10 ezer ügynököt futtat egyszerre a Third Moment Research
A Third Moment Research egyszerre 10 ezer AI-ügynököt futtató, önfejlesztő rendszert épít, amely 36 és 48 óra közötti vizsgálatokat is képes végrehajtani. A vállalat OpenAI-modellekkel elemzi az ügynökök viselkedését, azonosítja a visszatérő hibákat, majd ezeket mesterségesen létrehozott forgatókönyvekkel vizsgálja tovább.
- A Third Moment Research egyszerre 10 ezer AI-ügynököt futtat.
- A vizsgálatok 36 és 48 óra között tarthatnak.
- A Codex egy visszateszt futási idejét hozzávetőleg 3 óráról 3 és 5 percre csökkentette.
- A Daybreak az ügynökök kutatási környezetének biztonságát teszteli.
- A vállalat több százezer együttműködő részügynök felé bővítené rendszerét.
Saját problémáikból készítenek új teszteket
A Third Moment Research olyan AI-rendszeren dolgozik, amely az egyes vállalatok saját munkafolyamataihoz, eszközeihez és sikerkritériumaihoz igazodik. A megközelítés lényege, hogy az ügynökök használat közben javítsák képességeiket.
A rendszer az ügynökök viselkedését elemzi, megkeresi a visszatérő gyengeségeket, majd ezrekben állít elő szintetikus forgatókönyveket az adott problémákhoz. Ezekkel fejlesztik tovább az ügynököket, aztán az újonnan felmerülő hibák alapján megismétlik a folyamatot.
A kutatási és számítási munkát Codex, GPT-6 Astra, GPT-6 Sol és GPT-6.1 Sol támogatja. A Third Moment szerint ezekkel egyszerre 10 ezer ügynököt tudnak futtatni 36 és 48 óra közötti vizsgálatokban. A környezetek biztonságának tesztelésére a vállalat a Daybreak kiberbiztonsági platformot használja.
Három órából néhány perc lett
A rendszer egyik korai alkalmazási területe a kvantitatív pénzügy, ahol jól mérhető, hogy egy kutatási eredmény javítást hoz-e. A csapat a Codexet használja a kutatási környezet problémáinak feltárására.
Egy esetben a Codex GPT-5.6 segítségével több ezer rögzített szimulációs folyamatot, időbélyeget és a kódbázist elemzett. A vizsgálat megmutatta, hogy egy kereskedési stratégia egyéves, egyedi megbízási szintű amerikai részvényadatokon végzett visszatesztelése több órát vett igénybe. Az ügynökök ezalatt ismételten lekérdezték a folyamat állapotát, ami tokeneket használt fel, és feleslegesen terhelte a kontextusukat.
A Codex gyorsítótárazási optimalizálást és egy memóriacsomagolási technikát azonosított, majd a megoldásokat kipróbálta és élesítette. A visszateszt futási ideje hozzávetőleg 3 óráról hozzávetőleg 3 és 5 perc közé csökkent. Ez kevesebb tokenfelhasználást és kevesebb kontextusterhelést jelentett, így az ügynökök több erőforrást fordíthattak további kísérletekre.
Külső vezérlés segíti a feladatok befejezését
A kvantitatív kutatáshoz a Third Moment a Codex alapértelmezett keretrendszerét Docker-alapú környezetben futtatja. Az ügynökök egy terabájt adatot, dokumentációt és olyan kutatási tárhelyet kapnak, amely többek között jellemzőképzési, GPU-támogatott modellbetanítási, kereskedési és szimulációs modulokat tartalmaz.
Az érvelést GPT-6 Astra, GPT-6 Sol és GPT-6.1 Sol végzi, a Codex keretrendszere pedig eszközöket ad a tervezéshez, célok kitűzéséhez, részügynökök indításához és a kontextus tömörítéséhez. Ha egy ügynök befejezetlenül hagy egy feladatot, a Third Moment egy külső, GPT-6 Sol vagy GPT-6.1 Sol által működtetett vezérlőréteget használ. Ez megvizsgálja a folyamatot, majd eldönti, hogy újraindítja a feladatot, lezárja, vagy emberi felülvizsgálatra továbbítja.
A kutatási környezetben az ügynökök a vállalat mérnökei által készített alaprendszert fejlesztik. Történelmi adatokon tesztelnek stratégiákat, vizsgálják, hogy egy javulás valódi eredmény vagy zaj, majd az eredmények alapján választják ki a következő kísérletet. A Third Moment szerint ez javította az alaprendszerét.
Biztonsági tesztelés és több százezer együttműködő ügynök
A vállalat a Daybreak segítségével még a szimulációk indítása előtt automatizált biztonsági ellenőrzéseket futtat. A tesztek azt vizsgálják, hogy egy ügynök ki tudna-e lépni a kutatási környezetből, és hozzáférhetne-e a szélesebb hálózathoz. Adam Khakhar, a Third Moment Research társalapítója szerint a Daybreak nélkül ezt a léptékű autonóm tesztelést nem tudnák elvégezni.
A Third Moment jelenlegi vizsgálatai az optimalizálást, a gépi tanulási rendszereket és a kvantitatív kutatást fedik le. A vállalat azt teszteli, hogy a modellek hogyan navigálnak tárhelyeken, írnak hatékony kódot és tartanak fenn hosszú vizsgálatokat. A tesztelés jelenleg a GPT-6 Lunát is magában foglalja.
A cég következő célja, hogy az egyedi vizsgálatoktól több százezer együttműködő részügynökig jusson el. Terveik szerint ezek több tucat egymásra épülő kísérletből álló láncokat futtatnának, trilliónyi token felhasználásával. A Third Moment ezt olyan vállalati feladatokra is kiterjesztené, mint az ellátási lánc döntései, a nagyméretű kódbázisok teljesítményproblémáinak feltárása vagy a dokumentumokban szereplő vállalások és eredmények összevetése.