একটি পরিমাণগত ট্রেডিং ফার্ম হিসেবে, Jump Trading ভবিষ্যদ্বাণীমূলক মডেল তৈরি করে যা সম্পদ মূল্যের সর্বোচ্চ সম্ভাব্য ভবিষ্যদ্বাণী করতে বাজারের তথ্য, সংবাদ এবং ঘটনা, এবং বিকল্প তথ্য উৎসের একটি পরিসর ব্যবহার করে। যেহেতু বাজার জটিল, শব্দযুক্ত এবং সময়ের সাথে পরিবর্তনশীল, তাই কখনই কখনোই সঠিকভাবে ভবিষ্যদ্বাণী করা সম্ভব হয় না। কিন্তু Lucas Baker-এর মতে, Jump-এর LLM R&D-এর প্রধান, স্কেলে একটি মুদ্রা নিক্ষেপের চেয়ে সামান্য ভালো ভবিষ্যদ্বাণী করাও একটি সফল কৌশলের ফলাফল হওয়ার জন্য যথেষ্ট। Baker এজেন্টিক গবেষণা ও উন্নয়নের নেতৃত্ব দেন, এবং তিনি পরিমাণগত গবেষকদের তাদের ধারণা আরও বিস্তার ও গভীরতা নিয়ে অন্বেষণ করতে দেওয়া এজেন্ট, হারনেস এবং অবকাঠামো তৈরিতে মনোনিবেশ করেন। GPT-6 Astra যোগ করার ফলে এজেন্টদের হস্তান্তর করা কাজের প্রবাহের স্কেল এবং জটিলতা ব্যাপকভাবে বৃদ্ধি পেয়েছে, দৈনন্দিন কোডিং থেকে নতুন অনুমান যাচাই করার জন্য উন্নত পরিমাণগত অধ্যয়ন পর্যন্ত।
"GPT-6 সিরিজের সাথে, বিশেষ করে GPT-6 Astra, Open AI দীর্ঘমেয়াদী কাজের জন্য স্বায়ত্তশাসনের একটি নতুন স্তর মুক্ত করেছে যা নমনীয় এজেন্ট সমন্বয় এবং জটিল কাজের প্রবাহে চরম ধৈর্য প্রয়োজন। যেখানে আমাদের আগে প্রায়শই মানব নির্দেশনা এবং হস্তক্ষেপের প্রয়োজন হতো, এখন আমরা সম্পূর্ণভাবে একটি নিরাপদ এবং ভালোভাবে পর্যবেক্ষিত পরিবেশ সংজ্ঞায়িত করতে মনোযোগ দিতে পারি যেখানে স্পষ্ট লক্ষ্য রয়েছে এবং এজেন্টদের তাদের নিজস্ব পথ খুঁজে পেতে দেওয়া হয়েছে।"—Lucas Baker, Head of LLM R&D, Jump Trading
কোডের ছোট অংশ থেকে বিস্তারিত বিশ্লেষণ পর্যন্ত
অতীত বছরে, AI একটি সহায়ক সরঞ্জাম থেকে সক্ষম, বহুমুখী ব্যবস্থায় পরিণত হয়েছে যা একক কোড অংশ লেখা বা ছোট বাগ খুঁজে পাওয়ার জন্য উপযোগী ছিল, এখন এটি নিজেই পুরো কোডবেস এবং সেবা বিকাশ করতে পারে। এখন, Baker এবং তার দল দেখছেন যে AI তখনই সেরা কাজ করে যখন এটিকে একজন সহকর্মীর মতো আচরণ করা হয়। গবেষকরা একটি মূল সমস্যা, একটি কাজের পরিবেশ এবং ফলাফলের গুণমান ও গুরুত্ব মূল্যায়নের একটি পদ্ধতি সংজ্ঞায়িত করতে পারেন, তারপর বাস্তব সময়ে একটি বা একাধিক এজেন্টকে নির্দেশ দিতে পারেন যে বিশ্লেষণে কোথায় মনোযোগ দেওয়া উচিত বা পরবর্তীতে কোন কাজ চালানো উচিত। Baker বলেন যে GPT-6 Astra-এর সাথে, এজেন্টরা এখন কেবল অর্থবহ এবং ব্যবহারিক পরিবর্তন খুঁজে পাওয়ার ক্ষমতা রাখেন না, বরং একটি পুনরাবৃত্তি উন্নতির প্রক্রিয়ায় সেই সাফল্যগুলো একত্রিত এবং স্তূপীকরণ করার ক্ষমতাও রাখেন। একটি একক দীর্ঘমেয়াদী কাজের