थर्ड मोमेंट रिसर्च: 10,000 एजंट, 36+ तास

प्रत्येक कंपनीच्या स्वतःच्या कार्यपद्धती, साधने, अपवादात्मक परिस्थिती आणि यशाच्या व्याख्या असतात. ⁠(नवीन विंडोमध्ये उघडेल)थर्ड मोमेंट रिसर्च⁠(नवीन विंडोमध्ये उघडेल)च्या मते, सर्वोत्तम एजंट त्या विशिष्ट कामात अत्यंत कुशल असले पाहिजेत आणि त्यांचा वापर वाढेल तशा त्यांच्या क्षमताही सुधारल्या पाहिजेत.

या कल्पनेवर आधारित, स्वतःमध्ये सुधारणा करणारी एआय प्रणाली कंपनी विकसित करत आहे. एजंटचे वर्तन समजून घेणे, वारंवार आढळणाऱ्या उणिवा ओळखणे आणि त्या समस्यांवर आधारित हजारो कृत्रिम परिस्थिती आपोआप तयार करणे यासाठी ती OpenAIची नवीनतम मॉडेल वापरते. एजंटमध्ये सुधारणा करण्यासाठी संघ या परिस्थिती वापरतो आणि नव्या समस्या उद्भवतील तशी ही प्रक्रिया पुन्हा करतो.

Codex, GPT‑6 Astra, GPT‑6 Sol आणि GPT‑6.1 Sol या प्रणालीच्या संशोधन आणि संगणकीय कामाला आधार देतात. त्यामुळे थर्ड मोमेंटला 36–48 तास चालणाऱ्या संशोधनासाठी एकाच वेळी 10,000 एजंट कार्यरत ठेवता येतात. एजंट ज्या संगणकीय वातावरणात काम करतात, त्याच्या सुरक्षिततेची चाचणी घेण्यासाठी कंपनी डेब्रेकही वापरते.

यश मोजण्याचे स्पष्ट निकष असल्यामुळे थर्ड मोमेंटने सुरुवातीच्या वापरक्षेत्रांपैकी एक म्हणून परिमाणात्मक वित्त क्षेत्र निवडले आहे. एजंट कसे काम करतात आणि त्यांना कुठे अडचणी येतात, याचा अभ्यास करण्यासाठी हे क्षेत्र एक ठोस संदर्भ देते. संशोधनासाठीच्या संगणकीय वातावरणातील समस्या शोधून त्या सोडवण्यासाठी संघ Codex वापरतो.

एका प्रसंगी संघाने त्यावेळचे नवीनतम GPT मॉडेल, GPT‑5.6, यासह Codex वापरले. हजारो नोंदवलेल्या अनुकरणांतील घटनाक्रमांचे—एजंटच्या कृती आणि वातावरणाने दिलेले प्रतिसाद—वेळेच्या नोंदी आणि संपूर्ण कोडसंचासोबत विश्लेषण केले.

Codexला कामाचा वेग मंदावणारा एक अडथळा सापडला: अमेरिकेतील समभागांच्या वर्षभरातील प्रत्येक खरेदी-विक्री आदेशाच्या डेटावर व्यवहाराच्या धोरणाची ऐतिहासिक चाचणी घेण्यासाठी अनेक तास लागत होते. वाट पाहताना एजंट वारंवार काम पूर्ण झाले का हे तपासत होते. त्यामुळे टोकन वाया जात होते आणि त्यांच्या संदर्भात स्थिती तपासणीच्या नोंदी भरत होत्या.

ऐतिहासिक चाचणीतील संगणकीय साधनांच्या वापराचा तपशीलवार अभ्यास करून आणि तिला दिलेल्या माहितीचे व तिच्या वापराचे विश्लेषण करून, Codexने तात्पुरत्या साठवणुकीत सुधारणा करण्याचा उपाय आणि स्मृतीत डेटा अधिक संक्षिप्तपणे साठवण्याचे तंत्र शोधले. त्याने उपायांवर प्रयोग केले आणि सुधारणा प्रत्यक्ष वापरातील प्रणालीत लागू केली. त्यामुळे ऐतिहासिक चाचणीचा वेळ सुमारे 3 तासांवरून सुमारे 3 ते 5 मिनिटांवर आला. यामुळे टोकनचा वापर आणि संदर्भातील अनावश्यक माहिती कमी झाली. त्यामुळे एजंटना उपलब्ध असलेल्या टोकनपैकी अधिक टोकन पुढील प्रयोगांसाठी वापरता आली.

