Ironclad ਨਾਲ ਕੰਪਿਊਟਰ ਵਰਤੋਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ

ਜਦੋਂ ਅਸੀਂ GPT‑6 Astra ਪੇਸ਼ ਕੀਤਾ, ਤਾਂ ਅਸੀਂ ਦਿਖਾਇਆ ਕਿ ਪੇਸ਼ੇਵਰ ਕੰਮਾਂ ਲਈ ਕੰਪਿਊਟਰ ਵਰਤਣ ਵਿੱਚ ਸਾਡੇ ਮਾਡਲ ਕਿੰਨੀ ਤਰੱਕੀ ਕਰ ਚੁੱਕੇ ਹਨ—ਦਸਤਾਵੇਜ਼ ਤਿਆਰ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਵੈੱਬਸਾਈਟਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਤੱਕ. ਸਾਡਾ ਅਗਲਾ ਟੀਚਾ ਗੁੰਝਲਦਾਰ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਵਿੱਚ ਏਜੰਟਾਂ ਨੂੰ ਵਧੇਰੇ ਸਮਰੱਥ ਅਤੇ ਕੁਸ਼ਲ ਬਣਾਉਣਾ ਹੈ. ਅਸੀਂ ਖੋਜ ਕਰ ਰਹੇ ਹਾਂ ਕਿ ਮਾਡਲਾਂ ਨੂੰ ਕੰਪਨੀ ਦੇ ਕਾਰੋਬਾਰੀ ਨਿਯਮ ਸਮਝਣ, ਕਈ ਪੜਾਵਾਂ ਵਾਲੀਆਂ ਕਾਰਜ-ਪ੍ਰਕਿਰਿਆਵਾਂ ਪੂਰੀਆਂ ਕਰਨ ਅਤੇ ਇਹ ਤਸਦੀਕ ਕਰਨ ਦੀ ਸਿਖਲਾਈ ਕਿਵੇਂ ਦਿੱਤੀ ਜਾਵੇ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਮੂਲ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ.

ਇਸ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਅਸੀਂ ਕੁਝ ਚੋਣਵੀਆਂ ਸਾਫ਼ਟਵੇਅਰ ਕੰਪਨੀਆਂ ਨਾਲ ਸਿੱਧੀ ਭਾਈਵਾਲੀ ਕਰ ਰਹੇ ਹਾਂ ਜੋ ਇਨ੍ਹਾਂ ਕਾਰਜ-ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਭ ਤੋਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਦੀਆਂ ਹਨ. ਮਿਲ ਕੇ ਅਸੀਂ ਚੁਣੌਤੀਪੂਰਨ ਅਤੇ ਵੱਡਾ ਲਾਭ ਦੇਣ ਵਾਲੇ ਕਾਰਜ ਪਛਾਣ ਰਹੇ ਹਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਤੇ ਮੁਲਾਂਕਣ ਲਈ ਖੋਜ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਬਦਲ ਰਹੇ ਹਾਂ. ਇਸ ਦਾ ਅੰਤਮ ਮਕਸਦ ਅਸਲ ਕਾਰੋਬਾਰੀ ਵਰਤੋਂ ਵਿੱਚ ਸਾਡੇ ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਸਮਰੱਥ ਅਤੇ ਲਾਭਦਾਇਕ ਬਣਾਉਣਾ ਹੈ.

