தேர்ட் மொமென்ட்: 36+ மணிநேரம் இயங்கும் 10,000 ஏஜென்ட்கள்

ஒவ்வொரு நிறுவனத்திற்கும் தனித்துவமான பணிச்செயல்முறைகள், கருவிகள், அரிதான சிக்கல்கள், வெற்றிக்கான வரையறைகள் உள்ளன. ⁠(புதிய சாளரத்தில் திறக்கும்)சிறந்த ஏஜென்ட்கள் அந்தக் குறிப்பிட்ட வேலையை மிகச் சிறப்பாகச் செய்ய வேண்டும் என்றும், அவற்றைப் பயன்படுத்தப் பயன்படுத்த அவற்றின் திறன்கள் மேம்பட வேண்டும் என்றும் தேர்ட் மொமென்ட் ரிசர்ச்⁠(புதிய சாளரத்தில் திறக்கும்) நம்புகிறது.

இந்தக் கருத்தை அடிப்படையாகக் கொண்டு, தன்னைத்தானே மேம்படுத்திக்கொள்ளும் செயற்கை நுண்ணறிவு அமைப்பை இந்நிறுவனம் உருவாக்கிவருகிறது. ஏஜென்ட்களின் நடத்தையைப் புரிந்துகொள்ளவும், மீண்டும் மீண்டும் தோன்றும் குறைபாடுகளைக் கண்டறியவும், அந்தச் சிக்கல்களை மையமாகக் கொண்டு ஆயிரக்கணக்கான செயற்கைச் சூழ்நிலைகளைத் தானாக உருவாக்கவும் OpenAI-இன் சமீபத்திய மாடல்களைப் பயன்படுத்துகிறது. ஏஜென்ட்களை மேம்படுத்தக் குழுவினர் இந்தச் சூழ்நிலைகளைப் பயன்படுத்துகின்றனர். புதிய சிக்கல்கள் தோன்றும்போது இந்தச் செயல்முறையை மீண்டும் மேற்கொள்கின்றனர்.

Codex, GPT‑6 Astra, GPT‑6 Sol, GPT‑6.1 Sol ஆகியவை இந்த அமைப்பின் ஆராய்ச்சி மற்றும் கணக்கீட்டுப் பணிகளுக்கு உதவுகின்றன. இதனால், 36–48 மணிநேரம் நீடிக்கும் ஆய்வுகளில் ஒரே நேரத்தில் 10,000 ஏஜென்ட்களைத் தேர்ட் மொமென்ட் இயக்க முடிகிறது. ஏஜென்ட்கள் செயல்படும் சூழல்களின் பாதுகாப்பைச் சோதிக்கவும் நிறுவனம் Daybreak-ஐப் பயன்படுத்துகிறது.

வெற்றியைத் தெளிவாக அளவிட முடிவதால், தேர்ட் மொமென்ட்டின் ஆரம்பகாலப் பயன்பாடுகளில் ஒன்று அளவியல் நிதித் துறையில் அமைந்துள்ளது. ஏஜென்ட்கள் எவ்வாறு செயல்படுகின்றன, எங்கு சிரமப்படுகின்றன என்பதை ஆய்வு செய்ய இத்துறை ஒரு திட்டவட்டமான சூழலை வழங்குகிறது. ஆராய்ச்சிச் சூழலில் உள்ள சிக்கல்களைக் கண்டறிந்து தீர்க்கக் குழுவினர் Codex-ஐப் பயன்படுத்துகின்றனர்.

ஒருமுறை, பதிவுசெய்யப்பட்ட ஆயிரக்கணக்கான உருவகப்படுத்தல் செயல்பாட்டுத் தடங்களை—அதாவது ஏஜென்ட்களின் செயல்களையும் சூழலின் பதில்களையும்—நேரக்குறிப்புகள் மற்றும் நிரல்தொகுப்புடன் சேர்த்துப் பகுப்பாய்வு செய்தனர். இதற்காக அப்போது சமீபத்திய GPT மாடலாக இருந்த GPT‑5.6 உடன் Codex-ஐப் பயன்படுத்தினர்.

Codex ஒரு தடையைக் கண்டறிந்தது: ஓராண்டுக்கான அமெரிக்கப் பங்குகளின் ஆணை அளவிலான தரவுகளில் ஒரு வர்த்தக உத்தியைச் சோதிக்கப் பல மணிநேரம் தேவைப்பட்டது. காத்திருக்கும்போது, சோதனை முடிந்துவிட்டதா என ஏஜென்ட்கள் மீண்டும் மீண்டும் கேட்டன. இதனால் டோக்கன்கள் வீணானதுடன், அவற்றின் சூழலும் நிலைச் சரிபார்ப்புகளால் நிரம்பியது.

