عندما قدمنا GPT‑6 Astra، أظهرنا مدى تقدم نماذجنا في استخدام أجهزة الكمبيوتر للعمل المهني، من إعداد المستندات إلى اختبار مواقع الويب. هدفنا التالي هو جعل الوكلاء أكثر قدرة وكفاءة في استخدام البرامج المتخصصة لحل مشاكل الأعمال المعقدة. نحن نستكشف كيفية تدريب النماذج على فهم قواعد أعمال الشركة، وتنفيذ سير عمل متعدد الخطوات، والتحقق من أن عملها يلبي المتطلبات الأصلية.
لتسريع هذا البحث، نتعاون مباشرة مع عدد صغير من شركات البرمجيات التي تفهم سير العمل هذه بشكل أفضل. شريكنا الأول هو Ironclad، الرائدة في التعاقد بالذكاء الاصطناعي. من خلال العمل عن كثب مع فريق Ironclad، قمنا بتطوير مهام تتطلب من الوكلاء تكوين الاتفاقيات والموافقات والشروط القانونية القابلة لإعادة الاستخدام. كانت خبرة Ironclad فعالة في تحديد شكل النجاح وجلب احتياجات العملاء الحقيقية مباشرة إلى تطوير النماذج الحدودية.
GPT‑6 Astra هو أول نموذج حدي لدينا تم تدريبه على مهام Ironclad. في تقييمنا البحثي، كان متوسط درجاته أعلى بنسبة 32% من GPT‑5.6 Sol، بينما كان الوقت المقدر لكل محاولة أقل بنسبة 48%. ساعد موظفو Ironclad والأشخاص الذين يستخدمون Ironclad في Open AI باحثينا في تحديد 11 مهمة عبر الأعمال القانونية والتجارية والمشتريات. قمنا بتقييم كل مهمة مقابل 8 إلى 50 معيارًا، اعتمادًا على تعقيدها.
عبر المهام البحثية الـ 11، كان متوسط درجة Astra 55.0%، مقارنة بـ 41.6% لـ GPT‑5.6 Sol، بينما انخفض متوسط الوقت المقدر لكل محاولة من 37.0 دقيقة لـ Sol إلى 19.2 دقيقة لـ Astra. حقق نموذج داخلي مستخدم في تطوير Astra درجة أقوى بلغت 63.7% في هذه المهام، ونهدف إلى جلب هذه المكاسب الإضافية إلى النماذج المستقبلية.
المصدر: OpenAI Blog · لخّصه HeadlinesBriefing