ਸਾਡਾ ਪਹਿਲਾ ਭਾਈਵਾਲ Ironclad ਹੈ, ਜੋ ਏਆਈ ਰਾਹੀਂ ਇਕਰਾਰਨਾਮਿਆਂ ਦੇ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਮੋਹਰੀ ਹੈ. Ironclad ਦੀ ਟੀਮ ਨਾਲ ਨੇੜਿਓਂ ਕੰਮ ਕਰਕੇ ਅਸੀਂ ਅਜਿਹੇ ਕਾਰਜ ਵਿਕਸਿਤ ਕੀਤੇ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਏਜੰਟਾਂ ਨੂੰ ਸਮਝੌਤੇ, ਮਨਜ਼ੂਰੀਆਂ ਅਤੇ ਮੁੜ ਵਰਤੀਆਂ ਜਾ ਸਕਣ ਵਾਲੀਆਂ ਕਾਨੂੰਨੀ ਸ਼ਰਤਾਂ ਸੰਰਚਿਤ ਕਰਨੀਆਂ ਪੈਂਦੀਆਂ ਹਨ. ਅਸੀਂ ਇਨ੍ਹਾਂ ਗੁੰਝਲਦਾਰ ਕਾਰਜ-ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਤਰੱਕੀ ਵੀ ਦਿਖਾਈ ਹੈ. ਸਫਲਤਾ ਦੇ ਮਾਪਦੰਡ ਤੈਅ ਕਰਨ ਅਤੇ ਗਾਹਕਾਂ ਦੀਆਂ ਅਸਲ ਲੋੜਾਂ ਨੂੰ ਸਿੱਧੇ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਲਈ Ironclad ਦੀ ਮੁਹਾਰਤ ਨੇ ਅਹਿਮ ਭੂਮਿਕਾ ਨਿਭਾਈ ਹੈ. ਅਸੀਂ ਉਨ੍ਹਾਂ ਦੀ ਭਾਈਵਾਲੀ ਲਈ ਸ਼ੁਕਰਗੁਜ਼ਾਰ ਹਾਂ ਅਤੇ ਆਪਣੀਆਂ ਸਾਂਝੀਆਂ ਪ੍ਰਾਪਤੀਆਂ ਬਾਰੇ ਦੱਸਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਹਾਂ.

GPT‑6 Astra ਸਾਡਾ ਪਹਿਲਾ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲ ਹੈ ਜਿਸ ਨੂੰ Ironclad ਦੇ ਕਾਰਜਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ. ਸਾਡੇ ਖੋਜ ਮੁਲਾਂਕਣ ਵਿੱਚ ਇਸ ਦਾ ਔਸਤ ਸਕੋਰ GPT‑5.6 Sol ਨਾਲੋਂ 32% ਵੱਧ ਸੀ, ਜਦਕਿ ਹਰੇਕ ਕੋਸ਼ਿਸ਼ ਦਾ ਅੰਦਾਜ਼ਨ ਸਮਾਂ 48% ਘੱਟ ਸੀ.¹

ਇੱਕ ਕਾਨੂੰਨੀ ਕਾਰਜ ਸੰਚਾਲਨ ਟੀਮ ਦੀ ਮਿਸਾਲ ਲਓ ਜੋ ਸਾਫ਼ਟਵੇਅਰ ਖਰੀਦਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਤਿਆਰ ਕਰ ਰਹੀ ਹੈ. ਇੱਕ ਨਿਰਧਾਰਤ ਰਕਮ ਤੋਂ ਵੱਧ ਦੀ ਖਰੀਦ ਲਈ ਵਿੱਤ ਵਿਭਾਗ ਦੀ ਮਨਜ਼ੂਰੀ, ਕੁਝ ਬੇਨਤੀਆਂ ਲਈ ਸੁਰੱਖਿਆ ਵਿਭਾਗ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਗ਼ੈਰ-ਮਿਆਰੀ ਸ਼ਰਤਾਂ ਲਈ ਕਾਨੂੰਨੀ ਵਿਭਾਗ ਦੀ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ. ਪ੍ਰਕਿਰਿਆ ਤਿਆਰ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀ ਨੂੰ ਇਸ ਛੋਟੀ ਜਿਹੀ ਸੂਚੀ ਦੇ ਆਧਾਰ 'ਤੇ ਬੇਨਤੀ ਦਰਜ ਕਰਨ ਦਾ ਫਾਰਮ, ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਨਮੂਨੇ, ਮਨਜ਼ੂਰੀ ਦੇ ਨਿਯਮ ਅਤੇ ਅੰਤਮ ਸਮਝੌਤੇ ਦਾ ਰਿਕਾਰਡ ਬਣਾਉਣਾ ਪੈਂਦਾ ਹੈ.

