Third Moment Research একটি স্ব-উন্নয়নশীল AI সিস্টেম তৈরি করছে, যা এজেন্টদের যত বেশি ব্যবহার করা হয়, তত বেশি কোনো নির্দিষ্ট কোম্পানির ওয়ার্কফ্লোতে তারা আরও ভালো হয়ে ওঠে। OpenAI-এর সর্বশেষ মডেল ব্যবহার করে এই সিস্টেম এজেন্টদের বারবার দেখা দুর্বলতাগুলো চিহ্নিত করে এবং সেগুলো মোকাবিলায় স্বয়ংক্রিয়ভাবে হাজার হাজার সিনথেটিক পরিস্থিতি তৈরি করে। কোম্পানি একই সঙ্গে ১০,০০০ এজেন্ট চালায়, যা ৩৬ থেকে ৪৮ ঘণ্টা ধরে চলা তদন্তে কাজ করে, এবং এজেন্টরা যে পরিবেশে কাজ করে তার নিরাপত্তা পরীক্ষার জন্য Daybreak ব্যবহার করে।
প্রাথমিক গুরুত্বের একটি ক্ষেত্র হলো কোয়ান্টিটেটিভ ফাইন্যান্স, যেখানে সাফল্য স্পষ্টভাবে পরিমাপ করা যায়। GPT-5.6 সহ Codex ব্যবহার করে দলটি হাজার হাজার রেকর্ড করা সিমুলেশন ট্র্যাজেক্টরি বিশ্লেষণ করে একটি বাধা খুঁজে পায়: মার্কিন ইক্যুইটির এক বছরের অর্ডার-স্তরের ডেটায় একটি ট্রেডিং কৌশলের ব্যাকটেস্ট করতে কয়েক ঘণ্টা লাগত। Codex একটি ক্যাশিং অপ্টিমাইজেশন এবং একটি মেমোরি-প্যাকিং কৌশল চিহ্নিত করে, যাতে ব্যাকটেস্ট প্রায় ৩ ঘণ্টা থেকে নেমে প্রায় ৩ থেকে ৫ মিনিটে দাঁড়ায়। এতে টোকেন ব্যবহার ও কনটেক্সট দূষণও কমে।
কোয়ান্টিটেটিভ গবেষণার জন্য প্রতিটি এজেন্ট একটি Dockerized পরিবেশে Codex harness চালায়, যেখানে এক টেরাবাইট ডেটা, ডকুমেন্টেশন এবং একটি গবেষণা রিপোজিটরি থাকে। GPT-6 Astra, GPT-6 Sol এবং GPT-6.1 Sol যুক্তি প্রদান করে, আর একটি বাহ্যিক harness অসম্পূর্ণ কাজগুলো পর্যালোচনা করে এবং সিদ্ধান্ত নেয় পুনরায় চেষ্টা করা হবে, বন্ধ করা হবে, নাকি মানুষের পর্যালোচনার জন্য পাঠানো হবে।
সহ-প্রতিষ্ঠাতা Adam Khakhar বলেন, নির্ধারিত পরীক্ষা চালানোর পাশাপাশি এখন মডেলগুলো নিজেদের ফলাফল থেকে পরবর্তী পরীক্ষা নকশা করতে পারে। তিনি এই পদ্ধতিকে কোম্পানির বেসলাইন ট্রেডিং সিস্টেমের উন্নতির কৃতিত্ব দেন, এবং উল্লেখ করেন যে GPT-6.1 Sol কয়েক দিনের কম্পিউট সময় জুড়ে সুসংগত কম্পিউটেশনাল গবেষণার ধারাবাহিকতা বজায় রাখতে পারে।
উৎস: OpenAI Blog · সারাংশ: HeadlinesBriefing