GPT‑6 Astra: ബേസിസിൽ നികുതി വർക്ക്ബുക്ക് ഇരട്ടി വേഗത്തിൽ
സങ്കീർണമായ ജോലികൾ പൂർത്തിയാക്കാൻ GPT‑5.6 Sol-നെക്കാൾ 50% കുറവ് സമയമാണ് GPT‑6 Astra എടുത്തത്. ഉപയോക്താവിന്റെ ഉദ്ദേശ്യം കൂടുതൽ ആഴത്തിൽ മനസ്സിലാക്കാനും അതിന് കഴിഞ്ഞു.
വർക്ക്ബുക്ക് പരീക്ഷണം
50%
ബേസിസിന്റെ പരീക്ഷണത്തിൽ, 50 ടാബുള്ള നികുതി വർക്ക്ബുക്ക് പൂർത്തിയാക്കാൻ Sol-നെക്കാൾ കുറഞ്ഞ സമയം.
ആഭ്യന്തര മൂല്യനിർണയങ്ങൾ
20%
ബേസിസിന്റെ ആഭ്യന്തര മൂല്യനിർണയ സ്കോറുകളിലെ ഏകദേശ വർധന.
അക്കൗണ്ടന്റുമാർ ദിവസവും നേരിട്ട് ചെയ്യുന്ന ജോലികളിൽ വലിയൊരു പങ്ക് സ്വയമേവ ചെയ്യാൻ ബേസിസ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കൃത്രിമബുദ്ധി ഏജന്റുകളെ വികസിപ്പിക്കുന്നു. ആവർത്തിച്ചുള്ള ജോലികൾക്കു പകരം തന്ത്രപ്രധാനമായ ജോലികൾക്കായി സമയം ചെലവഴിക്കാൻ ഇത് അവരെ സഹായിക്കുന്നു. ദീർഘമായ ജോലികൾ വിശ്വസനീയമായി പൂർത്തിയാക്കാൻ കഴിയുന്ന ഏജന്റുകളിലാണ് കമ്പനിയുടെ ഗവേഷണം കേന്ദ്രീകരിക്കുന്നത്. അക്കൗണ്ടന്റുമാർ എന്താണ് നേടാൻ ഉദ്ദേശിക്കുന്നതെന്ന് GPT‑6 Astra കൂടുതൽ നന്നായി മനസ്സിലാക്കുന്നതായി കമ്പനി കണ്ടെത്തുന്നു.
“ഉപയോക്താവിന്റെ ഉദ്ദേശ്യവും പ്രശ്നവും ശരിക്കും മനസ്സിലാക്കുന്നതിൽ GPT-6 Astra കൂടുതൽ മികവ് പുലർത്തുന്നു.”
50 ടാബുകളുള്ള സങ്കീർണമായ ഒരു നികുതി വർക്ക്ബുക്കിൽ ബേസിസ് GPT‑6 Astra-യുടെയും GPT‑5.6 Sol-ന്റെയും പ്രകടനം താരതമ്യം ചെയ്തു. വർക്ക്ബുക്ക് കൃത്യമായും വിശ്വസനീയമായും പൂർത്തിയാക്കുകയായിരുന്നു ദൗത്യം. GPT‑6 Astra അത് ശ്രദ്ധേയമായ വേഗത്തിൽ ചെയ്തു.
“GPT-5.6 Sol എടുക്കുന്നതിന്റെ പകുതി സമയത്തിൽ ആ വർക്ക്ബുക്ക് പൂർത്തിയാക്കാൻ GPT-6 Astra-യ്ക്ക് കഴിയും.”
ഒരു ജോലിയുടെ തുടക്കത്തിൽത്തന്നെ GPT‑6 Astra മികച്ച തീരുമാനങ്ങൾ എടുക്കുന്നതായും ബേസിസ് നിരീക്ഷിച്ചു. ഇതിലൂടെ ബേസിസിന്റെ ഏജന്റുകൾക്ക് തെറ്റുകൾ തിരുത്താൻ അധികം സമയം ചെലവഴിക്കാതെ, കൂടുതൽ നേരായ മാർഗത്തിൽ ജോലി പൂർത്തിയാക്കാൻ കഴിയുന്നു. ഇത് മോഡലിന്റെ ടോക്കൺ ഉപയോഗവും കൂടുതൽ കാര്യക്ഷമമാക്കുന്നുവെന്ന് ട്രോയനോവ്സ്കി പറയുന്നു.