ਇਹੀ ਕੰਮ ਕਰ ਰਹੇ ਏਆਈ ਏਜੰਟ ਨੂੰ ਸਾਫ਼ਟਵੇਅਰ ਵਿੱਚ ਅੱਗੇ ਵਧਦਿਆਂ ਇਨ੍ਹਾਂ ਲੋੜਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਪੈਂਦਾ ਹੈ. ਮਿਸਾਲ ਵਜੋਂ, ਉਸ ਨੂੰ ਖਰਚੇ ਦੀ ਸੀਮਾ ਤੋਂ ਉੱਪਰ ਵਿੱਤ ਵਿਭਾਗ ਦੀ ਮਨਜ਼ੂਰੀ ਲਾਜ਼ਮੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਜਾਂਚਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਸੀਮਾ ਤੋਂ ਉੱਪਰ ਅਤੇ ਹੇਠਾਂ ਦੀਆਂ ਬੇਨਤੀਆਂ ਸਹੀ ਰਾਹਾਂ ਰਾਹੀਂ ਅੱਗੇ ਵਧਣ. ਹਰ ਪੜਾਅ ਨੂੰ ਸਹੀ ਕਰਨਾ ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ: ਤਿਆਰ ਹੋਈ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਉਨ੍ਹਾਂ ਸਾਰੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਲਈ ਇਸ ਨੂੰ ਬਣਾਇਆ ਗਿਆ ਸੀ.

Ironclad ਦੇ ਕਰਮਚਾਰੀਆਂ ਅਤੇ OpenAI ਵਿੱਚ Ironclad ਵਰਤਣ ਵਾਲੇ ਲੋਕਾਂ ਨੇ ਸਾਡੇ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਕਾਨੂੰਨੀ, ਵਪਾਰਕ ਅਤੇ ਖਰੀਦ ਸਬੰਧੀ ਕੰਮਾਂ ਵਿੱਚੋਂ 11 ਕਾਰਜ ਪਛਾਣਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ. ਇਨ੍ਹਾਂ ਵਿੱਚ ਗੁਪਤਤਾ ਸਮਝੌਤੇ ਤਿਆਰ ਕਰਨਾ, ਖਰੀਦ ਲਈ ਮਨਜ਼ੂਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਬਣਾਉਣਾ ਅਤੇ ਮੁੜ ਵਰਤੀ ਜਾ ਸਕਣ ਵਾਲੀ ਕਾਨੂੰਨੀ ਧਾਰਾ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਅੱਪਡੇਟ ਕਰਨਾ ਸ਼ਾਮਲ ਸੀ ਕਿ ਉਹ ਬੇਨਤੀਕਰਤਾ ਵੱਲੋਂ ਚੁਣੇ ਅਧਿਕਾਰ-ਖੇਤਰ ਮੁਤਾਬਕ ਹੋਵੇ. ਸਾਡੇ ਅੰਦਾਜ਼ੇ ਮੁਤਾਬਕ ਇੱਕ ਤਜਰਬੇਕਾਰ ਵਰਤੋਂਕਾਰ ਨੂੰ ਇਹ ਕੰਮ ਕਰਨ ਲਈ ਔਸਤਨ ਪ੍ਰਤੀ ਕਾਰਜ ਲਗਭਗ 30 ਤੋਂ 40 ਮਿੰਟ ਲੱਗਣਗੇ.

