Terminal X နှင့် GPT‑6.1: ဝါရင့်အကဲဖြတ်မှုနှင့် 88.6% တူညီ

ရင်းနှီးမြှုပ်နှံမှုကုမ္ပဏီတစ်ခု၏ ယှဉ်ပြိုင်နိုင်စွမ်းသည် အရောင်းအဝယ်တစ်ခုပြီးတစ်ခုမှ တည်ဆောက်လာရသော်လည်း ဆုံးဖြတ်ချက်တစ်ခုစီ၏ နောက်ကွယ်မှ အကဲဖြတ်ပုံများကို ဝါရင့်ရင်းနှီးမြှုပ်နှံသူ အနည်းငယ်ကသာ သိထားလေ့ရှိသည်။ ထိုသူများ ထွက်ခွာသွားသည့်အခါ ကုမ္ပဏီသည် Terminal X⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) က မှတ်ဉာဏ်ကြွေးမြီဟု ခေါ်ဆိုသည့် ပြဿနာကို ရင်ဆိုင်ရသည်။ စာရွက်စာတမ်းများ ကျန်ရှိနေနိုင်သော်လည်း ဆုံးဖြတ်ချက်များ၏ နောက်ကွယ်မှ စဉ်းစားပုံများ ပျောက်ဆုံးသွားသည်။

Terminal X ၏ Capital Memory လုပ်ငန်းလည်ပတ်မှုစနစ်ကို ထိုကြွေးမြီ လျော့ပါးစေရန် ရည်ရွယ်တည်ဆောက်ထားသည်။ ကုမ္ပဏီ၏ ဖောက်သည်ထံ သွားရောက်လုပ်ကိုင်သည့် အင်ဂျင်နီယာများသည် JPMorgan နှင့် Blackstone တို့တွင် ဘဏ္ဍာရေးနှင့် ရင်းနှီးမြှုပ်နှံမှု ကျွမ်းကျင်ပညာရှင်များအဖြစ် လုပ်ကိုင်ခဲ့သူများ ဖြစ်သည်။ ၎င်းတို့က ဖောက်သည်တစ်ဦးစီ၏ ရင်းနှီးမြှုပ်နှံမှုအဖွဲ့များနှင့် အတူလုပ်ကိုင်ကာ အေးဂျင့်စနစ်ဖွဲ့စည်းပုံကို ဒီဇိုင်းဆွဲပေးပြီး ကုမ္ပဏီ၏ ရင်းနှီးမြှုပ်နှံပုံကို ကုမ္ပဏီပိုင် အေးဂျင့်များထဲတွင် ထည့်သွင်းပေးသည်။ ထိုအေးဂျင့်များကို ကုမ္ပဏီတွင်း စနစ်များ သို့မဟုတ် ကိုယ်ပိုင် cloud ပေါ်တွင် အသုံးပြုနိုင်သည်။

GPT‑6.1 Sol နှင့် GPT‑6 Luna အပါအဝင် OpenAI မော်ဒယ်များက ထိုအေးဂျင့်များအတွင်း ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ငန်းများကို ဆောင်ရွက်သည်။ ထို့နောက် Terminal X ၏ Eval Agent က အေးဂျင့်များ၏ ရလဒ်များကို ကုမ္ပဏီ၏ စံနှုန်းများနှင့် တိုက်ဆိုင်စစ်ဆေးကာ အမှတ်ပေးသည်။ GPT‑6.1 Sol က Eval Agent အား ရန်ပုံငွေ၏ ရင်းနှီးမြှုပ်နှံမှုဘောင်မှ လွဲချော်သည့် အကြံပြုချက်များကို 25% ခန့် ပိုမိုဖော်ထုတ်နိုင်စေခဲ့သည်။ ထို့အပြင် တူညီသော လုပ်ငန်းစဉ်များကို ဆောင်ရွက်ရာတွင် ဒုတိယအကောင်းဆုံး မော်ဒယ်ထက် မေးမြန်းမှုတစ်ကြိမ်လျှင် ကုန်ကျစရိတ် 30% ခန့် ပိုနည်းခဲ့သည်။

