OpenAI உடன் Amplitude: 1–2 நாட்களில் மேம்பாடுகள்
பெரும்பாலும் OpenAI மாடல்களில் இயங்கும் Amplitude-இன் முனைப்பான தயாரிப்பு ஏஜென்ட் Wave, எதை உருவாக்குவது எனக் கண்டறிந்து, நிரலாக்க ஏஜென்ட்டுகளுடன் மாற்றங்களை வெளியிடக் குழுக்களுக்கு உதவி, தாக்கத்தை அளவிடுகிறது.

160%
ஒரு நாளுக்குப் பின் கட்டுப்பாட்டுக் குழுவுடன் ஒப்பிடுகையில் ஏஜென்ட் பயன்பாட்டில் ஏற்பட்ட உயர்வு
1–2 நாட்கள்
Wave மூலம் தயாரிப்பு மேம்பாட்டை வெளியிடத் தேவைப்படும் மதிப்பிடப்பட்ட நேரம்
51%
Amplitude-இன் தரவு அறிவியல் ஏஜென்ட் மதிப்பீட்டில், GPT‑6.1 Sol-க்கான பணி ஒப்படைப்பு ஒன்றின் சராசரி மாடல் செலவில் ஏற்பட்ட குறைவு.
$1.34
Amplitude-இன் வாய்ப்பு ஆய்வாளர் மதிப்பீட்டில் GPT‑6.1 Sol-க்கான மாடல் செலவு.
மக்கள் தயாரிப்புகளை உண்மையில் எப்படிப் பயன்படுத்துகிறார்கள் என்பதைப் புரிந்துகொள்ள Amplitude எப்போதும் குழுக்களுக்கு உதவி வந்துள்ளது. அதன் முனைப்புடன் செயல்படும் தயாரிப்பு ஏஜென்ட்டான Wave, அந்த நுண்ணறிவுகளை வெளியிடத்தக்க மேம்பாடுகளாக மாற்றக் குழுக்களுக்கு உதவுகிறது. Wave-இன் செயல்பாட்டில் சுமார் 80% பங்களிப்பை GPT‑6.1 Sol, GPT‑6 Luna, GPT‑Image‑2.5 Flare உள்ளிட்ட OpenAI மாடல்கள் வழங்குவதாக Amplitude கூறுகிறது. தயாரிப்பு குறித்த நுண்ணறிவுகளைச் செயலாக்கத் திட்டங்களாக Wave மாற்றுகிறது. குழுக்கள் அவற்றை Codex உள்ளிட்ட நிரலாக்க ஏஜென்ட்டுகளுக்கு அனுப்பலாம். பின்னர் Wave அவற்றின் தாக்கத்தை அளவிடுகிறது.
சுமார் ஒரு மாதம் எடுத்த தயாரிப்பு மேம்பாட்டு வெளியீடுகளை 1–2 நாட்களில் முடிக்க Wave குழுக்களுக்கு உதவும் என Amplitude மதிப்பிடுகிறது. Amplitude-இன் சொந்த முகப்புப் பக்கத்தில் பரிந்துரை அட்டைகளைத் தனிப்பயனாக்க Wave உதவியது. இதனால் அட்டைகள் வழியாக அனுப்பப்பட்ட செய்திகளின் எண்ணிக்கை 160% உயர்ந்தது.
“நாம் ஒப்படைக்க நினைத்துக்கூடப் பார்க்காத பயனுள்ள பணிகளை இப்போது செயற்கை நுண்ணறிவால் கண்டறிய முடிகிறது. OpenAI மாடல்களால் ஒரு சிக்கலை ஆராயவும், நிரல் எழுதி இயக்கவும், அதன் முடிவுகளைக் கொண்டு அடுத்து எதை முயற்சிப்பது என்று தீர்மானிக்கவும் முடியும்.”
Wave என்பது Amplitude-இன் முனைப்புடன் செயல்படும் தயாரிப்பு ஏஜென்ட். குழுக்கள் அதற்குத் தயாரிப்பின் ஒரு பகுதியையும் மேம்படுத்த விரும்பும் இலக்குகளையும் அளவீடுகளையும் வழங்குகின்றன. Amplitude தரவு, அமர்வு மறுபதிவுகள், வாடிக்கையாளர் கருத்துகள், நிரல் ஆகியவற்றை Wave ஒன்றிணைக்கிறது. அவற்றைக் கொண்டு வாய்ப்புகளைக் கண்டறிந்து முன்னுரிமைப்படுத்துகிறது, தீர்வுகளை உருவாக்குகிறது, மனிதர்களுடனும் நிரலாக்க ஏஜென்ட்டுகளுடனும் இணைந்து செயலாக்கத்தை ஒருங்கிணைக்கிறது. பின்னர் விளைவுகளைக் கண்காணித்து, அவற்றிலிருந்து கற்றவற்றை அடுத்தகட்ட மேம்பாடுகளுக்குப் பயன்படுத்துகிறது.