வரலாற்றுத் தரவுச் சோதனையின் செயல்திறனை அளவிட்டு, அதன் உள்ளீடுகளையும் பயன்பாட்டையும் பகுப்பாய்வு செய்த பிறகு, தற்காலிகச் சேமிப்பை மேம்படுத்தும் ஒரு வழியையும் நினைவகத்தில் தரவைச் செறிவாகச் சேமிக்கும் ஒரு நுட்பத்தையும் Codex கண்டறிந்தது. அது தீர்வுகளைப் பரிசோதித்து, திருத்தத்தை நேரடிப் பயன்பாட்டில் அமல்படுத்தியது. இதனால் வரலாற்றுத் தரவுச் சோதனைக்கான நேரம் சுமார் 3 மணிநேரத்திலிருந்து சுமார் 3 முதல் 5 நிமிடங்களாகக் குறைந்தது. இது டோக்கன் பயன்பாட்டையும் சூழலில் தேவையற்ற தகவல் சேர்வதையும் குறைத்தது. இதனால் ஏஜென்ட்களுக்கு ஒதுக்கப்பட்ட டோக்கன்களில் மேலும் பலவற்றைக் கூடுதல் பரிசோதனைகளுக்குப் பயன்படுத்த முடிந்தது.

குறிப்பிட்ட ஒரு வேலைக்குத் தேவையான கருவிகள், தகவல்கள், சூழல் ஆகியவற்றை ஒவ்வொரு ஏஜென்ட்டுக்கும் தேர்ட் மொமென்ட் வழங்குகிறது. அளவியல் ஆராய்ச்சிக்காக, Docker மூலம் அமைக்கப்பட்ட சூழலில் இயல்புநிலை Codex சூழல் பணி அமைவைக் குழுவினர் இயக்குகின்றனர். ஏஜென்ட்களுக்கு ஒரு டெராபைட் தரவு, ஆவணங்கள் மற்றும் ஆராய்ச்சி ரிபாசிட்டரி வழங்கப்படுகின்றன. அந்த ரிபாசிட்டரியில் அம்சப் பொறியியல், வரைகலைச் செயலியின் உதவியுடன் மாடல்களுக்குப் பயிற்சி அளித்தல், வர்த்தக உத்திகள், உருவகப்படுத்தல் ஆகியவற்றுக்கான நிரற்கூறுகள் உள்ளன.

GPT‑6 Astra, GPT‑6 Sol, GPT‑6.1 Sol ஆகியவை ரீஸனிங் திறனை வழங்குகின்றன. பணி தொடரும்போது செயல்படவும், திட்டங்களை உருவாக்கவும், இலக்குகளை அமைக்கவும், துணை ஏஜென்ட்களை உருவாக்கவும், சூழலைச் சுருக்கவும் தேவையான கருவிகளை Codex சூழல் பணி அமைவு ஏஜென்ட்களுக்கு வழங்குகிறது.

பணியை முடிக்கும் முன்பே நின்றுவிடும் ஏஜென்ட்களின் சிக்கலைத் தீர்க்க, GPT‑6 Sol அல்லது GPT‑6.1 Sol இயக்கும் வெளிப்புறச் சூழல் பணி அமைவுக்குள் Codex-ஐ ஒரு துணை ஏஜென்ட்டாகத் தேர்ட் மொமென்ட் பயன்படுத்துகிறது. ஒரு பணி முடிக்கப்படாமல் விடப்படும்போது, வெளிப்புறச் சூழல் பணி அமைவு அதன் செயல்பாட்டுத் தடத்தை ஆராய்கிறது. பின்னர் மீண்டும் முயற்சிப்பதா, பணியை நிறுத்துவதா, மனித மதிப்பாய்வுக்கு அனுப்புவதா என்பதைத் தீர்மானிக்கிறது.

அந்த ஆராய்ச்சிச் சூழலில், தேர்ட் மொமென்ட்டின் பொறியாளர்கள் உருவாக்கிய அடிப்படை வர்த்தக அமைப்பை மேம்படுத்த ஏஜென்ட்கள் செயல்படுகின்றன. அவை வரலாற்றுத் தரவுகளில் வர்த்தக உத்திகளைச் சோதித்து, ஒரு முன்னேற்றம் உண்மையில் அர்த்தமுள்ளதா அல்லது தற்செயலான ஏற்ற இறக்கமா என்பதை மதிப்பிடுகின்றன. ஒவ்வொரு முடிவையும் பயன்படுத்தி அடுத்த பரிசோதனையைத் தேர்ந்தெடுக்கின்றன. அவற்றின் பணி அடிப்படை வர்த்தக அமைப்பை மேம்படுத்தியுள்ளதாக ஆடம் கூறுகிறார்.