ဖောက်သည်တစ်ဦးစီအတွက် Terminal X သည် ထိုကုမ္ပဏီ၏ အတော်ဆုံး ရင်းနှီးမြှုပ်နှံသူများကဲ့သို့ ရင်းနှီးမြှုပ်နှံနိုင်ရန် ဒီဇိုင်းဆွဲထားသော အေးဂျင့်များကို တည်ဆောက်ပေးသည်။ Terminal X အင်ဂျင်နီယာများသည် ဖောက်သည်၏ လုပ်ငန်းခွင်တွင် ရက်သတ္တပတ်များစွာ အတူလုပ်ကိုင်ပြီး ကုမ္ပဏီက ယုံကြည်အားထားသော သုံးသပ်ချက်များကို နောက်ကြောင်းပြန်လေ့လာကာ ရေးမှတ်မထားဖူးသော လုပ်ငန်းစဉ်များကို ဖော်ထုတ်မှတ်တမ်းတင်သည်။ ဥပမာ ချေးငွေဌာနက ငွေချေးယူသူကို မည်သို့ စိစစ်သည်၊ ပူးတွဲရင်းနှီးမြှုပ်နှံမှုအဖွဲ့က သုံးသပ်ချက်မရေးမီ မည်သည့်ရင်းမြစ်များကို ရယူသည် စသည်တို့ ဖြစ်သည်။

ထို့နောက် ထိုလုပ်ငန်းစဉ်များကို ပိုင်ဆိုင်မှုအမျိုးအစားနှင့် မဟာဗျူဟာအလိုက် စိတ်ကြိုက်ပြင်ဆင်ထားသော အေးဂျင့် ရာပေါင်းများစွာအတွင်း ထည့်သွင်းသည်။ ရင်းနှီးမြှုပ်နှံမှုအဆင့်တစ်ခုစီအတွက် အေးဂျင့်ခွဲများလည်း ပါဝင်သည်။ GPT‑6.1 Sol သည် အကဲဖြတ်ဆုံးဖြတ်နိုင်စွမ်းနှင့် အလွန်ကြီးမားသော context window လိုအပ်သည့် အဆင့်များကို တာဝန်ယူသည်။ ၎င်းတို့မှာ ရင်းနှီးမြှုပ်နှံမှုအဆိုပြုချက်ကို စုစည်းဖော်ထုတ်ခြင်း၊ အဓိကစဉ်းစားရမည့် အချက်များကို ရှာဖွေခြင်းနှင့် ကုမ္ပဏီ၏ ရင်းနှီးမြှုပ်နှံမှုဘောင်နှင့် ကိုက်ညီမှုကို အကဲဖြတ်ခြင်းတို့ ဖြစ်သည်။ GPT‑6 Luna သည် နက်နက်ရှိုင်းရှိုင်း စဉ်းစားခြင်းထက် တိုကင်များကို ထိရောက်စွာ အသုံးပြုနိုင်မှုက ပိုအရေးကြီးသည့် ပမာဏများသော လုပ်ငန်းအဆင့်များကို ဆောင်ရွက်သည်။

အေးဂျင့်များသည် ကုမ္ပဏီတစ်ခုစီ၏ သီးသန့်ဒေတာခန်းအတွင်း အလုပ်လုပ်သည်။ ၎င်းသည် လုပ်ငန်းများက အရေးကြီးသော ရင်းနှီးမြှုပ်နှံမှုဒေတာများကို မျှဝေရန်နှင့် စီမံခန့်ခွဲရန် သီးသန့်သတ်မှတ်ထားသော နေရာဖြစ်သည်။ အေးဂျင့်များသည် အင်္ဂလိပ်၊ ကိုရီးယား၊ ဂျပန်နှင့် တရုတ်ဘာသာ စာရွက်စာတမ်းများကို လုပ်ဆောင်ပြီး လေ့လာရရှိသမျှကို ကုမ္ပဏီဆိုင်ရာ Memory မှတ်တမ်းအဖြစ် သိမ်းဆည်းသည်။ ၎င်းသည် ဌာနတစ်ခုက ဆုံးဖြတ်ချက်အမျိုးအစားတစ်ခုကို မည်သို့ချမှတ်သည်ဆိုသည့် မှတ်တမ်းဖြစ်ပြီး ပြင်ဆင်မှုဗားရှင်းများကို ထိန်းသိမ်းထားသည်။ ယခင်သုံးသပ်ချက်များ၊ ကော်မတီဆုံးဖြတ်ချက်များ၊ လုပ်ငန်းစဉ်ညွှန်ကြားချက်များနှင့် ကုမ္ပဏီ၏ ရင်းနှီးမြှုပ်နှံမှုအမြင်များ ပါဝင်သည်။