இந்தப் பணிப்பாய்வின் பின்னணியில், வெவ்வேறு பணிகளுக்கு வெவ்வேறு OpenAI மாடல்களை Amplitude பயன்படுத்துகிறது. வாய்ப்பு மேலாளருக்கும், நிரல் மற்றும் தரவு குறித்த ஆழமான ஆய்வுகளுக்கும் GPT‑6.1 Sol ஆதரவளிக்கிறது. நிரலை ஆராய்தல், சிறிய மதிப்பீட்டுச் சோதனைகளை இயக்குதல் போன்ற அடிக்கடி செய்யப்படும் குறைந்த செலவிலான பணிகளை GPT‑6 Luna கையாளுகிறது. அமர்வு மறுபதிவுகளின் திரைப்பிடிப்புகளைக் காட்சி மேற்கோள்களாகக் கொண்டு, GPT‑Image‑2.5 Flare தயாரிப்பின் மாதிரி வடிவங்களை உருவாக்குகிறது.
ஒரு வாய்ப்பைச் செயல்படுத்தத் தயாரானதும், குழுக்கள் அதை Wave-இலிருந்து நேரடியாக Codex உள்ளிட்ட நிரலாக்க ஏஜென்ட்டுகளுக்கு அனுப்பலாம். செயலாக்கத்தை வழிநடத்தும் தொழில்நுட்பத் திட்டமும் ஏற்பு அளவுகோல்களும் அதனுடன் அனுப்பப்படும்.

“ஏராளமான அமர்வு மறுபதிவுகள், பகுப்பாய்வுகள், நிரல் ஆகியவற்றை நுணுக்கமாக ஆராய்ந்து தயாரிப்புகளை மேம்படுத்தும் வாய்ப்புகளைக் கண்டறியும் ஏஜென்ட்டுகள் கொண்ட ஒருங்கிணைந்த தளத்தை வழங்குவதே Wave-இன் நோக்கம்” என்று Amplitude-இன் முதன்மைச் செயற்கை நுண்ணறிவுத் தயாரிப்பு மேலாளர் ஜேக்கப் நியூமன் விளக்குகிறார்.
Amplitude தனது சொந்த முகப்புப் பக்கத்தில் Wave-ஐச் சோதித்தது. அங்கிருந்த பொதுவான பரிந்துரை அட்டைகள், செயற்கை நுண்ணறிவு ஏஜென்ட்டுடன் பயனர்கள் உரையாடலைத் தொடங்க உதவும் நோக்கில் அமைக்கப்பட்டிருந்தன. மக்கள் பெரும்பாலும் அவற்றைத் தவிர்ப்பதை Wave கண்டறிந்தது: 100 அமர்வு மறுபதிவுகளைக் கொண்ட மாதிரியில், 80 பயனர்கள் தங்கள் கேள்விகளைத் தாங்களே தட்டச்சு செய்தனர்; 12 பேர் மட்டுமே ஒரு பரிந்துரையைத் தேர்ந்தெடுத்தனர்.
சமீபத்திய வரைபடங்கள், தகவல் பலகைகள் அல்லது பயனர் வந்த முந்தைய பக்கம் ஆகியவற்றைப் பயன்படுத்தி அட்டைகளைத் தனிப்பயனாக்க Wave பரிந்துரைத்தது. அந்த மாற்றத்தைப் படமாக விளக்கி, ஒரு தொழில்நுட்பத் திட்டத்தையும் உருவாக்கியது. சுதந்திரமாகத் தட்டச்சு செய்யும் வசதியைத் தொடர்வதும், தனிப்பயனாக்கத் தேவையான சூழல் தகவல் இல்லாதபோது பொதுவான பரிந்துரைகளைக் காட்டுவதும் அதில் அடங்கும். சுருக்கமான பரிசீலனைக்குப் பின், குழு அந்தப் பணியை ஒரு நிரலாக்க ஏஜென்ட்டிடம் ஒப்படைத்து, மாற்றத்தை A/B சோதனைக்கு உட்படுத்தியது.

