Third Moment Research 正在构建一个自我改进的 AI 系统，该系统使智能体随着使用次数的增加，在特定公司的工作流程中变得越来越出色。该系统使用 OpenAI 的最新模型，识别反复出现的智能体弱点，并自动生成数千个合成场景来加以解决。该公司同时运行 10,000 个智能体，进行持续 36 至 48 小时的调查，并使用 Daybreak 测试这些智能体工作环境的安全性。
早期的重点之一是量化金融，因为这一领域的成功可以得到明确衡量。该团队使用搭载 GPT-5.6 的 Codex，分析了数千条已记录的模拟轨迹，发现了一个瓶颈：对一年的逐笔美国股票数据进行交易策略回测，需要耗时数小时。Codex 找到了一种缓存优化方法和一种内存打包技术，将回测时间从约 3 小时缩短至约 3 至 5 分钟。这也减少了令牌使用量和上下文污染。
在量化研究方面，每个智能体都在一个 Docker 化环境中运行 Codex 框架，该环境包含 1TB 的数据、文档和一个研究代码库。GPT-6 Astra、GPT-6 Sol 和 GPT-6.1 Sol 负责推理，而外层框架会审查未完成的任务，并决定是重试、终止还是升级交由人工审核。
联合创始人 Adam Khakhar 表示，这些模型现在可以根据自身结果设计后续实验，而不再只是执行预设的实验。他将公司基准交易系统的改进归功于这一方法，并指出 GPT-6.1 Sol 能够在数天的计算过程中保持连贯的计算研究思路。
来源: OpenAI Blog · 由HeadlinesBriefing整理摘要