အင်ဂျင်နီယာများက Memory မှတ်တမ်းတစ်ခုစီကို Terminal X ပလက်ဖောင်းပေါ်တွင် ထပ်ခါတလဲလဲ အသုံးပြုနိုင်သော လုပ်ငန်းစဉ်အဖြစ် ပြောင်းလဲပေးသည်။ ထိုနေရာတွင် လက်တွေ့အသုံးပြုသော မေးမြန်းမှုတိုင်းကို ဆောင်ရွက်ခဲ့သော အဆင့်များ၊ ရယူခဲ့သော ရင်းမြစ်များ၊ အသုံးပြုခဲ့သော မော်ဒယ်နှင့် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော အဆင့်များအပါအဝင် မှတ်တမ်းအပြည့်အစုံဖြင့် နောက်ကြောင်းပြန် စစ်ဆေးနိုင်သည်။

Terminal X ၏ အဆိုအရ ဤနည်းလမ်းကြောင့် ဖောက်သည်များသည် ကုန်ကျစရိတ် သိသိသာသာ သက်သာလာကြသည်။ ပုဂ္ဂလိကအစုရှယ်ယာ ရင်းနှီးမြှုပ်နှံမှုကုမ္ပဏီတစ်ခုက ရင်းနှီးမြှုပ်နှံမှုအကြို အသေးစိတ်စိစစ်ခြင်းနှင့် သုံးသပ်ချက်ရေးသားခြင်း လုပ်ငန်းစဉ်များကို အလိုအလျောက် လုပ်ဆောင်ခြင်းဖြင့် တစ်နှစ်စာတွက်လျှင် ဒေါ်လာ 2.4 သန်း သက်သာခဲ့ကြောင်း အစီရင်ခံခဲ့သည်။

အေးဂျင့်များ၏ အဖြေများကို ကုမ္ပဏီ၏ ကိုယ်ပိုင်စံနှုန်းနှင့် တိုက်ဆိုင်စစ်ဆေးရန် Terminal X က Eval Agent ကို တည်ဆောက်ခဲ့သည်။ ၎င်းသည် GPT‑6.1 Sol နှင့် အခြား OpenAI မော်ဒယ်များပေါ်တွင် အဆင့်လိုက် ချိတ်ဆက်စီမံထားသော လုပ်ငန်းစဉ်တစ်ခု ဖြစ်သည်။ ဒုတိယဥက္ကဋ္ဌတစ်ဦးက သုတေသီ၏ အလုပ်ကို ဖတ်ရှုစစ်ဆေးသကဲ့သို့ အေးဂျင့်၏ ရလဒ်တိုင်းကို စစ်ဆေးရန် ဒီဇိုင်းဆွဲထားသည်။

Eval Agent က ရလဒ်တစ်ခုစီကို စံချက် 54 ချက်ပါ အမှတ်ပေးစနစ်ဖြင့် စစ်ဆေးသည်။ ကိန်းဂဏန်းများ၊ နှိုင်းယှဉ်တန်ဖိုးများ၊ သုတေသီများ၏ စုပေါင်းခန့်မှန်းကိန်းများနှင့် ကိုးကားချက်များကို မှန်ကန်သော ရင်းမြစ်များမှ ရယူထားသလားဟု စစ်ဆေးသည်။ တင်ပြထားသည့် အကြောင်းအရာက ခိုင်လုံမှုရှိသလား။ အကြံပြုချက်က ကုမ္ပဏီ၏ ရင်းနှီးမြှုပ်နှံမှုအမြင်နှင့် ကိုက်ညီသလား။

စစ်ဆေးချက်တစ်ခုစီကို အောင်မြင် သို့မဟုတ် မအောင်မြင်ဟု သတ်မှတ်သည်။ မအောင်မြင်သည့် အချက်တိုင်းတွင် အကြောင်းရင်းတစ်ကြောင်းနှင့် ပိုကောင်းသော ရင်းမြစ် သို့မဟုတ် ပြင်ဆင်ထားသော စာသား ပါဝင်ပြီး Memory မှတ်တမ်းတစ်ခု ဖြစ်လာသည်။ ဥပမာအားဖြင့် လွတ်သွားသော ရင်းမြစ်၊ မှားယွင်းသော နှိုင်းယှဉ်စရာ သို့မဟုတ် ကုမ္ပဏီ၏ ရင်းနှီးမြှုပ်နှံမှုအမြင်မှ လွဲချော်နေသော အဆိုပြုချက်ကို သက်ဆိုင်ရာဌာနအတွက် လုပ်ငန်းစဉ်ညွှန်ကြားချက်အသစ် သို့မဟုတ် စမ်းသပ်စစ်ဆေးရန် ဖြစ်ရပ်အသစ်အဖြစ် ထည့်သွင်းပေးသည်။