Amplitude பகிர்ந்த சோதனை முடிவுகளின்படி, ஒரு நாளுக்குப் பின் கட்டுப்பாட்டுக் குழுவுடன் ஒப்பிடுகையில் முகப்புப் பக்கப் பரிந்துரை அட்டைகள் வழியாக அனுப்பப்பட்ட செய்திகள் 160% அதிகரித்தன. “பெரும் புதுமையாக இல்லாததால் புறக்கணிக்கப்படும் விஷயங்கள்கூட அம்சங்களின் பயன்பாட்டை எதிர்பாராத வழிகளில் அதிகரிக்க முடியும் என்பதற்கு இது ஒரு சிறந்த எடுத்துக்காட்டு” என்று Amplitude-இன் மூத்த முதன்மைச் செயற்கை நுண்ணறிவுப் பொறியாளர் எரிக் கார்ல்சன் விளக்குகிறார்.
Wave-இன் வெவ்வேறு பணிகளுக்கு அதன் மாடல்களிடமிருந்து வெவ்வேறு திறன்கள் தேவைப்படுகின்றன. ஆழமான ஆய்வுக்கு வலுவான ரீஸனிங்கும் உறுதியான ஆதாரங்களைக் கொண்ட முடிவுகளும் தேவை. நூற்றுக்கணக்கான முறை செய்யப்படும் ஒரு சிறிய சோதனை, வேகமாகவும் குறைந்த செலவிலும் நடைபெற வேண்டும். ஒவ்வொரு பணிக்கும் தரம், பதிலளிக்கும் நேரம், செலவு ஆகியவற்றை Amplitude மதிப்பிட்டு, அதற்கேற்ப மாடல்களை ஒதுக்குகிறது.
“OpenAI எங்களுக்கு வலுவான ரீஸனிங் மாடல்களையும் சிறிய, வேகமான மாடல்களையும் வழங்கியது. இதனால் தயாரிப்பு முழுவதும் தரம், பதிலளிக்கும் நேரம், அனுமானச் செலவு ஆகியவற்றைச் சமநிலையில் வைத்திருக்க முடிந்தது.”
Wave-இன் வாய்ப்பு ஆய்வாளருக்கான மதிப்பீட்டில், கண்டுபிடிப்புகளை ஆதாரங்களால் உறுதிப்படுத்துதல், தவறான நேர்மறை முடிவுகளைத் தவிர்த்தல், மதிப்பீட்டாளர் கருத்துகளைச் சேர்த்தல், கருவிச் செயலிழப்புகளிலிருந்து மீளுதல், ஆதாரங்களுக்கேற்ப கூற்றுகளை அமைத்தல் ஆகியவற்றை மாடல்கள் செய்தனவா என Amplitude ஆராய்ந்தது. GPT‑6.1 Sol ஒட்டுமொத்தமாக 5-க்கு 4.06 மதிப்பெண் பெற்றது. மூன்று மாற்று மாடல்கள் முறையே 3.62, 3.52, 2.94 மதிப்பெண்களைப் பெற்றன. ஐந்து ஆய்வு அளவுகோல்களிலும் அது முன்னிலை பெற்றது. அதன் இடைநிலை ஆய்வு நேரமான 54 நிமிடங்கள், மற்றவற்றைவிடக் குறைவாக இருந்தது.
Wave-இன் தரவு அறிவியல் ஏஜென்ட்டுக்கான தனி மதிப்பீட்டில், GPT‑6.1 Sol 100-க்கு 67.5 மதிப்பெண் பெற்றது; மற்றொரு முன்னணி மாடல் 69.3 பெற்றது. ஆனால் பணி ஒப்படைப்பு ஒன்றுக்கான சராசரி மாடல் செலவு முறையே $1.28 மற்றும் $2.63 ஆக இருந்தது. கருவி ஒப்பந்த விதிகளைக் கடைப்பிடித்தல், கணிப்பும் நிச்சயமின்மையும், ஆதார கிரௌண்டிங் ஆகியவற்றிலும் GPT‑6.1 Sol அதிக மதிப்பெண்களைப் பெற்றது.
நிரலை ஆராய்தல், சிறிய மதிப்பீட்டுச் சோதனைகளை இயக்குதல் போன்ற அதிக அளவில் நடைபெறும் பணிகளில், பதிலளிக்கும் நேரத்தையும் செலவையும் குறைவாக வைத்திருக்க Amplitude, GPT‑6 Luna-ஐப் பயன்படுத்துகிறது. சிறப்புத் திறன் கொண்ட ஏஜென்ட்டுகளிடையே பணிகளைப் பிரிப்பதால், அதிக செலவாகும் ரீஸனிங்கை அது மிகவும் தேவைப்படும் பணிகளுக்கு மட்டும் குழுவால் ஒதுக்க முடிகிறது.
