Third Moment Research एक स्व-सुधारी AI प्रणाली बना रही है, जो एजेंटों को उपयोग बढ़ने के साथ किसी कंपनी के विशिष्ट वर्कफ़्लो में और बेहतर बनाती है। OpenAI के नवीनतम मॉडलों का उपयोग करते हुए यह प्रणाली बार-बार आने वाली एजेंट कमज़ोरियों की पहचान करती है और उन्हें दूर करने के लिए स्वचालित रूप से हज़ारों सिंथेटिक परिदृश्य तैयार करती है। कंपनी एक साथ 10,000 एजेंट चलाती है, जिनकी जांच 36 से 48 घंटे तक चलती है, और उन वातावरणों की सुरक्षा जांचने के लिए Daybreak का उपयोग करती है जहां ये एजेंट काम करते हैं।
शुरुआती फ़ोकस में से एक है क्वांटिटेटिव फ़ाइनेंस, जहां सफलता स्पष्ट रूप से मापी जा सकती है। GPT-5.6 के साथ Codex का उपयोग करते हुए टीम ने हज़ारों रिकॉर्डेड सिमुलेशन ट्रैजेक्टरी का विश्लेषण किया और एक बाधा पाई: अमेरिकी इक्विटी के एक वर्ष के ऑर्डर-स्तर डेटा पर किसी ट्रेडिंग रणनीति का बैकटेस्ट करने में कई घंटे लगते थे। Codex ने एक कैशिंग अनुकूलन और एक मेमोरी-पैकिंग तकनीक पहचानी, जिससे बैकटेस्ट का समय लगभग 3 घंटे से घटकर लगभग 3 से 5 मिनट रह गया। इससे टोकन उपयोग और कॉन्टेक्स्ट प्रदूषण भी कम हुआ।
क्वांटिटेटिव रिसर्च के लिए हर एजेंट एक Dockerized वातावरण में Codex harness चलाता है, जिसमें एक टेराबाइट डेटा, दस्तावेज़ीकरण और एक रिसर्च रिपॉज़िटरी होती है। GPT-6 Astra, GPT-6 Sol और GPT-6.1 Sol तर्क प्रदान करते हैं, जबकि एक बाहरी harness अधूरे कार्यों की समीक्षा करता है और तय करता है कि पुनः प्रयास करना है, समाप्त करना है या मानव समीक्षा के लिए भेजना है।
सह-संस्थापक Adam Khakhar का कहना है कि ये मॉडल अब केवल निर्धारित प्रयोगों को चलाने के बजाय अपने परिणामों से आगे के प्रयोग डिज़ाइन कर सकते हैं। वे इस दृष्टिकोण को कंपनी की बेसलाइन ट्रेडिंग प्रणाली में सुधार का श्रेय देते हैं, और बताते हैं कि GPT-6.1 Sol कई दिनों की कंप्यूट अवधि में कम्प्यूटेशनल रिसर्च का सुसंगत सिलसिला बनाए रख सकता है।
स्रोत: OpenAI Blog · HeadlinesBriefing द्वारा सारांशित