“အဖြေတိုင်းကို အကဲဖြတ်စစ်ဆေးပါတယ်။ သုတေသီက ပြင်ပေးသမျှဟာ အဲဒီကုမ္ပဏီ ဘယ်လိုအလုပ်လုပ်သလဲဆိုတာကို စနစ်က နည်းနည်းစီ ပိုသိလာစေပါတယ်” ဟု Terminal X ၏ ပူးတွဲတည်ထောင်သူနှင့် နည်းပညာအရာရှိချုပ် Ken Lee က ပြောသည်။ “ဒါကြောင့် ကုမ္ပဏီက ကြာကြာသုံးလေလေ၊ စနစ်က သူတို့ရဲ့ ကိုယ်ပိုင်အဖွဲ့လို ပိုစဉ်းစားတတ်လာလေလေပါပဲ။”

Terminal X သည် ၎င်း၏ ကိုယ်ပိုင်အကဲဖြတ်ရလဒ်များအပေါ် အခြေခံ၍ မော်ဒယ်များကို ရွေးချယ်သည်။ အမှတ်ပေးစစ်ဆေးခဲ့သည့် အကဲဖြတ်ချက် 500 တွင် GPT‑6.1 Sol ပေါ်ရှိ Eval Agent ၏ အကဲဖြတ်ချက်များသည် ဝါရင့်လူသားစစ်ဆေးသူနှင့် 88.6% ကိုက်ညီခဲ့သည်။ ဒုတိယအကောင်းဆုံး မော်ဒယ်၏ 86.4% နှင့် နှိုင်းယှဉ်ပါက အခြေခံပွိုင့် 220 ပိုကောင်းလာခြင်း ဖြစ်သည်။

GPT‑6.1 Sol က ပိုမိုကောင်းမွန်စွာ ဖော်ထုတ်နိုင်သော အမှားတစ်မျိုးမှာ ရင်းနှီးမြှုပ်နှံမှုပုံစံ လွဲချော်ခြင်း ဖြစ်သည်။ ဥပမာ ကုမ္ပဏီဝယ်ယူရေး ရန်ပုံငွေတစ်ခု၏ ရင်းနှီးမြှုပ်နှံမှုဘောင်မှာ အသားတင်ပိုင်ဆိုင်မှုတန်ဖိုး (NAV) အောက် ဈေးနှုန်းဖြင့် အရောင်းအဝယ်ဖြစ်နေသော အများပိုင်ကုမ္ပဏီများကို ပုဂ္ဂလိကပိုင်အဖြစ် ပြောင်းလဲဝယ်ယူရန် ရှာဖွေခြင်း၊ လုပ်ငန်း၏ အန္တရာယ်နှင့် အကျိုးအမြတ်ကို စိစစ်ခြင်း၊ ငွေကြေးထောက်ပံ့မှုပုံစံ စီစဉ်ခြင်းတို့ ဖြစ်သည်။ အခြေအနေအမျိုးမျိုးကို ခန့်မှန်းသည့် မော်ဒယ်များက ဈေးကွက်အလှည့်အပြောင်းကို ညွှန်ပြလာသည့်အခါ အရောင်းအဝယ်အဆိုပြုချက်များတွင် ပြန်ဆပ်ရန် အခက်အခဲရှိသော ကြွေးမြီ၌ ရင်းနှီးမြှုပ်နှံခြင်း သို့မဟုတ် အကျပ်အတည်းမှ ကယ်တင်ရန် ငွေကြေးထောက်ပံ့ခြင်းတို့ကို စတင်အကြံပြုလာသည်။ GPT‑6.1 Sol ပေါ်ရှိ Eval Agent သည် ထိုသို့ လွဲချော်မှုများကို ဒုတိယအကောင်းဆုံး မော်ဒယ်ထက် 25% ခန့် ပိုမိုဖော်ထုတ်နိုင်ခဲ့သည်။