थर्ड मोमेंट प्रत्येक एजंटला विशिष्ट कामासाठी आवश्यक साधने, माहिती आणि संगणकीय वातावरण देते. परिमाणात्मक संशोधनासाठी संघ डॉकरच्या कंटेनरमध्ये पूर्वनिर्धारित Codex हार्नेस चालवतो. एजंटना एक टेराबाइट डेटा, दस्तऐवजीकरण आणि संशोधनाची रिपॉझिटरी दिली जाते. या रिपॉझिटरीमध्ये वैशिष्ट्य अभियांत्रिकी, जीपीयू-सहाय्यित मॉडेल प्रशिक्षण, व्यवहाराची धोरणे आणि अनुकरण यांसाठी स्वतंत्र घटक असतात.

GPT‑6 Astra, GPT‑6 Sol आणि GPT‑6.1 Sol रीझनिंग पुरवतात, तर Codex हार्नेस एजंटना कृती करणे, योजना आखणे, उद्दिष्टे ठरवणे, उप-एजंट तयार करणे आणि काम पुढे जात असताना संदर्भ संक्षिप्त करणे यांसाठी साधने देतो.

काही एजंट काम पूर्ण करण्याआधीच थांबतात. यावर उपाय म्हणून थर्ड मोमेंट, GPT‑6 Sol किंवा GPT‑6.1 Solवर चालणाऱ्या बाह्य हार्नेसमध्ये Codexचा उप-एजंट म्हणून वापर करते. काम अपूर्ण राहिल्यास बाह्य हार्नेस घटनाक्रम तपासतो आणि पुन्हा प्रयत्न करायचा, काम थांबवायचे की मानवी पुनरावलोकनासाठी पाठवायचे हे ठरवतो.

या संशोधन वातावरणात एजंट, थर्ड मोमेंटच्या अभियंत्यांनी तयार केलेल्या आधारभूत व्यवहार प्रणालीत सुधारणा करण्याचे काम करतात. ते ऐतिहासिक डेटावर व्यवहाराची धोरणे तपासतात, दिसणारी सुधारणा अर्थपूर्ण आहे की केवळ यादृच्छिक चढ-उतारांचा परिणाम आहे हे ठरवतात आणि प्रत्येक निष्कर्षाच्या आधारे पुढचा प्रयोग निवडतात. ॲडम यांच्या मते, त्यांच्या कामामुळे आधारभूत व्यवहार प्रणालीत सुधारणा झाली आहे.

ॲडम सांगतात की, GPT‑5.5च्या आधी मॉडेल केवळ वापरकर्त्याने सांगितलेले प्रयोगच करू शकत होती. GPT‑5.5 आणि GPT‑5.6 आल्यावर, Codex हार्नेससह काम करणारी मॉडेल निष्कर्षांच्या आधारे पुढील प्रयोगांची आखणी करू लागली. आता GPT‑6 Astra, GPT‑6 Sol आणि GPT‑6.1 Solसह एजंट, उप-एजंटच्या मदतीने समांतर चालणाऱ्या शेकडो प्रयोगांतून मूळ कारणांचा शोध घेऊ शकतात.

या प्रगतीमुळे एजंटना संघाच्या अपेक्षेपलीकडच्या संशोधन दिशा शोधता आल्या आहेत. एका सत्रात, GPT‑6.1 Solने एका शेअर बाजारातील जाहीरपणे न दर्शवलेल्या व्यवहारांचा प्रभाव ओळखला. त्या बाजाराच्या एकूण व्यवहारसंख्येत अशा व्यवहारांचा वाटा अनपेक्षितपणे मोठा होता. “हा निष्कर्ष सहज लक्षात येण्यासारखा नव्हता. आमच्या संशोधन संघाने सुरुवातीला त्याचा विचारच केला नव्हता,” ॲडम सांगतात.

थर्ड मोमेंट कार्यक्षमता सुधारणे, यंत्र शिक्षण प्रणाली आणि परिमाणात्मक संशोधन या क्षेत्रांत मॉडेलचे मूल्यमापन करते. ती अत्याधुनिक मॉडेलच्या नव्या आवृत्त्या रीझनिंगच्या सर्वोच्च पातळीवर तपासते. रिपॉझिटरीतील आवश्यक गोष्टी शोधणे, कार्यक्षम कोड लिहिणे आणि संशोधन सुरू ठेवणे या त्यांच्या क्षमतांचे मूल्यमापन केले जाते. सध्याच्या चाचण्यांमध्ये GPT‑6 Lunaचाही समावेश आहे.

