Third Moment Research: 10 000 агенттің 36+ сағаттық жұмысы

Әр компанияның өз жұмыс процестері, құралдары, ерекше жағдайлары және табыс өлшемдері бар. ⁠(жаңа терезеде ашылады)Third Moment Research⁠(жаңа терезеде ашылады) пікірінше, үздік агенттер дәл сол жұмысты өте жақсы атқарып, қолданылған сайын өз мүмкіндіктерін жетілдіруі керек.

Компания осы идеяға сүйеніп, өздігінен жетілетін ЖИ жүйесін құрып жатыр. Ол OpenAI компаниясының ең жаңа модельдерін агенттердің әрекетін түсіну, қайталанатын кемшіліктерді анықтау және сол мәселелерге қатысты мыңдаған жасанды сценарийді автоматты түрде жасау үшін қолданады. Команда осы сценарийлер арқылы агенттерді жетілдіріп, жаңа мәселелер туындаған сайын процесті қайталайды.

Codex, GPT‑6 Astra, GPT‑6 Sol және GPT‑6.1 Sol жүйенің зерттеу және есептеу жұмыстарын қамтамасыз етеді. Соның арқасында Third Moment 36–48 сағатқа созылатын зерттеулерге бір мезгілде 10 000 агентті қоса алады. Компания агенттер жұмыс істейтін орталардың қауіпсіздігін тексеру үшін Daybreak жүйесін де пайдаланады.

Third Moment алғаш қолданған салалардың бірі — сандық қаржы, өйткені онда табысты өлшеудің нақты көрсеткіші бар. Бұл сала агенттердің қалай жұмыс істейтінін және қай тұста қиналатынын зерттеуге нақты орта ұсынады. Команда зерттеу ортасындағы мәселелерді тауып, шешу үшін Codex қолданады.

Бір жолы команда Codex пен сол кездегі ең жаңа GPT моделі — GPT‑5.6 көмегімен симуляциялардың жазылған мыңдаған әрекет тізбегін (агенттердің әрекеттері мен ортаның жауаптарын) уақыт белгілерімен және код базасымен бірге талдады.

Codex жұмысты баяулататын тұсты анықтады: сауда стратегиясын АҚШ акциялары бойынша әр өтінім деңгейіндегі бір жылдық тарихи деректермен тексеруге бірнеше сағат кететін. Күту кезінде агенттер тексерудің аяқталғанын қайта-қайта сұрап, токендерді босқа жұмсап, контекстін күйді тексеру сұрауларымен толтыратын.

Тарихи деректермен тексерудің өнімділігін, кіріс деректерін және қолданылуын талдаған соң, Codex кэштеуді оңтайландыру жолын және деректерді жадта ықшам орналастыру әдісін тапты. Ол шешімдерді сынап, түзетуді өндірістік ортаға енгізді. Нәтижесінде тарихи деректермен тексеру уақыты шамамен 3 сағаттан 3–5 минутқа дейін қысқарды. Бұл токен шығынын және контекстің артық ақпаратпен толуын азайтып, агенттердің токен қорының көбірек бөлігін кейінгі эксперименттерге қалдырды.

Third Moment әр агентке нақты жұмысқа қажетті құралдарды, ақпаратты және ортаны береді. Сандық зерттеулер үшін команда әдепкі Codex тапсырма ортасын Docker контейнерінде іске қосады. Агенттерге бір терабайт дерек, құжаттама және белгілерді құрастыруға, GPU көмегімен модельдерді оқытуға, сауда стратегияларына және симуляцияға арналған модульдері бар зерттеу репозиторийі беріледі.

GPT‑6 Astra, GPT‑6 Sol және GPT‑6.1 Sol ой қорытуды қамтамасыз етеді, ал Codex тапсырма ортасы агенттерге әрекет етуге, жоспар құруға, мақсат қоюға, қосалқы агенттерді іске қосуға және жұмыс барысында контексті ықшамдауға арналған құралдар береді.

Агенттердің тапсырманы аяқтамай тоқтап қалу мәселесін шешу үшін Third Moment Codex жүйесін GPT‑6 Sol немесе GPT‑6.1 Sol негізіндегі сыртқы тапсырма ортасында қосалқы агент ретінде қолданады. Тапсырма аяқталмай қалса, сыртқы тапсырма ортасы әрекеттер тізбегін тексеріп, қайта әрекет жасау, жұмысты тоқтату немесе адам тексеруіне жіберу керегін шешеді.

Осы зерттеу ортасында агенттер Third Moment инженерлері құрған бастапқы сауда жүйесін жетілдірумен айналысады. Олар сауда стратегияларын тарихи деректермен сынайды, жақсарудың елеулі не кездейсоқ ауытқу екенін бағалайды және әр нәтиже негізінде келесі экспериментті таңдайды. Адамның айтуынша, олардың жұмысы бастапқы сауда жүйесін жақсартқан.