GPT‑5.5 வருவதற்கு முன், பயனர் குறிப்பிட்ட பரிசோதனைகளை மட்டுமே மாடல்களால் நடத்த முடிந்தது என்கிறார் ஆடம். GPT‑5.5, GPT‑5.6 ஆகியவற்றின் வருகைக்குப் பிறகு, Codex சூழல் பணி அமைவுடன் செயல்படும் மாடல்களால் பரிசோதனை முடிவுகளைப் பயன்படுத்தி அடுத்தகட்டப் பரிசோதனைகளை வடிவமைக்க முடிந்தது. இப்போது GPT‑6 Astra, GPT‑6 Sol, GPT‑6.1 Sol ஆகியவற்றுடன், துணை ஏஜென்ட்கள் மூலம் நூற்றுக்கணக்கான பரிசோதனைகளை இணையாக நடத்தி அடிப்படைக் காரணங்களை ஏஜென்ட்களால் ஆராய முடிகிறது.

இந்த வளர்ச்சி, குழுவினர் எதிர்பார்த்திராத ஆராய்ச்சித் திசைகளில் ஏஜென்ட்கள் பயணிக்க உதவியுள்ளது. ஒரு அமர்வில், ஒரு பங்குச் சந்தையில் வெளிப்படையாகக் காட்டப்படாத வர்த்தகங்களின் தாக்கத்தை GPT‑6.1 Sol கண்டறிந்தது. அங்கு மொத்த வர்த்தக அளவில் அந்த வர்த்தகங்களின் பங்கு எதிர்பாராத அளவுக்குப் பெரிதாக இருந்தது. “இது எளிதில் புலப்படாத ஒரு முடிவு. எங்கள் ஆராய்ச்சிக் குழு இதை ஆரம்பத்தில் கருத்தில் கொள்ளவில்லை” என்கிறார் ஆடம்.

உகப்பாக்கம், இயந்திரக் கற்றல் அமைப்புகள், அளவியல் ஆராய்ச்சி ஆகிய துறைகளில் மாடல்களைத் தேர்ட் மொமென்ட் மதிப்பீடு செய்கிறது. அதிநவீன மாடல்களை அவற்றின் உச்ச ரீஸனிங் அமைப்புகளில் சோதித்து, ரிபாசிட்டரிகளில் தேவையானவற்றைக் கண்டறியவும், திறமையான நிரலை எழுதவும், ஆய்வைத் தொடரவும் அவற்றுக்குள்ள திறனை மதிப்பிடுகிறது. தற்போதைய சோதனைகளில் GPT‑6 Luna-வும் இடம்பெற்றுள்ளது.

ஒரு தரமதிப்பீட்டுச் சோதனையில், நேரலை மதிப்பெண் பலகைச் சேவையின் வெளியீடுகளை மாற்றாமல், அதைப் புதுப்பிப்பதில் ஏற்படும் தாமதத்தைக் குறைக்குமாறு ஏஜென்ட்களிடம் கேட்கப்படுகிறது. தீர்வு சரியாக இருப்பதை உறுதிசெய்து, ஒரே வன்பொருளில் நிபுணர் உருவாக்கிய தீர்வின் சராசரி இயக்க நேரத்தை மாடலின் தீர்வுக்கான சராசரி இயக்க நேரத்தால் வகுத்துக் குழுவினர் வேக அதிகரிப்பை அளவிடுகின்றனர். GPT‑6 Astra மிகப்பெரிய வேக அதிகரிப்பை வழங்கியதாக ஆடம் கூறுகிறார்.

உருவகப்படுத்தல் அமைப்பில் குறிப்பிட்ட பாதுகாப்புக் குறைபாடுகள் உள்ளனவா என்பதைச் சரிபார்ப்பது போன்ற இலக்கு சார்ந்த பணிகளுக்கு, GPT‑5.6 Terra போன்ற வளங்களை மேலும் சிக்கனமாகப் பயன்படுத்தும் மாடல்களைக் குழுவினர் பயன்படுத்துகின்றனர். டீப் ரிசர்ச்சில், வலுவான ரீஸனிங் திறனுக்காக அதிகச் செலவு செய்வது நியாயமானதே என ஆடம் நம்புகிறார்: “அளவியல் நிதித் துறையில், பயனுள்ள ஒரு சமிக்ஞையைக் கண்டறிவதன் மதிப்பு மிக அதிகம்.”

