Spring til indhold
Advancing Bits to Master Atoms

Regler og godkendelser.
Dine regler kommer først, og de trin, du vælger, venter på en person.

I styrede miljøer stoppes et trin, der bryder en regel, før det kører, og de trin, du vælger, såsom en dyr simulering eller en ændring af delte data, venter på, at en person godkender dem.

Husk og styr · en af de fjorten funktioner i MS Duplex

En bom i satinsølv på tværs af et grafitspor, en koboltblå nøglekontakt i dens stolpe og en lille sølvkugle, der venter foran bommen.En bom i satinsølv på tværs af et grafitspor, en koboltblå nøglekontakt i dens stolpe og en lille sølvkugle, der venter foran bommen.

Det får dit team

  • Kostbare trin kontrolleret, før de starter
  • Godkendelser dokumenteret, med hvem der godkendte hvad
  • Regler, der ændres i dag, uden noget at gentræne

Hvad regler og godkendelser betyder for dit team.

Regler og godkendelser betyder, at den AI, dine forskere og ingeniører bruger, arbejder inden for de grænser, dit team sætter. En regel er noget, dit team kræver, såsom en budgetgrænse eller en protokol, et trin skal følge. En præference er, hvordan dit team helst vil arbejde, såsom en foretrukken metode eller en standardindstilling. MS Duplex holder de to adskilt, og begge forbliver synlige i ræsonnementet, så alle kan se, hvilken af dem der formede et trin.

I styrede miljøer lader en understøttet opsætning med hooks de trin, du vælger, gå gennem MS Duplex, så dine regler gælder, før en kostbar simulering eller kørsel begynder. Dér stoppes et trin, der bryder en regel, før det kører. De trin, du markerer til godkendelse, såsom en dyr simulering eller en ændring af delte data, venter på en person, og hver godkendelse registreres med, hvem der godkendte hvad.

Regler ændrer sig, efterhånden som forskningen gør. En ny regel gælder fra næste forespørgsel, uden noget at gentræne og uden en ny modelversion at validere, fordi dine regler ligger i MS Duplex ved siden af modellen, med dens vægte uændrede.

Hvorfor forskning har brug for AI, der arbejder inden for dine regler.

Forskningsagenter planlægger nu kørsler, kalder simulatorer og rører ved delte data. Jo mere de kan, desto vigtigere er det, at dit teams regler kommer først.

Et forskningsteam kører efter regler, der er lette at formulere og dyre at bryde: et budget for regnekraft, en godkendt protokol, referencedata, som kun bestemte personer må ændre, en gennemgang, før et resultat markeres som endeligt. En ny kollega lærer dem over måneder. En AI-agent har brug for dem synlige ved hvert trin, holdt adskilt fra de vaner og præferencer, der er åbne for vurdering.

Når regler kun findes i en prompt eller en note, kan en agent overse dem, og ingen opdager det, før kørslen allerede har brugt sit budget. Godkendelser givet i en chat er svære at finde senere. I styrede miljøer kontrollerer MS Duplex de trin, du vælger, før de starter, og gemmer hver godkendelse sammen med det trin, den tillod, så dokumentationen viser, hvem der besluttede hvad.

  • Kørsler er dyre

    En simulering eller et eksperiment, der aldrig burde være startet, koster regnekraft og laboratorietid, som en kontrol på forhånd ville have sparet.

  • Delte data betyder noget

    En ændring af data, som hele teamet er afhængigt af, fortjener en persons godkendelse, før den sker.

  • Regler ændrer sig

    En ny protokol eller et nyt budget skal træde i kraft fra næste forespørgsel, uden at man skal vente på en træningscyklus.

  • Beslutninger har brug for en ejer

    Dit team skal senere kunne vise, hvem der godkendte et trin, og på hvilket grundlag.

En lige grafitkanal med tre låse i satinsølv langs den, hvor den midterste lås er forseglet med et koboltblåt bånd.En lige grafitkanal med tre låse i satinsølv langs den, hvor den midterste lås er forseglet med et koboltblåt bånd.

Sådan fungerer regler og godkendelser i dit teams hverdag.

Dit team sætter reglerne og vælger de trin, der kræver en person. MS Duplex holder dem synlige og anvender dem, i styrede miljøer, før et trin begynder.

  1. 1

    Dit team sætter reglerne

    Regler og præferencer registreres adskilt, og dit team vælger de trin, der venter på godkendelse, såsom en dyr simulering eller en ændring af delte data.

  2. 2

    Din agent planlægger arbejdet

    Den foreslår det næste trin med den model og de værktøjer, dit team allerede bruger, og de regler og præferencer, der formede det, er synlige i ræsonnementet.

  3. 3

    Trinnet kontrolleres

    I styrede miljøer stoppes et trin, der bryder en regel, før det kører, og et valgt trin venter på, at en person godkender det.

