Ketika kami memperkenalkan GPT‑6 Astra, kami menunjukkan seberapa jauh model kami dalam menggunakan komputer untuk pekerjaan profesional, dari menyiapkan dokumen hingga menguji situs web. Tujuan kami selanjutnya adalah membuat agen lebih mampu dan efisien dalam menggunakan perangkat lunak khusus untuk memecahkan masalah bisnis yang kompleks. Kami sedang menjajaki cara melatih model untuk memahami aturan bisnis perusahaan, menjalankan alur kerja multi-langkah, dan memverifikasi bahwa pekerjaan mereka memenuhi persyaratan awal.
Untuk mempercepat penelitian ini, kami bermitra langsung dengan sejumlah kecil perusahaan perangkat lunak yang paling memahami alur kerja ini. Mitra pertama kami adalah Ironclad, pemimpin dalam kontrak AI. Bekerja sama erat dengan tim Ironclad, kami telah mengembangkan tugas yang mengharuskan agen untuk mengonfigurasi perjanjian, persetujuan, dan persyaratan hukum yang dapat digunakan kembali. Keahlian Ironclad sangat berperan dalam menentukan seperti apa kesuksesan itu dan membawa kebutuhan pelanggan nyata langsung ke pengembangan model perbatasan.
GPT‑6 Astra adalah model perbatasan pertama kami yang dilatih pada tugas-tugas Ironclad. Pada evaluasi penelitian kami, skor rata-ratanya 32% lebih tinggi dari GPT‑5.6 Sol, sementara perkiraan waktu per percobaan 48% lebih rendah. Karyawan Ironclad dan orang-orang yang menggunakan Ironclad di Open AI membantu peneliti kami mengidentifikasi 11 tugas di seluruh pekerjaan hukum, komersial, dan pengadaan. Kami mengevaluasi setiap tugas terhadap 8 hingga 50 kriteria, tergantung pada kompleksitasnya.
Di seluruh 11 tugas penelitian, skor rata-rata Astra adalah 55,0%, dibandingkan dengan 41,6% untuk GPT‑5.6 Sol, sementara perkiraan waktu rata-rata per percobaan turun dari 37,0 menit untuk Sol menjadi 19,2 menit untuk Astra. Model internal yang digunakan dalam pengembangan Astra mencapai 63,7% yang lebih kuat pada tugas-tugas ini, dan kami bertujuan untuk membawa peningkatan lebih lanjut ini ke model-model masa depan.
Sumber: OpenAI Blog · Diringkas oleh HeadlinesBriefing