ရှည်လျားသော နောက်ခံအချက်အလက်များနှင့် လုပ်ဆောင်ရာတွင် GPT‑6.1 Sol က တိုကင်များကို ထိရောက်စွာ အသုံးပြုနိုင်သောကြောင့် Terminal X သည် ဘတ်ဂျက်တူတူဖြင့် ပိုမိုနက်ရှိုင်းသော ပြန်လည်စစ်ဆေးရေး လုပ်ငန်းစဉ်ကို တည်ဆောက်နိုင်ခဲ့သည်။ ရင်းနှီးမြှုပ်နှံမှုအဆိုပြုချက်ကို ဦးစွာ ရန်ပုံငွေ၏ သတ်မှတ်ဘောင်နှင့် တိုက်ဆိုင်စစ်ဆေးပြီးနောက် ၎င်း၏ မကြာသေးမီက အရောင်းအဝယ်များနှင့် နှိုင်းယှဉ်စစ်ဆေးသည်။ မသေချာသော အကဲဖြတ်ချက်များကို ထပ်မံစစ်ဆေးပြီး အေးဂျင့်က ရလဒ်များကို ညှိနှိုင်းအတည်ပြုကာ အစီရင်ခံသည်။

ထိုသို့ ပိုမိုနက်ရှိုင်းစွာ စစ်ဆေးခြင်းကြောင့် အဆင့်တူ မော်ဒယ်တစ်ခုက တစ်ကြိမ်သာ စစ်ဆေး၍ ခွင့်ပြုပေးခဲ့သော အရောင်းအဝယ်များတွင် ပြဿနာများကို ဖော်ထုတ်နိုင်ခဲ့သည်။ GPT‑6.1 Sol သည် တူညီသော လုပ်ငန်းစဉ်များကို အလားတူအမြန်နှုန်းဖြင့် လုပ်ဆောင်ရာတွင်လည်း ဒုတိယအကောင်းဆုံး မော်ဒယ်ထက် မေးမြန်းမှုတစ်ကြိမ်လျှင် ကုန်ကျစရိတ် 30% ခန့် ပိုနည်းခဲ့သည်။

GPT‑6.1 Sol နှင့် GPT‑6 Luna ကို အသုံးပြု၍ Terminal X သည် ကုမ္ပဏီဆိုင်ရာ Memory မှတ်တမ်း 1,700 ကို တည်ဆောက်ခဲ့ပြီး စိတ်ကြိုက်လုပ်ငန်းစဉ် 1 သန်းကျော်ကို ဆောင်ရွက်ခဲ့သည်။ အပတ်စဉ် တက်ကြွစွာ အသုံးပြုသူအရေအတွက်သည် လစဉ် တက်ကြွစွာ အသုံးပြုသူ၏ 81% အထိ ရှိလာသည်။

Terminal X ၏ နောက်တစ်ဆင့်မှာ ကုမ္ပဏီဆိုင်ရာ Memory မှတ်တမ်းများကို ဌာနအဆင့်မှ လူတစ်ဦးချင်းအဆင့်သို့ ချဲ့ထွင်ရန် ဖြစ်သည်။ ထိုသို့ဖြင့် ရင်းနှီးမြှုပ်နှံမှု ကျွမ်းကျင်ပညာရှင်တစ်ဦးစီ၏ စံနှုန်းကို ပြောပြထားသည့်အတိုင်းသာမက လက်တွေ့ကျင့်သုံးနေသည့်အတိုင်းပါ မှတ်တမ်းတင်နိုင်မည် ဖြစ်သည်။

Terminal X ၏ ပူးတွဲတည်ထောင်သူနှင့် CEO ဖြစ်သူ Hyun အတွက် ရည်ရွယ်ချက်မှာ ထိုအချက်ပင် ဖြစ်သည်။ “လာမယ့် ဆယ်စုနှစ်မှာ အောင်မြင်မယ့် ကုမ္ပဏီတွေဟာ သူတို့ရဲ့ အကဲဖြတ်ဆုံးဖြတ်ပုံကို ဒေတာအဖြစ် ပိုင်ဆိုင်ထားကြမှာပါ။ ကျွန်တော်တို့ရဲ့ အလုပ်က အဲဒီအကဲဖြတ်ဆုံးဖြတ်ပုံကို တိုင်းတာလို့ရအောင် လုပ်ပေးဖို့ပါ။ ဒါမှ ထိန်းသိမ်းထားနိုင်မယ်၊ ပိုကောင်းအောင် လုပ်နိုင်မယ်၊ ပြန်သုံးနိုင်မယ်။”