Ironclad ਨਾਲ ਕੰਪਿਊਟਰ ਵਰਤੋਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ

ਜਦੋਂ ਅਸੀਂ GPT‑6 Astra ਪੇਸ਼ ਕੀਤਾ, ਤਾਂ ਅਸੀਂ ਦਿਖਾਇਆ ਕਿ ਪੇਸ਼ੇਵਰ ਕਾਰਜਾਂ 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 ਏਜੰਟਾਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ ਵਧੇਰੇ ਸਮਰੱਥ ਅਤੇ ਕੁਸ਼ਲ ਬਣਾਉਣਾ ਹੈ। ਅਸੀਂ ਇਸ ਗੱਲ ਦੀ ਪੜਚੋਲ ਕਰ ਰਹੇ ਹਾਂ ਕਿ ਮਾਡਲਾਂ ਨੂੰ ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਕਾਰੋਬਾਰੀ ਨਿਯਮਾਂ ਨੂੰ ਸਮਝਣ, ਕਈ ਪੜਾਵਾਂ ਵਾਲੇ ਵਰਕਫਲੋ ਚਲਾਉਣ, ਅਤੇ ਇਸ ਗੱਲ ਦੀ ਤਸਦੀਕ ਕਰਨ ਲਈ 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 ਵਰਕਫਲੋਜ਼ ਨੂੰ ਸਭ ਤੋਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਦੀਆਂ ਹਨ। ਇਕੱਠੇ ਮਿਲ ਕੇ ਅਸੀਂ ਚੁਣੌਤੀਪੂਰਨ ਅਤੇ ਉੱਚ-ਮੁੱਲ ਵਾਲੇ ਕਾਰਜਾਂ ਦੀ ਪਛਾਣ ਕਰ ਰਹੇ ਹਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਅਤੇ ਮੁਲਾਂਕਣ ਲਈ ਖੋਜ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਬਦਲ ਰਹੇ ਹਾਂ, ਜਿਸ ਨਾਲ ਆਖਿਰਕਾਰ ਸਾਡੇ ਮਾਡਲ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਕਾਰੋਬਾਰੀ ਉਪਯੋਗਾਂ ਵਿੱਚ ਵਧੇਰੇ ਸਮਰੱਥ ਅਤੇ ਉਪਯੋਗੀ ਬਣਦੇ ਹਨ।

ਸਾਡਾ ਪਹਿਲਾ ਭਾਈਵਾਲ Ironclad ਹੈ, ਜੋ AI 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 ਨੂੰ ਸੈੱਟਅੱਪ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਅਸੀਂ ਇਨ੍ਹਾਂ ਗੁੰਝਲਦਾਰ ਵਰਕਫਲੋਜ਼ 'ਤੇ ਤਰੱਕੀ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਹੈ। ਇਹ ਤੈਅ ਕਰਨ ਵਿੱਚ ਕਿ ਸਫਲਤਾ ਕਿਹੋ ਜਿਹੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਗਾਹਕਾਂ ਦੀਆਂ ਅਸਲ ਲੋੜਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲ ਵਿਕਾਸ ਵਿੱਚ ਲਿਆਉਣ ਵਿੱਚ Ironclad ਦੀ ਮੁਹਾਰਤ ਨੇ ਅਹਿਮ ਭੂਮਿਕਾ ਨਿਭਾਈ ਹੈ। ਅਸੀਂ ਉਨ੍ਹਾਂ ਦੀ ਭਾਈਵਾਲੀ ਲਈ ਸ਼ੁਕਰਗੁਜ਼ਾਰ ਹਾਂ ਅਤੇ ਰਲ ਕੇ ਜੋ ਕੁਝ ਅਸੀਂ ਹਾਸਲ ਕੀਤਾ ਹੈ, ਉਸ ਨੂੰ ਸਾਂਝਾ ਕਰਨ 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% ਹਾਈ 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। ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸੈੱਟਅੱਪ 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 ਤਿਆਰ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।

ਇਹੀ ਕੰਮ ਕਰ ਰਹੇ AI ਏਜੰਟ ਨੂੰ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਇਨ੍ਹਾਂ ਲੋੜਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਪੈਂਦਾ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਇਸ ਨੂੰ ਖਰਚੇ ਦੀ ਤੈਅ ਸੀਮਾ ਤੋਂ ਵੱਧ ਦੀ ਰਕਮ ਲਈ ਵਿੱਤ ਵਿਭਾਗ ਦੀ ਮਨਜ਼ੂਰੀ ਲਾਜ਼ਮੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਇਹ ਜਾਂਚ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਇਸ ਸੀਮਾ ਤੋਂ ਉੱਪਰ ਅਤੇ ਹੇਠਾਂ ਦੀਆਂ ਬੇਨਤੀਆਂ ਸਹੀ ਰਸਤੇ 'ਤੇ ਜਾਂਦੀਆਂ ਹਨ। ਹਰ ਪੜਾਅ ਨੂੰ ਸਹੀ ਕਰਨਾ ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ: ਤਿਆਰ ਕੀਤੀ ਗਈ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਉਨ੍ਹਾਂ ਸਾਰੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਲਈ ਇਸ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਸੀ।

