Third Moment Research 如何讓 10,000 個智能代理連續運作逾 36 小時

每家公司都有自己的工作流程、工具、特殊情況，以及衡量成功的標準。 ⁠（在新視窗中開啟）Third Moment Research⁠（在新視窗中開啟） 相信，最出色的智能代理應該精通這些特定工作，並在使用過程中不斷提升能力。

該公司正以這個理念為核心，打造能自我改進的 AI 系統，利用 OpenAI 最新的模型了解智能代理的行為、找出反覆出現的弱點，並針對這些問題自動建立數千個合成情境。團隊利用這些情境改進智能代理，並在新問題出現時重複這個過程。

Codex、GPT‑6 Astra、GPT‑6 Sol 及 GPT‑6.1 Sol 為系統的研究與運算工作提供支援，讓 Third Moment 能同時運行 10,000 個智能代理，進行持續 36 至 48 小時的研究。該公司也使用 Daybreak 測試智能代理工作環境的安全性。

量化金融有明確的成效衡量標準，因此成為 Third Moment 早期的應用領域之一。這個領域提供了具體場景，讓團隊研究智能代理如何工作，以及在哪些環節遇到困難。團隊使用 Codex 找出並解決研究環境中的問題。

有一次，團隊使用搭配 GPT‑5.6 的 Codex，結合時間戳記和程式碼，分析數千條已記錄的模擬軌跡，也就是智能代理的行動及環境的回應。GPT‑5.6 是當時最新的 GPT 模型。

Codex 發現了一個瓶頸：以一整年的美股訂單級數據對交易策略進行回測，需要數小時。等待期間，智能代理反覆查詢回測是否完成，不但浪費 Token，也讓上下文充斥着狀態檢查資訊。

Codex 剖析回測的效能，並分析其輸入資料和使用方式後，找出了一項快取優化方案和一種記憶體緊密封裝技術。它試驗了不同解決方案，並將修正部署到正式運作環境，把回測時間從約 3 小時縮短至約 3 至 5 分鐘。這減少了 Token 用量和上下文污染，讓智能代理能將更多 Token 配額用於後續實驗。

Third Moment 為每個智能代理提供執行特定工作所需的工具、資訊和環境。進行量化研究時，團隊會在 Docker 容器化環境中運行預設的 Codex 任務執行框架。智能代理會獲得 1 TB 的數據、文件，以及一個研究程式碼庫，當中包含特徵工程、GPU 支援的模型訓練、交易策略和模擬等模組。

GPT‑6 Astra、GPT‑6 Sol 及 GPT‑6.1 Sol 提供推理能力，而 Codex 任務執行框架則為智能代理提供工具，讓它們採取行動、制定計劃、設定目標、建立子智能代理，並隨着工作推進壓縮上下文。

為解決智能代理未完成任務便停止的問題，Third Moment 將 Codex 作為子智能代理，置於由 GPT‑6 Sol 或 GPT‑6.1 Sol 驅動的外層任務執行框架之內。任務未完成時，外層任務執行框架會檢視執行軌跡，判斷應該重試、終止工作，還是交由人手審查。

在這個研究環境中，智能代理致力改進由 Third Moment 工程師建立的基準交易系統。它們利用歷史數據測試交易策略，評估改善是否具有實際意義，還是只是雜訊，並根據每次結果選擇下一項實驗。Adam 表示，它們的工作已改善了基準交易系統。

Adam 表示，在 GPT‑5.5 之前，模型只能執行由用戶指定的實驗。到了 GPT‑5.5 和 GPT‑5.6，模型配合 Codex 任務執行框架，便能根據結果設計後續實驗。如今有了 GPT‑6 Astra、GPT‑6 Sol 及 GPT‑6.1 Sol，智能代理可以透過子智能代理並行執行數百項實驗，探究根本原因。

這些進展讓智能代理得以探索團隊未曾預想到的研究方向。在一次工作階段中，GPT‑6.1 Sol 發現某交易所中未公開顯示的交易所帶來的影響，而這類交易佔該交易所成交量的比例出乎意料地高。Adam 說：「這個結果並不容易察覺，我們的研究團隊最初也沒有考慮到。」

Third Moment 從優化、機器學習系統及量化研究等方面評估模型。團隊以最高推理設定測試新推出的前沿模型，評估它們探索程式碼庫、編寫高效程式碼及持續進行研究的能力。目前的測試也包括 GPT‑6 Luna。

其中一項基準測試要求智能代理在維持輸出結果不變的前提下，降低即時比分服務的更新延遲。團隊以結果正確為前提，在相同硬件上，將專家編寫方案的平均執行時間除以模型方案的平均執行時間，藉此衡量加速倍數。Adam 表示，GPT‑6 Astra 帶來了最大的加速幅度。

對於目標明確的工作，例如檢查模擬系統中的特定安全弱點，團隊會使用 GPT‑5.6 Terra 等效率更高的模型。至於深度研究，Adam 認為，更強的推理能力值得付出較高成本：「在量化金融領域，找到有價值訊號的回報極高。」

有 10,000 個智能代理自主運作，Third Moment 需要一種方法，大規模測試研究環境的安全性。團隊使用 Daybreak 網絡安全平台，在模擬啟動前自動進行測試。

這些測試會檢查智能代理能否突破研究環境的限制，存取更廣泛的網絡。Adam 說：「透過 Daybreak，我們能讓智能代理自行對模擬環境進行滲透測試，檢驗其基礎設施和安全性。」

Third Moment 的目標更涵蓋企業每天處理的專業工作。對零售商而言，這可能是在庫存短缺或供應商延遲交貨時，作出更好的供應鏈決策。對工程團隊而言，這可能是找出大型程式碼庫中的效能瓶頸。對需要處理大量文件的企業而言，這可能是找出某份文件中的承諾，與另一份文件所記錄的成果之間有哪些落差。

以 GPT‑6 Astra、GPT‑6 Sol 及 GPT‑6.1 Sol 的推理能力為基礎，Third Moment 計劃從獨立研究擴展至數十萬個子智能代理協作。按照發展路線圖，公司將運用數萬億個 Token，支援由數十項相互依賴的實驗串連而成的研究流程，目標是在新挑戰出現時，利用這些研究自主改進智能代理。

Adam 認為，這能讓人們更有餘力塑造智能代理的學習及工作方式：「人類可以發揮更大的槓桿作用，專注思考如何進行研究，以及優化研究本身，而不是親自執行研究。」