அடிப்படை வடிவமைப்புகளையும் மாதிரி வடிவங்களையும் உருவாக்கும் மதிப்பீட்டில், தீர்வின் அடிப்படை வடிவமைப்புகளுக்காக OpenAI-இன் இமேஜ் ஜெனரேஷன் மாடல் 100-க்கு 80.3 மதிப்பெண் பெற்றது. மற்றொரு இமேஜ் ஜெனரேஷன் மாடல் 63.9 பெற்றது. 15 வாய்ப்புகளில் தகவல் வெளிப்பாட்டுத் தரம், தயாரிப்பை உண்மையாகப் பிரதிபலித்தல், அறிவுறுத்தல்களைப் பின்பற்றுதல், உரை மற்றும் பயனர் இடைமுகத்தின் வாசிப்புத் தெளிவு, காட்சி ஒத்திசைவு ஆகியவற்றை Amplitude மதிப்பிட்டது.
பல்வேறு துறைகளைச் சேர்ந்த வாடிக்கையாளர்கள், தயாரிப்பு மேம்பாடுகளைக் கண்டறிந்து வெளியிட ஏற்கெனவே Wave-இன் சோதனைப் பதிப்பைப் பயன்படுத்துகின்றனர். Wave அமர்வு மற்றும் பகுப்பாய்வுத் தரவை ஆராய்ந்து, முன்மொழியப்பட்ட திருத்தம், தொழில்நுட்பத் திட்டம், ஏற்பு அளவுகோல்கள் ஆகியவற்றுடன் பரிந்துரைகளை உருவாக்குகிறது.
அதன் பிறகு, எந்த அளவுக்குத் தானியக்கமாக்குவது என்பதைக் குழுக்கள் கட்டுப்படுத்தலாம். பெரும்பாலான குழுக்கள் பிழைத் திருத்தங்களை நேரடியாக நிரலாக்க ஏஜென்ட்டுகளுக்கு அனுப்புகின்றன. புதிய அம்சங்களும் பெரிய முயற்சிகளும் மனிதப் பரிசீலனைக்கு உட்படுத்தப்படுகின்றன.
வெளியீட்டை எட்டும் மாற்றங்களில், கண்டறிதலிலிருந்து செயலாக்கம் வரையிலான காலம் குறுகியதாக இருக்கலாம்: வாடிக்கையாளர்கள் தொடங்கிய சோதனைகள், அம்சக் கட்டுப்பாடுகள், வழிகாட்டிகளில் நான்கில் ஒன்று, Wave வாய்ப்பைக் கண்டறிந்த அன்றே பயன்பாட்டுக்கு வந்தது; பாதி நான்கு நாட்களுக்குள்ளும், மூன்றில் இரண்டு ஒரு வாரத்திற்குள்ளும் பயன்பாட்டுக்கு வந்தன.
வழங்கப்பட்ட மைல்கற்களிலிருந்து இடைநிலை மதிப்புகள் கணிக்கப்பட்டுள்ளன; வளைவு விளக்கத்திற்கானது, தனித்தனி அவதானிப்புகளைக் குறிப்பதல்ல.
“நிறுவனங்கள் மென்பொருள் உருவாக்கும்போதே அவை தம்மைத்தாமே மேம்படுத்திக்கொள்ளும் தயாரிப்புகளாக இருக்க வேண்டும் என்பதே OpenAI உடனான எங்கள் இலக்கு” என்கிறார் ஸ்கேட்ஸ். OpenAI மாடல்களின் ரீஸனிங் மற்றும் நிரலாக்கத் திறன்கள் மேம்படும்போது, குழுக்களால் மேலும் பல ஆய்வு மற்றும் செயலாக்கப் பணிகளை ஏஜென்ட்டுகளிடம் ஒப்படைக்க முடியும். இதன் விளைவாகச் சிறந்த தயாரிப்புகள் பயனர்களை இன்னும் விரைவாகச் சென்றடையும். Amplitude இதை ஏற்கெனவே காண்கிறது. குழு மற்ற முன்னுரிமைப் பணிகளில் ஈடுபட்டிருக்கும்போதே, ஏஜென்ட்டுகள் அதன் சொந்தத் தயாரிப்பில் மேம்பாடுகளைக் கண்டறிந்து செயல்படுத்த உதவுகின்றன: “தயாரிப்பை மேம்படுத்தத் தங்கள் மென்பொருளே உடனிருந்து பணியாற்றும்போது, எவ்வளவு சாதிக்க முடிகிறது என்பதைக் கண்டு குழுக்கள் வியப்படையும் என நினைக்கிறேன்.”