Ironclad ਦੇ ਕਰਮਚਾਰੀਆਂ ਅਤੇ OpenAI ਵਿੱਚ Ironclad ਵਰਤਣ ਵਾਲੇ ਲੋਕਾਂ ਨੇ ਸਾਡੇ ਖੋਜਕਾਰਾਂ ਨੂੰ ਕਾਨੂੰਨੀ, ਵਪਾਰਕ ਅਤੇ ਖਰੀਦ ਸਬੰਧੀ ਕੰਮਾਂ ਵਿੱਚੋਂ 11 ਕਾਰਜਾਂ ਦੀ ਪਛਾਣ ਕਰਨ 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 ਇਹ ਬੇਨਤੀਕਰਤਾ ਵੱਲੋਂ ਚੁਣੇ ਗਏ ਅਧਿਕਾਰ-ਖੇਤਰ ਨੂੰ ਦਰਸਾ ਸਕੇ। ਸਾਡੇ ਅੰਦਾਜ਼ੇ ਮੁਤਾਬਕ ਇੱਕ ਤਜਰਬੇਕਾਰ ਵਰਤੋਂਕਾਰ ਨੂੰ ਔਸਤਨ ਪ੍ਰਤੀ ਕਾਰਜ ਇਹ ਕੰਮ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਲਗਭਗ 30 ਤੋਂ 40 ਮਿੰਟ ਲੱਗਣਗੇ।

ਅਸੀਂ ਹਰੇਕ ਕਾਰਜ ਦੀ ਗੁੰਝਲਤਾ ਦੇ ਆਧਾਰ 'ਤੇ ਉਸਦਾ 8 ਤੋਂ 50 ਮਾਪਦੰਡਾਂ 'ਤੇ 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 ਇਨਵਾਇਰਨਮੈਂਟ ਵੀ ਮੁਹੱਈਆ ਕਰਵਾਏ, ਜਿੱਥੇ ਮਾਡਲ ਇਨ੍ਹਾਂ ਕਾਰਜਾਂ ਦਾ ਅਭਿਆਸ ਕਰ ਸਕਦੇ ਸਨ। ਸਾਡੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪ੍ਰਤੀਨਿਧ ਵਰਕਫਲੋਜ਼ 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 ਕਰਨ ਦੀ ਜਗ੍ਹਾ—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 ਦੀ ਵਰਤੋਂ ਕਰਕੇ Astra ਅਤੇ GPT‑5.6 Sol ਦੀ ਤੁਲਨਾ ਕੀਤੀ, ਇਹ ਸੈਟਿੰਗਾਂ ਸਨ ਜਿੱਥੇ ਹਰੇਕ ਮਾਡਲ ਨੇ ਆਪਣਾ ਸਭ ਤੋਂ ਵੱਧ ਸਕੋਰ ਹਾਸਲ ਕੀਤਾ ਸੀ। 11 ਖੋਜ ਕਾਰਜਾਂ ਵਿੱਚ Astra ਦਾ ਔਸਤ ਸਕੋਰ 55.0% ਸੀ, ਜਦਕਿ GPT‑5.6 Sol ਦਾ 41.6% ਸੀ, ਜਦੋਂ ਕਿ ਪ੍ਰਤੀ ਕੋਸ਼ਿਸ਼ ਦਾ ਅੰਦਾਜ਼ਨ ਔਸਤ ਸਮਾਂ Sol ਲਈ 37.0 ਮਿੰਟਾਂ ਤੋਂ ਘਟ ਕੇ Astra ਲਈ 19.2 ਮਿੰਟ ਰਹਿ ਗਿਆ³। Astra ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਵਰਤੇ ਗਏ ਇੱਕ ਅੰਦਰੂਨੀ ਮਾਡਲ ਨੇ ਇਨ੍ਹਾਂ ਕਾਰਜਾਂ ਵਿੱਚ ਹੋਰ ਵੀ ਬਿਹਤਰ 63.7% ਸਕੋਰ ਹਾਸਲ ਕੀਤਾ, ਅਤੇ ਸਾਡਾ ਟੀਚਾ ਇਨ੍ਹਾਂ ਭਵਿੱਖੀ ਸੁਧਾਰਾਂ ਨੂੰ ਆਉਣ ਵਾਲੇ ਮਾਡਲਾਂ ਤੱਕ ਪਹੁੰਚਾਉਣਾ ਹੈ।