एका मानक चाचणीत एजंटना थेट गुणफलक दाखवणाऱ्या सेवेचे निष्पन्न बदलू न देता, ते अद्ययावत होण्यातील विलंब कमी करण्यास सांगितले जाते. अचूकता कायम असल्याची खात्री करून, संघ एकाच संगणकीय यंत्रणेवर तज्ज्ञाने तयार केलेल्या उपायाच्या सरासरी कार्यवाही वेळेला मॉडेलच्या उपायाच्या सरासरी कार्यवाही वेळेने भागतो. यातून वेग किती वाढला हे मोजले जाते. ॲडम यांच्या मते, GPT‑6 Astraने वेगात सर्वाधिक वाढ साधली.

अनुकरण प्रणालीतील विशिष्ट सुरक्षा उणिवा तपासण्यासारख्या नेमक्या कामांसाठी संघ GPT‑5.6 Terraसारखी अधिक कार्यक्षम मॉडेल वापरतो. डीप रिसर्चसाठी अधिक सक्षम रीझनिंगवर जास्त खर्च करणे योग्य ठरू शकते, असे ॲडम यांना वाटते: “परिमाणात्मक वित्त क्षेत्रात एखादा महत्त्वाचा संकेत सापडण्याचे मूल्य खूप मोठे असते.”

10,000 एजंट स्वायत्तपणे काम करत असल्यामुळे थर्ड मोमेंटला आपल्या संशोधनासाठीच्या संगणकीय वातावरणांची सुरक्षितता मोठ्या प्रमाणावर तपासण्याचा मार्ग आवश्यक आहे. अनुकरणे सुरू होण्यापूर्वी या चाचण्या स्वयंचलितपणे करण्यासाठी संघ डेब्रेक सायबरसुरक्षा व्यासपीठ वापरतो.

एखादा एजंट त्याच्या संशोधन वातावरणाच्या मर्यादा ओलांडून व्यापक संगणकीय जाळ्यात प्रवेश करू शकतो का, हे या चाचण्यांत तपासले जाते. “डेब्रेक वापरून आम्ही एजंटकडूनच अनुकरणावर घुसखोरीची चाचणी करून घेऊ शकतो आणि त्याच्या पायाभूत सुविधा व सुरक्षितता तपासू शकतो,” ॲडम सांगतात.

कंपन्या दररोज करत असलेल्या विशेष कौशल्याच्या कामांपर्यंत पोहोचण्याची थर्ड मोमेंटची महत्त्वाकांक्षा आहे. किरकोळ विक्रेत्यासाठी याचा अर्थ, साठा अपुरा असताना किंवा पुरवठादाराकडून विलंब होत असताना पुरवठा साखळीबाबत अधिक चांगले निर्णय घेणे असा असू शकतो. अभियांत्रिकी संघासाठी याचा अर्थ, मोठ्या कोडसंचात कार्यक्षमतेला अडथळा आणणाऱ्या गोष्टी शोधणे असा असू शकतो. मोठ्या प्रमाणावर दस्तऐवज हाताळणाऱ्या व्यवसायासाठी याचा अर्थ, एका दस्तऐवजात दिलेली आश्वासने दुसऱ्या दस्तऐवजात नोंदवलेल्या प्रत्यक्ष निष्पत्तीशी कुठे जुळत नाहीत हे शोधणे असा असू शकतो.

GPT‑6 Astra, GPT‑6 Sol आणि GPT‑6.1 Sol यांच्या रीझनिंग क्षमतांच्या आधारे, थर्ड मोमेंट स्वतंत्र संशोधन प्रयत्नांपासून एकत्र काम करणाऱ्या लाखो उप-एजंटपर्यंत विस्तार करण्याची योजना आखत आहे. कंपनीच्या आराखड्यानुसार, एकमेकांवर अवलंबून असलेल्या डझनावारी प्रयोगांच्या साखळ्यांसाठी लाखो कोटी टोकन वापरली जातील. नवीन आव्हाने उद्भवतील तशी या संशोधनाच्या आधारे एजंटमध्ये स्वायत्तपणे सुधारणा करणे हे उद्दिष्ट आहे.

ॲडम यांच्या मते, यामुळे एजंट कसे शिकतात आणि काम करतात याला दिशा देण्याची लोकांची क्षमता वाढेल: “माणसांना त्यांच्या प्रयत्नांतून कितीतरी अधिक परिणाम साधता येतील. स्वतः संशोधन करण्याऐवजी ते संशोधन कसे करावे आणि संशोधन प्रक्रिया कशी सुधारावी यावर विचार करू शकतील.”