সময়কালে, ব্যবস্থাটি তার আবিষ্কারগুলোর বিশ্লেষণ করতে পারে, একটি প্রাথমিক প্রস্তাব থেকে সম্মত মানদণ্ডের বিরুদ্ধে তাদের বিচার করতে পারে, এবং প্রতিটি পরিবর্তনের রাউন্ড বিশ্লেষণ করার জন্য একজন ব্যক্তির প্রয়োজনীয়তার বদলে সক্রিয়ভাবে তার প্রচেষ্টা পুনর্নির্দেশিত করতে পারে। তিনি যেমন বলেছেন, "আপনি এমন কিছু সংজ্ঞায়িত করতে পারেন যা দিনের জন্য চালানোর প্রয়োজন—এর অনেক তথ্য উৎস থেকে তথ্য প্রয়োজন, এতে গুরুত্বপূর্ণ এবং অগুরুত্বপূর্ণ বিষয়ের সূক্ষ্ম সিদ্ধান্ত নেওয়ার প্রয়োজন, এবং সবকিছু পরস্পর সংযুক্ত করার প্রয়োজন—একটি বিস্তারিত বিশ্লেষণ তৈরি করার জন্য যা এখন সত্যিই কাজ করে," তিনি বলেন।
মানব বিচারকে কেন্দ্রে রাখা
Jump Trading প্রতিটি সময়সীমা এবং সম্পদ শ্রেণীতে কাজ করে। প্রক্রিয়ার প্রতিটি ধাপ জটিল, এবং আর্থিকের মতো অত্যধিক নিয়ন্ত্রিত শিল্পে, ভুলের আর্থিক এবং অনুपालন পরিণতি হতে পারে। Baker বলেন যে AI-কে কাজ অর্পণ থেকে উদ্ভূত ঝুঁকি সম্পর্কে সচেতন থাকা অত্যন্ত গুরুত্বপূর্ণ, কিন্তু এজেন্টিক বুদ্ধিমত্তা গুণমান, নিরাপত্তা এবং পর্যবেক্ষণ উন্নত করতেও প্রয়োগ করা যেতে পারে, কেবল বৈশিষ্ট্য যোগ করার জন্য নয়। শক্তিশালী সিস্টেম নকশা এবং সীমানা, স্পষ্ট সীমাবদ্ধতা, স্টিয়ারেবিলিটি এবং ওবজারভেবিলিটি প্রচারকারী অবকাঠামো, এবং পরিবর্তনের মানব পর্যালোচনা Jump Trading-এর দলকে নিশ্চিত করতে সাহায্য করে যে AI-সক্ষম কাজের প্রবাহ নিয়ন্ত্রিত পরিবেশে স্কেল করার জন্য প্রস্তুত।
"আপনার যদি একটি নিরাপদ পরিবেশ থাকে যেখানে এজেন্ট বা ব্যবস্থাটি যে কোনো আউটপুট উৎপাদন করতে মুক্ত যা তাকে প্রয়োজন, কিন্তু এর শেষে একটি মানব পর্যালোচনা প্রক্রিয়াও রয়েছে যেখানে মানব গ্রহণের সাথে গুরুত্বপূর্ণ যাচাইকরণ ঘটে, তাই এটাই আমাদের আত্মবিশ্বাস দেয়," তিনি বলেন। উদাহরণস্বরূপ, যদি একটি এজেন্ট একটি ট্রেডিং সিগন্যাল উৎপাদন করে, তবে এটি যেকোনো আউটপুটের মতোই স্কোপ এবং পর্যালোচনা করা হয়: একটি সিগন্যাল হিসেবে, সাধারণত তথ্যপূর্ণ কিন্তু সম্ভাব্যভাবে ভুল, এবং একীভূত...
মূল এন্টিটি: Co...
FAQ Q: পরিমাণগত গবেষণায় Jump Trading কীভাবে AI ব্যবহার করে?
FAQ A: Jump Trading OpenAI-এর GPT-6 Astra ব্যবহার করে পরিমাণগত গবেষণা স্কেল করে একাধিক তথ্য উৎসকে মানব পর্যালোচনার সাথে একত্রিত করে দীর্ঘমেয়াদী AI কাজের প্রবাহ সক্ষম করে। AI এজেন্ট কোডিং, অনুমান যাচাইকরণ এবং মডেলের পুনরাবৃত্তি উন্নতির সহায়তা করে, যখন মানব তত্ত্বাবধান একটি নিয়ন্ত্রিত পরিবেশে অনুपालন এবং গুণমান নিশ্চিত করে।
উৎস: OpenAI Blog · সারাংশ: HeadlinesBriefing