Third Moment Research sedang membangun sistem AI yang memperbaiki diri sendiri, yang memungkinkan agen semakin baik dalam alur kerja spesifik perusahaan seiring semakin sering digunakan. Dengan memanfaatkan model terbaru OpenAI, sistem ini mengidentifikasi kelemahan agen yang berulang dan secara otomatis membuat ribuan skenario sintetis untuk mengatasinya. Perusahaan menjalankan 10.000 agen sekaligus untuk investigasi yang berlangsung 36 hingga 48 jam, dan menggunakan Daybreak untuk menguji keamanan lingkungan tempat agen-agen tersebut bekerja.
Salah satu fokus awal adalah keuangan kuantitatif, di mana keberhasilan dapat diukur dengan jelas. Dengan menggunakan Codex dengan GPT-5.6, tim menganalisis ribuan lintasan simulasi yang terekam dan menemukan hambatan: melakukan backtesting strategi perdagangan pada data tingkat order saham AS selama setahun memakan waktu beberapa jam. Codex mengidentifikasi optimasi caching dan teknik pengemasan memori, sehingga memangkas backtest dari sekitar 3 jam menjadi sekitar 3 hingga 5 menit. Hal ini juga mengurangi penggunaan token dan kontaminasi konteks.
Untuk penelitian kuantitatif, setiap agen menjalankan harness Codex di dalam lingkungan Docker yang berisi satu terabyte data, dokumentasi, dan repositori penelitian. GPT-6 Astra, GPT-6 Sol, dan GPT-6.1 Sol menyediakan penalaran, sementara harness luar meninjau tugas yang belum selesai dan memutuskan apakah akan mencoba ulang, menghentikan, atau meneruskan ke tinjauan manusia.
Co-founder Adam Khakhar mengatakan model kini dapat merancang eksperimen lanjutan dari hasilnya sendiri, alih-alih hanya menjalankan eksperimen yang ditentukan. Ia menganggap pendekatan ini meningkatkan sistem perdagangan dasar perusahaan, dan mencatat bahwa GPT-6.1 Sol dapat mempertahankan alur penelitian komputasi yang koheren selama berhari-hari komputasi.
Sumber: OpenAI Blog · Diringkas oleh HeadlinesBriefing