لكل شركة مسارات عمل وأدوات وحالات خاصة وتعريفاتها الخاصة بالنجاح. (يفتح في نافذة جديدة)Third Moment Research(يفتح في نافذة جديدة) تعتقد أن أفضل الوكلاء يجب أن يكونوا ماهرين حقًا في ذلك العمل المحدد، وأن يحسّنوا قدراتهم كلما زاد استخدامهم.
تبني الشركة نظام ذكاء اصطناعي ذاتي التحسين بناءً على تلك الفكرة، مستخدمة أحدث نماذج OpenAI لفهم سلوك الوكلاء، وتحديد نقاط الضعف المتكررة، وإنشاء آلاف السيناريوهات الاصطناعية حول تلك المشكلات تلقائيًا. يستخدم الفريق تلك السيناريوهات لتحسين الوكلاء، مع تكرار العملية كلما ظهرت مشكلات جديدة.
يدعم Codex وGPT‑6 Astra وGPT‑6 Sol وGPT‑6.1 Sol الأعمال البحثية والحسابية للنظام، ما يمكّن Third Moment من تشغيل 10,000 وكيب في آنٍ واحد في تحقيقات تستمر من 36 إلى 48 ساعة. وتستخدم الشركة أيضًا Daybreak لاختبار أمن البيئات التي يعمل فيها الوكلاء.
“في جلسة واحدة، يتمكن GPT-6.1 Sol من الحفاظ على خيط متماسك من البحث الحسابي على مدار أيام من الحوسبة دون أن يفيد المسار.”—آدم خاكار، شريك مؤسس في Third Moment Research
تقليل زمن التشغيل وهدر الرموز باستخدام Codex
يتمثل أحد التطبيقات المبكرة لـ Third Moment في مجال التمويل الكمي نظرًا لوضوح مقياس النجاح فيه. يوفر هذا المجال سياقًا ملموسًا لدراسة كيفية عمل الوكلاء وأين يواجهون الصعوبات. يستخدم الفريق Codex للعثور على المشكلات في بيئة البحث ومعالجتها.
في إحدى الحالات، استخدم Codex مع GPT‑5.6، أحدث نماذج GPT في ذلك الوقت، لتحليل آلاف مسارات المحاكاة المسجلة (أفعال الوكلاء واستجابات البيئة) إلى جانب الطوابع الزمنية وقاعدة الشيفرة.
اكتشف Codex اختناقًا: كان اختبار استراتيجية تداول بأثر رجعي عبر سنة من بيانات الأسهم الأمريكية على مستوى الأوامر يستغرق عدة ساعات. وأثناء الانتظار، كان الوكلاء يستعلمون بشكل متكرر عن الاكتمال، ما كان يهدر الرموز ويملأ سياقهم بفحوصات الحالة.
بعد تحليل أداء الاختبار الرجعي وفحص مدخلاته واستخدامه، حدد Codex تحسينًا للتخزين المؤقت وتقنية لتعبئة الذاكرة. جرّب الحلول ونشر الإصلاح في بيئة الإنتاج، مما قلّص الاختبار الرجعي من حوالي 3 ساعات إلى حوالي 3 إلى 5 دقائق. هذا قلل من استخدام الرموز وتلوث السياق، محررًا المزيد من ميزانية رموز الوكلاء لإجراء تجارب إضافية.
إبقاء الوكلاء مركزين على المهمة باستخدام Codex وGPT‑6
تزوّد Third Moment كل وكيل بالأدوات والمعلومات والبيئة التي يحتاجها لمهمة محددة. بالنسبة للبحث الكمي، يشغّل الفريق نظام Codex الافتراضي داخل بيئة مغلّفة بـ Docker. يتلقى الوكلاء تيرابايت واحدًا من البيانات، والتوثيق، ومستودع بحثيًا يتضمن وحدات لهندسة الخصائص، وتدريب النماذج بدعم وحدات معالجة الرسوميات، واستراتيجيات التداول، والمحاكاة.
توفر GPT‑6 Astra وGPT‑6 Sol وGPT‑6.1 Sol القدرة على الاستدلال، بينما يمنح نظام Codex الوكلاء أدوات للتصرف ووضع الخطط وتحديد الأهداف وإنشاء وكلاء فرعيين وضغط السياق مع استمرار العمل.
لمعالجة الوكلاء الذين يتوقفون قبل إكمال مهمة، تتعامل Third Moment مع Codex كوكيل فرعي داخل نظام خارجي مدعوم بـ GPT‑6 Sol أو GPT‑6.1 Sol. يفحص النظام الخارجي المسار عندما تُترك مهمة غير مكتملة ويحدد ما إذا كان يجب إعادة المحاولة أو إنهاء المهمة أو تصعيد الأمر لمراجعة بشرية.
“نظام Codex متعدد الاستخدامات للغاية، ويتيح الاستخدام في مجالات مختلفة كثيرة.”—آدم خاكار، شريك مؤسس في Third Moment Research
في تلك البيئة البحثية، يعمل الوكلاء على تحسين نظام تداول أساسي بُني من قبل مهندسي Third Moment. يختبرون استراتيجيات التداول على البيانات التاريخية، ويقيّمون ما إذا كان التحسن ذا معنى أم مجرد ضجيج، ويستخدمون كل نتيجة لاختيار التجربة التالية. وفقًا لآدم، قدّم عملهم تحسينات على نظام التداول الأساسي.