ਅਸੀਂ ਹਰੇਕ ਕਾਰਜ ਦੀ ਗੁੰਝਲਤਾ ਦੇ ਆਧਾਰ 'ਤੇ 8 ਤੋਂ 50 ਮਾਪਦੰਡਾਂ ਅਨੁਸਾਰ ਉਸ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ. ਇਸ ਨਾਲ ਅਸੀਂ ਦੇਖ ਸਕੇ ਕਿ ਮਾਡਲ ਨੇ ਕਿਹੜੇ ਹਿੱਸੇ ਸਹੀ ਕੀਤੇ ਅਤੇ ਕਿੱਥੇ ਕਮੀ ਰਹਿ ਗਈ. Ironclad ਨੇ ਆਪਣੇ ਉਤਪਾਦ ਦੇ ਹੋਸਟ ਕੀਤੇ ਸਾਫ਼ਟਵੇਅਰ ਵਾਤਾਵਰਨ ਵੀ ਮੁਹੱਈਆ ਕਰਵਾਏ, ਜਿੱਥੇ ਮਾਡਲ ਇਨ੍ਹਾਂ ਕਾਰਜਾਂ ਦਾ ਅਭਿਆਸ ਕਰ ਸਕਦੇ ਸਨ. ਸਾਡੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪ੍ਰਤੀਨਿਧ ਕਾਰਜ-ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਬਣਾਵਟੀ ਸਿਖਲਾਈ ਕਾਰਜ² ਵਿਕਸਿਤ ਕੀਤੇ ਅਤੇ ਅਭਿਆਸ ਤੇ ਫੀਡਬੈਕ ਰਾਹੀਂ ਮਾਡਲਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕੀਤੀ. ਕੰਮ ਨੂੰ ਜਾਣਨ ਵਾਲੇ ਲੋਕਾਂ ਨਾਲ ਮਿਲ ਕੇ ਚੁਣੇ ਕਾਰਜ, ਵਿਸਥਾਰਪੂਰਵਕ ਮਾਪਦੰਡ ਅਤੇ ਮਾਡਲਾਂ ਲਈ ਅਭਿਆਸ ਦੀ ਥਾਂ—ਇਹ ਸੁਮੇਲ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਅਸੀਂ ਅਸਲ ਕੰਮਕਾਜ ਦੇ ਉਨ੍ਹਾਂ ਕਾਰਜਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਰਹੇ ਹਾਂ ਜੋ ਸਾਡੇ ਗਾਹਕਾਂ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਨ.

ਅਸੀਂ Astra ਲਈ Max ਰੀਜ਼ਨਿੰਗ ਅਤੇ Sol ਲਈ ਹਾਈ ਰੀਜ਼ਨਿੰਗ ਵਰਤ ਕੇ Astra ਅਤੇ GPT‑5.6 Sol ਦੀ ਤੁਲਨਾ ਕੀਤੀ. ਇਨ੍ਹਾਂ ਸੈਟਿੰਗਾਂ 'ਤੇ ਹਰੇਕ ਮਾਡਲ ਨੇ ਆਪਣਾ ਸਭ ਤੋਂ ਉੱਚਾ ਸਕੋਰ ਹਾਸਲ ਕੀਤਾ ਸੀ. 11 ਖੋਜ ਕਾਰਜਾਂ ਵਿੱਚ Astra ਦਾ ਔਸਤ ਸਕੋਰ 55.0% ਸੀ, ਜਦਕਿ GPT‑5.6 Sol ਦਾ 41.6% ਸੀ. ਹਰੇਕ ਕੋਸ਼ਿਸ਼ ਦਾ ਅੰਦਾਜ਼ਨ ਔਸਤ ਸਮਾਂ Sol ਦੇ 37.0 ਮਿੰਟਾਂ ਤੋਂ ਘਟ ਕੇ Astra ਲਈ 19.2 ਮਿੰਟ ਰਹਿ ਗਿਆ.³ Astra ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਵਰਤੇ ਗਏ ਇੱਕ ਅੰਦਰੂਨੀ ਮਾਡਲ ਨੇ ਇਨ੍ਹਾਂ ਕਾਰਜਾਂ ਵਿੱਚ ਹੋਰ ਵੀ ਬਿਹਤਰ 63.7% ਸਕੋਰ ਹਾਸਲ ਕੀਤਾ. ਸਾਡਾ ਟੀਚਾ ਇਨ੍ਹਾਂ ਵਾਧੂ ਸੁਧਾਰਾਂ ਨੂੰ ਭਵਿੱਖ ਦੇ ਮਾਡਲਾਂ ਵਿੱਚ ਲਿਆਉਣਾ ਹੈ.