10,000 ஏஜென்ட்கள் தன்னியக்கமாகச் செயல்படுவதால், தனது ஆராய்ச்சிச் சூழல்களின் பாதுகாப்பைப் பெரிய அளவில் சோதிக்கத் தேர்ட் மொமென்ட்டுக்கு ஒரு வழி தேவைப்படுகிறது. உருவகப்படுத்தல்கள் தொடங்குவதற்கு முன் அந்தச் சோதனைகளைத் தானியக்கமாக்கக் குழுவினர் Daybreak இணையப் பாதுகாப்புத் தளத்தைப் பயன்படுத்துகின்றனர்.

ஒரு ஏஜென்ட் தனது ஆராய்ச்சிச் சூழலை விட்டு வெளியேறி, அதற்கு அப்பால் உள்ள வலையமைப்பை அணுக முடியுமா என்பதை இச்சோதனைகள் சரிபார்க்கின்றன. “Daybreak-ஐப் பயன்படுத்துவதன் மூலம், உருவகப்படுத்தலில் ஏஜென்ட்களே ஊடுருவல் சோதனைகளை நடத்தி, அதன் உள்கட்டமைப்பையும் பாதுகாப்பையும் சோதிக்க வைக்க முடிகிறது” என்கிறார் ஆடம்.

நிறுவனங்கள் அன்றாடம் மேற்கொள்ளும் சிறப்புத் திறன் தேவைப்படும் பணிகளுக்கும் தேர்ட் மொமென்ட்டின் இலட்சியம் விரிவடைகிறது. ஒரு சில்லறை விற்பனையாளருக்கு, சரக்கு இருப்பு குறையும்போதோ, வழங்குநரிடமிருந்து சரக்கு வரத் தாமதமாகும்போதோ, விநியோகச் சங்கிலி தொடர்பாகச் சிறந்த முடிவுகளை எடுக்க உதவுவதாக இது அமையலாம். ஒரு பொறியியல் குழுவுக்கு, பெரிய நிரல்தொகுப்பில் செயல்திறனைக் குறைக்கும் தடைகளைக் கண்டறிவதாக இது அமையலாம். அதிக ஆவணங்களைக் கையாளும் ஒரு நிறுவனத்திற்கு, ஓர் ஆவணத்தில் உள்ள உறுதிமொழிகள் மற்றோர் ஆவணத்தில் பதிவான முடிவுகளுடன் எங்கெல்லாம் பொருந்தவில்லை என்பதைக் கண்டறிவதாக இது அமையலாம்.

GPT‑6 Astra, GPT‑6 Sol, GPT‑6.1 Sol ஆகியவற்றின் ரீஸனிங் திறன்களை அடிப்படையாகக் கொண்டு, தனித்தனி ஆய்வுகளிலிருந்து இணைந்து செயல்படும் லட்சக்கணக்கான துணை ஏஜென்ட்களாக விரிவடையத் தேர்ட் மொமென்ட் திட்டமிட்டுள்ளது. ஒன்றையொன்று சார்ந்திருக்கும் பல டஜன் பரிசோதனைகளின் தொடர்களுக்கு ஆதரவாக லட்சக்கணக்கான கோடி டோக்கன்களைப் பயன்படுத்த அதன் செயல்திட்டம் வழிவகுக்கிறது. புதிய சவால்கள் எழும்போது, அந்த ஆராய்ச்சியைக் கொண்டு ஏஜென்ட்களைத் தன்னியக்கமாக மேம்படுத்துவதே இதன் நோக்கம்.

ஏஜென்ட்கள் எப்படிக் கற்கின்றன, செயல்படுகின்றன என்பதை வடிவமைக்க இது மனிதர்களுக்கு அதிக வாய்ப்பளிக்கும் என ஆடம் கருதுகிறார்: “மனிதர்கள் நேரடியாக ஆராய்ச்சி செய்வதற்குப் பதிலாக, அதை எவ்வாறு மேற்கொள்வது, ஆராய்ச்சிச் செயல்முறையையே எவ்வாறு மேம்படுத்துவது என்று சிந்திக்கலாம். இதனால் அவர்களால் இன்னும் பெரிய தாக்கத்தை ஏற்படுத்த முடியும்.”