إدامة أبحاث أطول بكفاءة رمزية أعلى
قبل GPT‑5.5، يقول آدم إن النماذج لم تكن قادرة إلا على تنفيذ تجارب يحددها المستخدم. مع GPT‑5.5 وGPT‑5.6، صارت النماذج العاملة مع نظام Codex قادرة على استخدام النتائج لتصميم تجارب لاحقة. والآن مع GPT‑6 Astra وGPT‑6 Sol وGPT‑6.1 Sol، يمكن للوكلاء التحقيق في الأسباب الجذرية من خلال مئات التجارب التي تُشغَّل بالتوازي مع وكلاء فرعيين.
ساعد هذا التطور الوكلاء على استكشاف اتجاهات بحثية لم يتوقعها الفريق. في إحدى الجلسات، حدد GPT‑6.1 Sol تأثير الصفقات غير المعروضة في بورصة حيث كانت تلك الصفقات تمثل حصة أكبر بشكل غير متوقع من حجم التداول. “كانت هذه نتيجة غير بديهية لم تأخذها فريقنا البحثي في الحسبان في البداية”، يقول آدم.
تقيّم Third Moment النماذج عبر التحسين وأنظمة تعلم الآلة والبحث الكمي. تختبر الإصدارات الرائدة بأعلى إعدادات الاستدلال لديها، وتقيّم قدرتها على التنقل في المستودعات وكتابة شيفرة فعالة وإدامة التحقيق. يشمل الاختبار الحالي أيضًا GPT‑6 Luna.
“يُعد GPT-6.1 Sol حاليًا نموذجنا الأكثر استخدامًا نظرًا لكفاءته الرمزية. حيث يُنجز المهام بأقل عدد من الرموز مع تقديم أداء مماثل لـ GPT-6 Astra.”—جيفري يان، شريك مؤسس في Third Moment Research
يطلب أحد المعايير المعيارية من الوكلاء تقليل زمن استجابة التحديث لخدمة لوحة نتائج حية مع الحفاظ على مخرجاتها. يقيس الفريق مقدار التسريع بقسمة متوسط زمن تشغيل حل من إعداد خبير على زمن تشغيل حل النموذج على العتاد نفسه، مع اشتراط الصحة. ووفقًا لآدم، حقق GPT‑6 Astra أكبر تسريع.
للأعمال الموجّهة، بما في ذلك فحص نقاط الضعف الأمنية المحددة في نظام المحاكاة، يستخدم الفريق نماذج أكثر كفاءة مثل GPT‑5.6 Terra. أما بالنسبة للأبحاث العميقة، فيعتقد Adam أن التفكير الاستدلالي الأقوى يمكن أن يبرر التكلفة الأعلى: "في مجال التمويل الكمي، فإن قيمة العثور على إشارة مثيرة للاهتمام ما هي إلا عالية للغاية".
أتمتة اختبارات الأمان باستخدام Daybreak
مع وجود 10,000 وكيل يعملون بشكل مستقل، تحتاج Third Moment إلى وسيلة لاختبار أمان بيئاتها البحثية على نطاق واسع. يستخدم الفريق منصة Daybreak للأمن السيبراني لأتمتة هذا الاختبار قبل إطلاق المحاكاات.
تتحقق هذه الاختبارات مما إذا كان بإمكان وكيل ما الخروج من بيئته البحثية والوصول إلى الشبكة الأوسع. يقول Adam: "باستخدام Daybreak، أصبحنا قادرين على جعل الوكلاء أنفسهم يقومون باختبارات الاختراق على المحاكاة واختبار بنيتها التحتية وأمنها".
"بدون Daybreak، لن نكون قادرين على اختبار هذا بشكل مستقل وعلى نطاق واسع".—Adam Khakhar، شريك مؤسس، Third Moment Research
التوجه نحو مئات الآلاف من الوكلاء المتعاونين
يمتد طموح Third Moment إلى الأعمال المتخصصة التي تقوم بها الشركات كل يوم. بالنسبة لمتجر تجزئة، قد يعني ذلك اتخاذ قرارات أفضل لسلسلة التوريد عندما تكون المخزونات ناقصة أو يتأخر أحد الموردين. بالنسبة لفريق هندسي، قد يعني ذلك اكتشاف اختناقات الأداء في قاعدة برمجية كبيرة. وبالنسبة لشركة تعتمد على المستندات بكثافة، قد يعني ذلك تحديد المواضع التي لا تتطابق فيها الالتزامات الواردة في مستند ما مع النتائج المسجلة في مستند آخر.
وبالبناء على قدرات الاستدلال في GPT‑6 Astra وGPT‑6 Sol وGPT‑6.1 Sol، تخطط Third Moment للتوسع من التحقيقات الفردية إلى مئات الآلاف من الوكلاء الفرعيين المتعاونين. وتنص خارطة طريقها على دعم تريليونات من الرموز (tokens) لسلاسل تضم عشرات التجارب المترابطة، بهدف استخدام ذلك البحث لتحسين الوكلاء بشكل مستقل مع ظهور تحديات جديدة.
بالنسبة لـ Adam، سيمنح هذا الناس قدرة أكبر على تشكيل طريقة تعلم الوكلاء وعملهم: "يمكن أن يكون البشر في موقع ذي نفوذ أشد بكثير، حيث يمكنهم التفكير في كيفية إجراء البحث وتحسين البحث ذاته بدلاً من القيام بالبحث فعلياً".