Astra ਨੇ ਹਰੇਕ ਕੋਸ਼ਿਸ਼ ਲਈ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਘੱਟ ਸਮਾਂ ਲੈਂਦਿਆਂ ਕਾਰਜ ਦੀਆਂ ਵਧੇਰੇ ਲੋੜਾਂ ਪੂਰੀਆਂ ਕੀਤੀਆਂ. ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਦੋ ਵੀਡੀਓ ਝਲਕਾਂ ਦਿਖਾਉਂਦੀਆਂ ਹਨ ਕਿ ਮਾਡਲਾਂ ਨੇ ਇੱਕੋ ਖੋਜ ਕਾਰਜ ਨੂੰ ਕਿਵੇਂ ਪੂਰਾ ਕੀਤਾ. Astra (ਪਹਿਲੀ ਝਲਕ) ਨੇ ਅੰਦਾਜ਼ਨ 20 ਮਿੰਟਾਂ ਵਿੱਚ ਕਾਰਜ ਦੇ ਲਗਭਗ 94% ਮਾਪਦੰਡ ਪੂਰੇ ਕੀਤੇ; GPT‑5.6 Sol (ਦੂਜੀ ਝਲਕ) ਨੇ ਅੰਦਾਜ਼ਨ 32 ਮਿੰਟਾਂ ਵਿੱਚ ਲਗਭਗ 85% ਪੂਰੇ ਕੀਤੇ.

ਇਸ ਕੰਮ ਵਿੱਚ Ironclad ਦੀ ਭੂਮਿਕਾ ਇੱਕ ਅਜਿਹੀ ਚੁਣੌਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜਿਸ ਨੂੰ ਇਸ ਦੇ ਗਾਹਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਜਾਣਦੇ ਹਨ: ਇਕਰਾਰਨਾਮਾ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਅਪਵਾਦਾਂ ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਨਾਲ-ਨਾਲ ਉਨ੍ਹਾਂ ਨਿਯਮਾਂ ਨੂੰ ਵੀ ਬਰਕਰਾਰ ਰੱਖਣਾ ਪੈਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ 'ਤੇ ਕਾਰੋਬਾਰ ਨਿਰਭਰ ਕਰਦਾ ਹੈ. ਜੇ ਕੋਈ ਏਜੰਟ ਕਾਰਜ ਦੇ ਵਿਚਕਾਰ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਨਿਯਮ ਨੂੰ ਭੁੱਲ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਸਾਫ਼ਟਵੇਅਰ ਕੰਪਨੀ ਦਾ ਉਸ ਤੋਂ ਭਰੋਸੇ ਨਾਲ ਕੰਮ ਕਰਵਾਉਣ ਦਾ ਦਾਇਰਾ ਸੀਮਤ ਹੋ ਜਾਂਦਾ ਹੈ. ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਕਰਾਰਨਾਮਿਆਂ ਦੇ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਵਿੱਚ ਏਜੰਟਾਂ ਦੇ ਬਿਹਤਰ ਹੋਣ ਦੇ ਬਾਵਜੂਦ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ ਅਤੇ ਇਕਰਾਰਨਾਮਿਆਂ ਲਈ ਇੱਕ ਪੂਰਾ ਮੰਚ ਅਜੇ ਵੀ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ. ਸਾਡੇ ਖੋਜਕਰਤਾਵਾਂ ਨਾਲ ਕੰਮ ਕਰਕੇ Ironclad ਇਨ੍ਹਾਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਆਧਾਰਭੂਤ ਮਾਡਲ ਦੇ ਵਿਕਾਸ ਦਾ ਹਿੱਸਾ ਬਣਾ ਸਕਦਾ ਹੈ, ਜਿੱਥੇ ਅਸੀਂ ਮਿਲ ਕੇ ਇਨ੍ਹਾਂ ਦਾ ਅਧਿਐਨ ਕਰ ਸਕਦੇ ਹਾਂ.

