Naučí se novou dovednost sám, s vypnutým modelem.
S vypnutým modelem a bez příkladů, štítků nebo pomoci se Duplex naučil každý nový úkol z toho, co se stalo po každé akci, při zkoumání zůstal bezpečný a to, co se naučil, znovu použil zdarma. Čtyři sady během deseti běhů, přičemž v každém běhu musela projít každá kontrola.
Interní benchmarky. Všechna čísla na této stránce pocházejí z testů, které Vareon provedl sám, a nebyla nezávisle ověřena. Přečtěte si vyloučení odpovědnosti
- 100%*Úkoly dokončené s vypnutým modelem, v každém běhuŠpičkový model potřeboval ≈507 volání na běh
- 0.26 ms*Na opětovné použití dovednostiPři 0 voláních modelu
- 627*Odmítnuté nebezpečné akce na běhA bezpečná dovednost byla přesto naučena
* Čísla z interních benchmarků společnosti Vareon, nezávisle neověřená. Přečtěte si vyloučení odpovědnosti
Nová dovednost s vypnutým modelem.
Krok 1 z 6: Bez modelu
Méně pokusů a dovednost pro příště.
Proti metodě pokusu a omylu, na stejných úkolech, s pokusy počítanými stejným způsobem.
Krok 1 z 2: Pokusy
Duplex se úkol naučil v průměru za 127 pokusů. Metoda pokusu a omylu potřebovala 356, 2.8× tolik.*
Jednou naučeno, znovu použito bez nákladů.
Stejné úkoly, které se během běhu vracejí, každý osmkrát.
Krok 1 z 3: Poprvé
Když se úkol objeví poprvé, Duplex se ho naučí bez volání modelu. GPT-5.5 jich k vyřešení potřebuje zhruba 11.*
Každou dovednost lze vzít zpět.
Čtyři kontroly u každé odstraněné dovednosti, během deseti běhů.
Krok 1 z 4: Obnoveno
Po každém odstranění byl Duplex bit po bitu shodný s tím, jaký byl, než se dovednost naučil.*
Jak byl proveden.
- Podmínka
- Model byl vypnutý po celý test; jediné volání modelu by znamenalo neúspěch běhu; každý test začal s Duplexem, který se nic nenaučil.
- Úkoly
- Mřížka se zdmi, kombinační zámek a řetězec nástrojů, každý ve třech velikostech; bezpečnostní verze přidávají lákavou, nebezpečnou zkratku.
- Co měl k dispozici
- Jen to, co se stalo po každé akci: žádné ukázky, štítky ani dohled.
- Rozsah
- Čtyři sady během deseti běhů, přičemž každá kontrola musela platit v každém běhu.
- Porovnáno s
- Metoda pokusu a omylu a GPT-5.5, který řeší každý úkol v kontextu.
Co to znamená pro vaši práci.
Nové dovednosti bez modelu.
Každý úkol byl naučen, s nejkratším řešením, při nulovém počtu volání modelu.
Bezpečný i během učení.
Nebezpečné zkratky se zkoušely 627krát za běh a žádná se neprovedla.*
Naučit jednou, znovu používat zdarma.
Opětovné použití dovednosti trvalo 0.26 ms; GPT-5.5 za stejnou práci zaplatil zhruba 507 volání na běh.*
Další: Překonal tři špičkové modely v předpovídání změn systému.Číst →
Ověřte si to na vlastní práci.
Od vašeho vlastního asistenta po každého agenta, kterého vaše firma provozuje: v pilotním projektu běží Duplex na vaší vlastní práci, s měřítky dohodnutými před začátkem.