ജോലി പുരോഗമിക്കുമ്പോൾ റീസണിംഗിന്റെ അളവ് ക്രമീകരിക്കാനും ബേസിസ് GPT‑6 Astra-യെ ഉപയോഗിക്കുന്നു. പ്രയാസമുള്ള ഘട്ടങ്ങളിൽ കൂടുതൽ കണക്കുകൂട്ടലുകൾ നടത്തുകയും എളുപ്പമുള്ള ഘട്ടങ്ങളിൽ അവ കുറയ്ക്കുകയും ചെയ്യുന്നു. കാഷെയിൽ മാറ്റം വരുത്താതെതന്നെ ഈ ക്രമീകരണങ്ങൾ നടത്താൻ മോഡലിന് കഴിയും. ചെലവും പ്രതികരിക്കാൻ വേണ്ട സമയവും കുറയ്ക്കാൻ ഇത് സഹായിക്കുന്നുവെന്ന് ട്രോയനോവ്സ്കി പറയുന്നു. അതിനാൽ കൂടുതൽ സമയം വേണ്ട ജോലികൾ ബേസിസിനും ഉപഭോക്താക്കൾക്കും കുറഞ്ഞ ചെലവിൽ ചെയ്യാനാകുന്നു.
GPT‑6 Astra ഉപയോഗിച്ചപ്പോൾ ബേസിസിന്റെ ആഭ്യന്തര മൂല്യനിർണയത്തിലെ സ്കോറുകൾ ഏകദേശം 20% മെച്ചപ്പെട്ടു. ഉപയോക്താവിന്റെ ഉദ്ദേശ്യം കൂടുതൽ നന്നായി മനസ്സിലാക്കുന്നതാണ് ഇതിന് അടിസ്ഥാനം. എപ്പോൾ ചോദ്യങ്ങൾ ചോദിക്കണം, അനുമാനങ്ങൾ എടുത്തുപറയണം, നിർദേശങ്ങൾ പാലിക്കണം എന്നിവയും ഇതിൽ ഉൾപ്പെടുന്നു.
തങ്ങളുടെ ഏജന്റുകൾ പ്രവർത്തിക്കുന്ന രീതിയും അവയുടെ അന്തിമ ഉത്തരങ്ങളും ബേസിസ് വിലയിരുത്തുന്നു. നിശ്ചിത മാതൃകകൾ പാലിക്കുന്നുണ്ടോ, നികുതിസംബന്ധമായ ചോദ്യങ്ങൾക്ക് പ്രാഥമിക സ്രോതസ്സുകൾ പരിശോധിക്കുന്നുണ്ടോ, സ്വന്തം ജോലി പരിശോധിച്ച് ഉറപ്പുവരുത്തുന്നുണ്ടോ എന്നിവയും ഇതിൽ ഉൾപ്പെടുന്നു. കുറച്ച് വ്യക്തമായ നിർദേശങ്ങൾ മാത്രം നൽകിയാലും, വിശാലമായ സന്ദർഭത്തിൽനിന്ന് ഈ പ്രതീക്ഷകൾ ഗ്രഹിക്കാൻ GPT‑6 Astra-യ്ക്ക് കഴിയും.
ഓരോ സാഹചര്യത്തിനും പ്രത്യേകം നിയമങ്ങൾ എഴുതേണ്ടതിന്റെ ആവശ്യകത ഇതിലൂടെ ബേസിസിന് കുറയുന്നു. ആഭ്യന്തര പരീക്ഷണങ്ങളിൽ ഉൾപ്പെടാത്ത സാഹചര്യങ്ങളും തങ്ങളുടെ ഏജന്റുകൾക്ക് കൈകാര്യം ചെയ്യാനാകുമെന്ന വിശ്വാസം സംഘത്തിന് വർധിക്കുകയും ചെയ്യുന്നു.