ਜਿਵੇਂ-ਜਿਵੇਂ ਮਾਡਲ ਹੋਰ ਸਮਰੱਥ ਹੁੰਦੇ ਹਨ, Ironclad ਕੋਲ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਹੋਰ ਉਤਪਾਦਾਂ ਵਿੱਚ ਵਰਤਣ ਦਾ ਮੌਕਾ ਹੈ. ਕਾਨੂੰਨੀ ਅਤੇ ਕਾਰੋਬਾਰੀ ਟੀਮਾਂ ਲਈ ਇਸ ਦਾ ਮਤਲਬ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਏਆਈ ਇਕਰਾਰਨਾਮਿਆਂ ਦੇ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਵਿੱਚ ਵਧੇਰੇ ਮਿਹਨਤ ਆਪਣੇ ਸਿਰ ਲਵੇ, ਪਰ ਉਨ੍ਹਾਂ ਨਿਯੰਤਰਣਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖੇ ਜਿਨ੍ਹਾਂ 'ਤੇ ਇਹ ਟੀਮਾਂ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ.

ਅਸੀਂ ਕੁਝ ਚੋਣਵੀਆਂ ਸਾਫ਼ਟਵੇਅਰ ਕੰਪਨੀਆਂ ਨੂੰ ਸਾਡੀਆਂ ਖੋਜ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮਾਂ ਨਾਲ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਮਹੱਤਵਪੂਰਨ ਪੇਸ਼ੇਵਰ ਕਾਰਜਾਂ ਉੱਤੇ ਕੰਮ ਕਰਨ ਲਈ ਸੱਦਾ ਦੇ ਰਹੇ ਹਾਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅੱਜ ਦੇ ਏਜੰਟ ਅਜੇ ਵੀ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਪੂਰਾ ਨਹੀਂ ਕਰ ਸਕਦੇ. ਜੇ ਤੁਹਾਡੀ ਟੀਮ ਕੋਲ ਅਜਿਹਾ ਕੋਈ ਕਾਰਜ ਹੈ, ਤਾਂ ਅਸੀਂ ਇੱਕ ਠੋਸ ਮਿਸਾਲ ਦੇਖਣਾ ਚਾਹਾਂਗੇ: ਤੁਸੀਂ ਏਜੰਟ ਤੋਂ ਕੀ ਕਰਵਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਉਹ ਕਿੱਥੇ ਅਸਫਲ ਹੁੰਦਾ ਹੈ ਇਸ ਦਾ ਸਬੂਤ, ਅਤੇ ਤੁਸੀਂ ਸਫਲ ਨਤੀਜੇ ਦਾ ਮੁਲਾਂਕਣ ਕਿਵੇਂ ਕਰੋਗੇ. ਭਾਈਵਾਲਾਂ ਕੋਲ ਕੰਮ ਦੀ ਡੂੰਘੀ ਸਮਝ ਰੱਖਣ ਵਾਲੇ ਲੋਕ, ਜਾਂਚ ਲਈ ਸੁਰੱਖਿਅਤ ਵਾਤਾਵਰਨ ਅਤੇ ਖੋਜ ਲਈ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਵਰਤਿਆ ਜਾ ਸਕਣ ਵਾਲਾ ਡਾਟਾ ਮੁਹੱਈਆ ਕਰਵਾਉਣ ਦੀ ਸਮਰੱਥਾ ਵੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ. ਇਸ ਨਾਲ ਸਾਨੂੰ ਅਸਫਲਤਾ ਦੀ ਪੜਤਾਲ ਕਰਨ ਅਤੇ ਇਹ ਮਾਪਣ ਲਈ ਸ਼ੁਰੂਆਤੀ ਆਧਾਰ ਮਿਲਦਾ ਹੈ ਕਿ ਮਾਡਲ ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਰਿਹਾ ਹੈ ਜਾਂ ਨਹੀਂ.

ਜੇ ਤੁਹਾਡੀ ਟੀਮ ਇਨ੍ਹਾਂ ਸ਼ਰਤਾਂ 'ਤੇ ਖਰੀ ਉਤਰਦੀ ਹੈ, ਤਾਂ ਖੋਜ ਸਹਿਯੋਗ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਤਲਾਸ਼ਣ ਲਈ ਅਰਜ਼ੀ ਦਿਓ.