Адамның айтуынша, GPT‑5.5 шыққанға дейін модельдер тек пайдаланушы белгілеген эксперименттерді орындай алатын. GPT‑5.5 және GPT‑5.6 пайда болған соң, Codex тапсырма ортасында жұмыс істейтін модельдер алынған нәтижелерге сүйеніп, кейінгі эксперименттерді жоспарлай алатын болды. Енді GPT‑6 Astra, GPT‑6 Sol және GPT‑6.1 Sol көмегімен агенттер қосалқы агенттермен қатар жүргізілетін жүздеген эксперимент арқылы түпкі себептерді зерттей алады.

Осы ілгерілеу агенттерге команда ойластырмаған зерттеу бағыттарын қарастыруға мүмкіндік берді. Бір сессияда GPT‑6.1 Sol биржада ашық көрсетілмейтін мәмілелердің ықпалын анықтады: олардың жалпы сауда көлеміндегі үлесі күтпегендей үлкен болып шықты. «Бұл бірден байқала бермейтін, зерттеу тобымыз бастапқыда ескермеген нәтиже болды», — дейді Адам.

Third Moment модельдерді оңтайландыру, машиналық оқыту жүйелері және сандық зерттеу бағыттарында бағалайды. Компания озық модельдердің жаңа нұсқаларын ой қорыту деңгейін барынша жоғары қойып сынайды. Бұл ретте олардың репозиторийлерде бағдар табу, тиімді код жазу және зерттеуді үзбей жалғастыру қабілетін бағалайды. Қазіргі сынақтарға GPT‑6 Luna да кіреді.

Сынақтардың бірінде агенттерден нақты уақыттағы нәтижелер таблосы сервисінің шығыс деректерін өзгертпей, жаңарту кідірісін азайту талап етіледі. Команда жылдамдық өсімін өлшеу үшін сарапшы әзірлеген шешімнің орташа орындалу уақытын модель шешімінің уақытына бөледі. Екі шешім де бірдей жабдықта орындалып, дұрыс нәтиже беруі тиіс. Адамның айтуынша, ең үлкен жылдамдық өсімін GPT‑6 Astra көрсетті.

Нақты міндеттер үшін, соның ішінде симуляция жүйесіндегі жекелеген қауіпсіздік осалдықтарын тексеруге, команда GPT‑5.6 Terra сияқты үнемдірек модельдерді қолданады. Адам терең зерттеуде қуаттырақ ой қорыту жоғары шығынды ақтауы мүмкін деп санайды: «Сандық қаржы саласында қызықты бір сигналды табудың құны өте жоғары».

10 000 агент автономды жұмыс істейтіндіктен, Third Moment зерттеу орталарының қауіпсіздігін ауқымды түрде тексеру тәсіліне мұқтаж. Команда симуляциялар іске қосылмай тұрып осы тексеруді автоматтандыру үшін Daybreak киберқауіпсіздік платформасын пайдаланады.

Сынақтар агенттің өз зерттеу ортасынан шығып, кеңірек желіге қол жеткізе алатынын тексереді. «Daybreak көмегімен агенттердің өзіне симуляцияға ену сынақтарын жүргізіп, оның инфрақұрылымы мен қауіпсіздігін тексертеміз», — дейді Адам.

Third Moment мақсаты компаниялар күн сайын атқаратын мамандандырылған жұмыстарды да қамтиды. Бөлшек сауда компаниясы үшін бұл қор азайғанда немесе жеткізуші кешіккенде жеткізу тізбегі бойынша ұтымдырақ шешімдер қабылдауды білдіруі мүмкін. Инженерлер тобы үшін бұл үлкен код базасынан өнімділікті тежейтін тұстарды табу болуы мүмкін. Құжатпен көп жұмыс істейтін бизнес үшін бұл бір құжаттағы міндеттемелердің басқа құжатта тіркелген нәтижелерге қай жерде сәйкес келмейтінін анықтау болуы мүмкін.

GPT‑6 Astra, GPT‑6 Sol және GPT‑6.1 Sol модельдерінің ой қорыту мүмкіндіктеріне сүйене отырып, Third Moment жеке зерттеулерден бірлесіп жұмыс істейтін жүздеген мың қосалқы агентке дейін кеңеюді жоспарлап отыр. Компанияның даму жоспарында бір-біріне тәуелді ондаған эксперимент тізбегін триллиондаған токенмен қамтамасыз ету көзделген. Мақсат — жаңа қиындықтар туындаған сайын осы зерттеулер арқылы агенттерді автономды түрде жетілдіру.

Адамның пікірінше, бұл адамдарға агенттердің қалай үйреніп, қалай жұмыс істейтінін айқындауға көбірек мүмкіндік береді: «Адамдардың ықпалы әлдеқайда артады: олар зерттеуді өздері жүргізудің орнына, оны қалай жүргізіп, зерттеу процесінің өзін қалай оңтайландыру керегін ойластыра алады».