用 Ironclad 推进计算机使用
原题:Advancing computer use with Ironclad
内容导读
学习OpenAI和Ironclad如何培训和评价AI代理商复杂的订约工作流程,以推进计算机用于专业工作.

全文阅读
来源:OpenAI即会翻译
2026年10月6日 (中文(简体) ).
出版物用 Ironclad 推进计算机使用
在签约方面的研究合作如何帮助我们培训和评价AI特工人员从事复杂的专业工作.
当我们介绍GPT-6 Astra时,我们展示了我们的模型在使用计算机从事专业工作,从编写文件到测试网站方面已经取得了多大进展。我们的下一个目标是使代理商在使用专门软件解决复杂的商业问题上更能更有效率.我们正在探索如何训练模型来理解公司的业务规则,执行多步骤的工作流程,并验证它们的工作是否符合最初的要求.
为了加速研究,我们正与少数最了解这些工作流程的软件公司直接合作。我们共同确定具有挑战性的高价值任务,并将它们变成培训和评估我们模型的研究问题,最终使我们模型在现实世界商业应用中更能更有用。
我们的第一个搭档是Ironclad, AI签约的领头人。我们与Ironclad的团队密切合作,制定了任务,要求代理人配置协议、批准和可重复使用的法律术语,并展示了这些复杂工作流程的进展。在确定成功是什么样子和将真正的客户需求直接纳入前沿模型开发方面,Ironclad的专长起到了重要作用。我们感谢他们的合作,
GPT ⁇ 6 Astra是我们第一位接受过"铁克勒德"任务训练的前沿模型.根据我们的研究评估,平均得分比GPT-5.6 Sol高32%,而每次尝试的估计时间则低了48%。
将订约工作流程转化为培训任务
考虑成立一个法律行动组,为购买软件建立一个程序。资金可能需要批准一定数额以上的采购,担保可能需要审查某些请求,而法律可能需要审查非标准条款。制定程序的人必须将这份短名单变成一份接收表、文件模板、批准规则和最后协议记录。
从事同样工作的AI代理在通过软件移动时必须注意这些要求。例如,它必须配置高于支出门槛的财务核准,并检查其上下的请求是否遵循正确的路径。仅仅正确采取个别步骤是不够的:完成的进程必须贯穿它所要处理的各种情况。
在OpenAI使用Ironclad的铁板员工和人员帮助我们的研究者确定了11项跨越法律、商业和采购工作的任务。这些任务包括订立不披露协议、建立采购批准程序并更新可重复使用的法律条款,以反映请求人所选择的管辖权。我们估计,这项工作平均需要30至40分钟的有经验的用户。
我们根据每项任务的复杂性,按照8至50个标准对每项任务进行评估。这让我们看看模型的哪些部分是正确的,它在哪里不足。Ironclad还提供了其产品的主机软件环境,使模型能够执行这些任务。我们的研究人员围绕有代表性的工作流程制定了合成培训任务,2 并利用强化学习帮助模型通过实践和反馈改进.这种组合——与那些了解工作、详细标准以及可供模型实践的地方的人一起选择的任务——确保我们正在改进对我们的客户来说最重要的现实世界任务。
阿斯特拉是如何表现的
我们比较了Astra和GPT ⁇ 5.6 Sol, 使用最大推理为Astra和高推理为Sol, 每一个模型得分最高的设置。在11项研究任务中,阿斯特拉的平均得分是55.0%,而GPT-5.6 Sol的平均得分是41.6%,而每次尝试的平均时间估计从Sol的37.0分钟下降到了Astra的19.2分钟。 3 在阿斯特拉开发过程中使用的内部模型在这些任务上取得了更强大的63.7%,我们的目标是将这些进一步的收益带给未来的模型。
| 度量衡 | GPT ⁇ 5.6 高级推理 | GPT ⁇ 6 AstraMax 推理 |
| 平均比分 | 41.6% | 55.0% |
| 估计每次尝试的平均时间 | 37.0分钟 | 19.2分钟 |
Astra在每次尝试中都满足了更多的任务要求,模拟时间较少。下面的两个片段显示了模型如何处理同样的研究任务.Astra(第一次)估计在20分钟内达到约94%的任务标准;GPT-5.6 Sol(第二次)估计在32分钟内达到约85%。
GPT-6 Astra估计在20分钟内达到约94%的任务标准.
GPT ⁇ 5.6 Sol估计在32分钟内达到约85%的任务标准.
这种合作对Ironclad意味着什么?
Ironclad在这项工作中的作用反映了其客户所清楚知道的一个挑战:订约过程必须处理例外,同时保留企业所依赖的规则。如果代理商在完成某项任务时半途而废,这限制了软件公司可以自信地要求它完成的任务。这突出表明了为什么人的监督仍然作为代理人在复杂的订约任务中做得更好,为什么一个完整的订约平台仍然至关重要。与研究者合作,让Ironclad将这些问题引入到基础模型的开发中,我们可以一起研究这些问题.
随着模型能力增强,Ironclad有机会将其用于更多的自有产品.对于法律和企业团队来说,这可能意味着大赦国际承担复杂订约所涉及的更多努力,同时保留这些团队所依赖的控制。
“大赦国际若要真正在复杂的订约领域发挥作用,就必须做更多的工作,而不是完成个人行动。代理商需要了解整个订约生命周期,包括业务工作流程如何在保持控制小组依赖的情况下相互连接。我们与OpenAI的合作将这些现实世界的挑战带入了研究进程,并有助于推动技术的发展。”
与我们合作,推进AI的复杂专业工作
我们邀请少数软件公司直接与我们的研究和工程团队合作, 执行今天的代理商仍无法可靠完成的重要专业任务。如果你的团队有一个,我们希望看到一个具体的例子:你要求代理人做什么,证明它在哪里失败,以及你如何判断一个成功的结果。合作伙伴还应能够把对工作有深刻了解的人、一个安全的测试环境以及能够安全地用于研究的数据带入其中。这给了我们调查失败和衡量模型是否改进的起点.
如果这说明你的团队, 申请探索研究合作。
- 2026
作者
脚注
- 1 这些成果涵盖11个研究任务,并非全部Ironclad工作流程.时间是根据假设的模型处理和生成速度模拟的估计,而不是测量客户节省的时间.
- 2 我们应用了旨在去除个人信息的过滤器后,从SEC电子数据交换数据库中公开的合约中创建了模拟任务.我们没有使用OpenAI的客户数据,OpenAI的内部合同,也没有使用非公开的Ironclad客户数据或培训或评价合同。
- 3 见上文研究-评价脚注。
继续读

研究Oct 6, 2026 (英语).

出版物Sep 23, 2026

研究Sep 8, 2026 (英语).
原文及图片版权归原作者或相应权利人。文中观点是原作者的,与即会无关。