Astra ਨੇ ਹਰੇਕ ਕੋਸ਼ਿਸ਼ ਲਈ ਘੱਟ ਸਿਮੂਲੇਟਿਡ ਸਮੇਂ ਵਿੱਚ ਕਾਰਜ ਦੀਆਂ ਵਧੇਰੇ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕੀਤਾ। ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਦੋ ਕਲਿੱਪਾਂ ਦਿਖਾਉਂਦੀਆਂ ਹਨ ਕਿ ਮਾਡਲਾਂ ਨੇ ਇੱਕੋ ਖੋਜ ਕਾਰਜ ਨੂੰ ਕਿਵੇਂ ਪੂਰਾ ਕੀਤਾ। Astra (ਪਹਿਲੀ) ਨੇ ਅੰਦਾਜ਼ਨ 20 ਮਿੰਟਾਂ ਵਿੱਚ ਕਾਰਜ ਦੇ ਲਗਭਗ 94% ਮਾਪਦੰਡ ਪੂਰੇ ਕੀਤੇ; GPT‑5.6 Sol (ਦੂਜੀ) ਨੇ ਅੰਦਾਜ਼ਨ 32 ਮਿੰਟਾਂ ਵਿੱਚ ਲਗਭਗ 85% ਮਾਪਦੰਡ ਪੂਰੇ ਕੀਤੇ।

ਇਸ ਕੰਮ ਵਿੱਚ Ironclad ਦੀ ਭੂਮਿਕਾ ਅਜਿਹੀ ਚੁਣੌਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜਿਸ ਨੂੰ ਇਸ ਦੇ ਗਾਹਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਜਾਣਦੇ ਹਨ: ਇਕਰਾਰਨਾਮੇ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਉਨ੍ਹਾਂ ਨਿਯਮਾਂ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ ਅਪਵਾਦਾਂ ਨੂੰ ਸੰਭਾਲਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਨ੍ਹਾਂ 'ਤੇ ਕੋਈ ਕਾਰੋਬਾਰ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਜੇਕਰ 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 ਮੂਲ ਮਾਡਲ ਦੇ ਵਿਕਾਸ ਦਾ ਹਿੱਸਾ ਬਣਾ ਸਕਦਾ ਹੈ, ਜਿੱਥੇ ਅਸੀਂ ਮਿਲ ਕੇ ਇਨ੍ਹਾਂ ਦਾ ਅਧਿਐਨ ਕਰ ਸਕਦੇ ਹਾਂ।

ਜਿਵੇਂ-ਜਿਵੇਂ ਮਾਡਲ ਹੋਰ ਸਮਰੱਥ ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ, Ironclad ਕੋਲ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਉਤਪਾਦਾਂ ਵਿੱਚ ਵਰਤਣ ਦਾ ਵਧੀਆ ਮੌਕਾ ਹੈ। ਕਾਨੂੰਨੀ ਅਤੇ ਕਾਰੋਬਾਰੀ ਟੀਮਾਂ ਲਈ ਇਸ ਦਾ ਮਤਲਬ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ AI ਉਨ੍ਹਾਂ ਟੀਮਾਂ ਵੱਲੋਂ ਭਰੋਸਾ ਕੀਤੇ ਜਾਂਦੇ ਨਿਯੰਤਰਣਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦਿਆਂ ਗੁੰਝਲਦਾਰ ਇਕਰਾਰਨਾਮਿਆਂ ਨਾਲ ਜੁੜੇ ਕੰਮਾਂ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਆਪਣੇ ਹੱਥਾਂ ਵਿੱਚ ਲੈ ਲਵੇ।

ਅਸੀਂ ਕੁਝ ਚੋਣਵੀਆਂ ਸਾਫ਼ਟਵੇਅਰ ਕੰਪਨੀਆਂ ਨੂੰ ਸਾਡੀ ਖੋਜ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮਾਂ ਨਾਲ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਮਹੱਤਵਪੂਰਨ ਪੇਸ਼ੇਵਰ ਕਾਰਜਾਂ 'ਤੇ 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 ਇਸ ਦੀ ਇੱਕ ਠੋਸ ਉਦਾਹਰਣ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹਾਂ: ਤੁਸੀਂ ਏਜੰਟ ਤੋਂ ਕੀ ਕਰਵਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਇਸ ਗੱਲ ਦੇ ਸਬੂਤ ਕਿ ਇਹ ਕਿੱਥੇ ਅਸਫਲ ਹੁੰਦਾ ਹੈ ਅਤੇ ਤੁਸੀਂ ਸਫਲ ਨਤੀਜੇ ਦਾ ਮੁਲਾਂਕਣ ਕਿਵੇਂ ਕਰੋਗੇ। ਭਾਈਵਾਲਾਂ ਕੋਲ ਕੰਮ ਦੀ ਡੂੰਘੀ ਸਮਝ ਰੱਖਣ ਵਾਲੇ ਲੋਕ, ਜਾਂਚ ਲਈ ਸੁਰੱਖਿਅਤ ਇਨਵਾਇਰਨਮੈਂਟ 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 ਇਹ ਤੁਹਾਡੀ ਟੀਮ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਤਾਂ ਖੋਜ ਸਹਿਯੋਗ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ ਅਪਲਾਈ ਕਰੋ।