компаниясында Ironclad жүйесін пайдаланатын мамандар зерттеушілерімізге заң, коммерция және сатып алу салаларындағы 11 тапсырманы анықтауға көмектесті. Олардың қатарында құпия ақпаратты жарияламау туралы келісімдерді баптау, сатып алуды мақұлдау процестерін құру және қайта қолданылатын заңдық тармақты өтінім беруші таңдаған юрисдикцияға сай жаңарту сияқты тапсырмалар болды. Бағалауымызша, тәжірибелі пайдаланушы бұл жұмыста әр тапсырмаға орта есеппен 30–40 минут жұмсар еді.

Әр тапсырманы күрделілігіне қарай 8–50 критерий бойынша бағаладық. Бұл модельдің қай бөліктерді дұрыс орындағанын және қай тұста талапқа сай болмағанын көруге мүмкіндік берді. Ironclad модельдер осы тапсырмаларды орындап жаттығуы үшін өз өнімінің серверлерде орналастырылған бағдарламалық орталарын да ұсынды. Зерттеушілеріміз типтік жұмыс процестеріне негізделген синтетикалық оқыту тапсырмаларын² әзірлеп, модельдердің тәжірибе мен кері байланыс арқылы жақсаруына көмектесу үшін күшейтпелі оқыту әдісін қолданды. Жұмысты білетін мамандармен бірге таңдалған тапсырмалар, егжей-тегжейлі критерийлер және модельдер жаттығатын орта — осының бәрі клиенттеріміз үшін аса маңызды нақты тапсырмаларда ілгерілеуге мүмкіндік береді.

Astra мен GPT‑5.6 Sol модельдерін салыстырғанда, әрқайсысы ең жоғары ұпай жинаған баптауларды қолдандық: Astra үшін Max, ал Sol үшін Жоғары ой қорыту деңгейін таңдадық. Зерттеудегі 11 тапсырма бойынша Astra моделінің орташа ұпайы 55,0%, ал GPT‑5.6 Sol моделінікі 41,6% болды. Бір әрекетке жұмсалатын есептік орташа уақыт Sol моделіндегі 37,0 минуттан Astra моделінде 19,2 минутқа дейін қысқарды.³ Astra әзірлеуінде қолданылған ішкі модель бұл тапсырмаларда одан да жоғары — 63,7% нәтиже көрсетті. Біз осы қосымша жетістіктерді болашақ модельдерге енгізуді көздеп отырмыз.

Astra әр әрекетке симуляцияда азырақ уақыт жұмсап, тапсырма талаптарының көбірек бөлігін орындады. Төмендегі екі бейнеролик модельдердің бір зерттеу тапсырмасын қалай орындағанын көрсетеді. Astra (бірінші бейнеролик) есептік уақыт бойынша 20 минутта тапсырма критерийлерінің шамамен 94%-ын, ал GPT‑5.6 Sol (екінші бейнеролик) 32 минутта шамамен 85%-ын орындады.

Ironclad компаниясының бұл жұмысқа қатысуы оның клиенттеріне жақсы таныс бір мәселені көрсетеді: келісімшарт жасау процесі бизнестің негізгі ережелерін сақтай отырып, ерекше жағдайларды да ескеруі керек. Егер агент тапсырманы орындау барысында сол ережелердің бірін естен шығарса, бағдарламалық жасақтама компаниясы оған сеніп тапсыра алатын жұмыстың ауқымы шектеледі. Бұл агенттер келісімшарттарға қатысты күрделі тапсырмаларды жақсырақ орындай бастағанымен, адам бақылауының әлі де маңызды екенін және келісімшарттармен жұмыс істеуге арналған толыққанды платформаның қажет болып қала беретінін көрсетеді. Зерттеушілерімізбен жұмыс істеу Ironclad компаниясына осы мәселелерді негізгі модельді әзірлеу процесіне енгізіп, оларды бізбен бірге зерттеуге мүмкіндік береді.

Модельдердің мүмкіндіктері артқан сайын, Ironclad оларды өз өнімдерінің көбірек түрінде қолдана алады. Заңгерлер мен бизнес топтары үшін бұл өздері сүйенетін бақылау тетіктерін сақтай отырып, күрделі келісімшарттармен жұмыс істеу жүктемесінің көбірек бөлігін ЖИ-ге тапсыру мүмкіндігін білдіруі ықтимал.

Біз бағдарламалық жасақтама компанияларының шағын тобын зерттеу және инженерлік топтарымызбен тікелей жұмыс істеуге шақырамыз. Мақсат — қазіргі агенттер әлі де сенімді орындай алмайтын маңызды кәсіби тапсырмаларды шешу. Егер тобыңызда осындай тапсырма болса, нақты мысалмен танысқымыз келеді: агенттен не істеуді сұрайсыз, оның қай жерде қателесетінін қандай дерек көрсетеді және сәтті нәтижені қалай бағалар едіңіз? Серіктестер бұл жұмысты терең білетін мамандарды тартып, сынақ өткізуге арналған қауіпсіз орта мен зерттеуде қауіпсіз пайдалануға болатын деректерді ұсына алуы керек. Осы негізде біз қатенің себебін зерттеп, модельдің жақсарған-жақсармағанын өлшей аламыз.

Егер тобыңыз осы талаптарға сай болса, зерттеу саласындағы ынтымақтастық мүмкіндігін қарастыруға өтінім беріңіз.