  4. 4

    Godkendelsen registreres

    Hvem der godkendte hvad, gemmes sammen med det trin, det tillod. En ny regel, dit team tilføjer, gælder fra næste forespørgsel.

Et eksempel, inden for ethvert felt, hvor en agent planlægger kostbare kørsler.

Et teams agent planlægger en række kørsler på et delt budget for regnekraft, i et styret miljø. I løbet af en uge former teamets regler, hvad den gør, og hver godkendelse registreres.

  1. 1

    En regel og en præference

    Mandag registrerer teamet en regel om, at enhver kørsel over en fastsat pris venter på godkendelse, og en præference for dets sædvanlige analysemetode. Begge er synlige i agentens ræsonnement fra næste forespørgsel.

  2. 2

    Et trin, der venter

    Tirsdag foreslår agenten en dyr simulering. I det styrede miljø venter trinnet på godkendelse. En seniorforsker godkender det med en note om hvorfor, og godkendelsen registreres.

  3. 3

    Et trin, der stoppes

    Onsdag foreslår agenten at redigere en delt referencetabel, som en teamregel forbeholder tabellens ejer. I det styrede miljø stoppes trinnet, før det kører, og reglen bag vises.

  4. 4

    En ny regel

    Torsdag, efter en gennemgang, tilføjer teamet en regel om, at et kandidatdesign først markeres som endeligt efter en ekspertkontrol. Den gælder fra agentens næste forespørgsel, uden noget at gentræne.

Regler og godkendelser holder de andre funktioner i dine hænder.

Hver funktion i MS Duplex arbejder inden for de regler, dit team sætter.

  • Simulering før handling

    Simulering før handling vejer et kostbart trin op mod målet, og i styrede miljøer afgør dine regler, om det venter på en person, før det kører.

  • Beslutninger, der kender deres grænser

    Svære afgørelser går til en forsker med begrundelsen, og i styrede miljøer venter de trin, du vælger, på en persons godkendelse, så mennesker beslutter dér, hvor dit team ønsker det.

  • Personlige lag, teamlag og organisationslag

    Dine regler afgør, hvad der flyttes mellem det personlige lag, teamlaget og organisationslaget, og en organisationsstandard gælder overalt, hvor du ønsker det.

  • Sporbarhed, gennemgang og aflæring

    Hver godkendelse ligger i samme historik som lektierne, med hvem der godkendte hvad, klar til gennemgang og eksport.

Det får dit team.

AI, der arbejder inden for dit teams regler, med kostbare trin kontrolleret og hver godkendelse registreret.

  • Kostbare trin kontrolleret, før de starter

    I styrede miljøer kontrolleres de trin, du vælger, mod dine regler, før der bruges regnekraft eller laboratorietid.

  • Regelbrud stoppes

    I styrede miljøer stoppes et trin, der bryder en af dine regler, før det kører.

  • Godkendelser, hvor du vil have dem

    De trin, du vælger, såsom en dyr simulering eller en ændring af delte data, venter i styrede miljøer på, at en person godkender dem.

  • Registrerede godkendelser

    Hver godkendelse gemmes med, hvem der godkendte hvad, klar til gennemgang.

  • Regler og præferencer adskilt

    Det, dit team kræver, og det, det helst vil gøre, holdes adskilt, og begge er synlige i ræsonnementet.

  • Regler, der ændres i dag

    En ny regel gælder fra næste forespørgsel, uden noget at gentræne.

Almindelige spørgsmål.

Stopper MS Duplex et trin, før det kører?

I styrede miljøer, ja. Hvor en understøttet opsætning med hooks lader de trin, du vælger, gå gennem MS Duplex, stoppes et trin, der bryder en regel, før det kører, og de trin, du markerer til godkendelse, venter på en person. Med en standardforbindelse kalder din agent MS Duplex for at hente relevant erfaring, og dine regler og præferencer er synlige i dens ræsonnement.

Hvad er forskellen på en regel og en præference?

En regel er noget, dit team kræver, såsom en budgetgrænse eller en protokol. En præference er, hvordan dit team helst vil arbejde, såsom en foretrukken metode. MS Duplex holder de to adskilt og viser begge i ræsonnementet, så alle kan se, hvilken af dem der formede et trin.

Hvilke trin venter på godkendelse?

Dem, dit team vælger, såsom en dyr simulering eller en ændring af delte data. I styrede miljøer venter de trin på en person, før de kører, og hver godkendelse registreres med, hvem der godkendte hvad.

Hvad sker der, når vi ændrer en regel?

En ny regel gælder fra næste forespørgsel. Der er intet at gentræne, fordi dine regler ligger i MS Duplex ved siden af modellen, med dens vægte uændrede.

Lad den næste kørsel drage nytte af den forrige.

Kom til os med den forskning, din AI skal blive bedre til. Vi planlægger et pilotprojekt på dine egne arbejdsgange, med dine eksperter som dommere.