Sebuah makalah riset baru dari OpenAI menunjukkan bagaimana agen kecerdasan buatan secara fundamental mengubah sifat pekerjaan. Studi ini menyoroti kemampuan agen-agen tersebut untuk menjalankan tugas yang lebih panjang dan kompleks daripada yang sebelumnya memungkinkan. Kemajuan teknologi ini dianggap telah meningkatkan produktivitas di berbagai peran profesional. Temuan ini mengindikasikan pergeseran signifikan dalam cara kerja diatur dan dilakukan melalui otomatisasi. Dengan menangani alur kerja yang rumit, agen AI memungkinkan pengguna mencapai efisiensi yang lebih besar. Makalah ini menjadi bukti dari dampak yang semakin besar dari sistem otonom terhadap pekerjaan modern.
Riset OpenAI Menunjukkan Agen AI Mengubah Pekerjaan
DisCo mendistilasi repositori GitHub menjadi lebih dari 5.000 keterampilan riset AI
Para peneliti mempresentasikan DisCo, agen otonom berbasis keterampilan yang dirancang untuk menjembatani kesenjangan dalam pengetahuan operasional untuk riset machine learning dengan mendistilasi keahlian dari repositori kode. Sistem ini memadatkan proyek sumber terbuka yang banyak digunakan menjadi keterampilan yang dapat digunakan kembali dan terverifikasi melalui dua bentuk pelengkap: distilasi agnostik-tugas dari ekosistem umum dan generasi berorientasi-tugas untuk kebutuhan spesifik.
DisCo mendistilasi repositori GitHub menjadi keterampilan AI4AI untuk meningkatkan kinerja agen penelitian
Para penulis menyajikan DisCo, agen penelitian berbasis keterampilan yang dirancang untuk menjembatani kesenjangan dalam pengetahuan operasional dengan mendistilasi keahlian spesifik domain dari sumber eksternal. Sistem ini memadatkan repositori machine learning yang banyak digunakan menjadi keterampilan yang dapat digunakan kembali dan terverifikasi melalui dua bentuk pelengkap: distilasi agnostik-tugas untuk utilitas luas dan distilasi berorientasi-tugas untuk kebutuhan spesifik.
Optimisasi Terbuka Memungkinkan GPT-5.5 menyusun proses perbaikannya sendiri
Artikel ini memperkenalkan Optimisasi Terbuka (OEO), sebuah kerangka kerja yang memungkinkan pengoptimal model terdepan untuk secara dinamis menyusun proses perbaikannya secara daring, alih-alih mengandalkan pipa optimasi yang telah ditentukan. Para penulis membandingkan OEO dengan dua pendekatan bertahap, SkillOpt dan GEPA, di seluruh 14 perbandingan langsung atas delapan pengaturan target-model benchmark.
Model Astra memecahkan sepuluh masalah terbuka dalam matematika dan ilmu komputer teoretis
Model internal Astra dari OpenAI telah menghasilkan solusi untuk sepuluh masalah terbuka yang telah berlangsung lama di bidang matematika dan ilmu komputer teoretis, dengan argumen yang diformalisasi dalam Lean. Hasil-hasil ini mencakup geometri berdimensi tinggi, teori pengkodean, teori grup, dan kompleksitas kuantum, menjawab pertanyaan-pertanyaan yang tidak menunjukkan kemajuan selama setidaknya satu dekade.
APEx mendistilasi pengalaman prosedural agen untuk penelitian mendalam yang adaptif
Peneliti mengusulkan APEx, sebuah kerangka pemanfaatan pengalaman hierarkis yang mengorganisir riwayat interaksi menjadi memori trajektori tingkat instance dan keterampilan prosedural tingkat kategori untuk meningkatkan agen penelitian mendalam.