OpenAI与Ironclad合作：利用合同工作流训练AI代理，GPT-6 Astra表现显著优于前代
2026/10/06 18:00阅读量 6
OpenAI与AI合同管理平台Ironclad展开研究合作，将复杂的合同配置、审批及条款更新等真实工作流转化为AI代理的训练任务。在针对11项专业任务的评估中，GPT-6 Astra的平均得分达到55.0%，较GPT-5.6 Sol提升32%，且单次尝试耗时减少48%。该合作旨在通过强化学习和合成数据，提升模型处理多步骤业务规则和理解复杂企业流程的能力。
事件概述
OpenAI宣布与领先的AI合同管理公司Ironclad建立研究合作伙伴关系，旨在通过真实的商业工作流来训练和评估AI代理（Agents）。此次合作的核心目标是将复杂的合同生命周期管理任务转化为可量化的研究问题，以解决当前大模型在处理多步骤、需遵循严格业务规则的专业工作时存在的不足。
核心信息
1. 训练方法与数据来源
- 任务转化：研究人员与Ironclad团队及内部用户合作，识别并定义了11项涵盖法律、商务和采购领域的复杂任务，包括设置保密协议（NDA）、创建采购审批流程以及根据司法管辖区更新可复用法律条款等。
- 工作量估算：这些任务对于经验丰富的用户而言，平均每项需要30至40分钟完成。
- 数据隐私与安全：训练使用的合成任务数据源自SEC EDGAR数据库中公开可用的合同文件，经过过滤去除了个人信息。未使用OpenAI客户数据、内部合同或非公开的Ironclad客户数据进行训练或评估。
- 技术路径：利用强化学习（Reinforcement Learning）结合详细的评价标准（每项任务包含8至50个评估指标），让模型在托管的软件环境中通过实践和反馈进行迭代优化。
2. 性能评估结果
OpenAI对比了GPT-6 Astra（使用Max推理模式）与GPT-5.6 Sol（使用High推理模式）在上述11项研究任务上的表现：
| 指标 | GPT-5.6 Sol (High) | GPT-6 Astra (Max) | 变化幅度 |
|---|---|---|---|
| 平均评分 | 41.6% | 55.0% | +32% |
| 平均耗时 | 37.0 分钟 | 19.2 分钟 | -48% |
- 具体案例表现：在演示的同一项研究任务中，GPT-6 Astra在约20分钟内满足了约94%的任务标准，而GPT-5.6 Sol在约32分钟内仅满足约85%的标准。
- 内部模型进展：用于开发Astra的内部模型在该基准测试中取得了63.7%的高分，显示出进一步的性能提升潜力。
3. 合作意义与行业影响
- 复杂性挑战：合同流程不仅涉及单一动作的执行，更要求代理理解整个合同生命周期，并在处理例外情况时保持对核心业务规则和控制措施的遵循。任何规则的遗漏都会限制软件公司在自动化方面的信心。
- 人机协作必要性：尽管AI能力显著提升，但在处理高度复杂的合同事务时，人类监督仍然不可或缺。完整的合同平台仍是确保合规性和控制力的关键基础设施。
- 未来展望：随着模型能力的增强，Ironclad有望在其产品中集成更强大的AI功能，帮助法律和商务团队承担更多复杂合同工作中的基础努力，同时保留必要的控制机制。
值得关注
OpenAI正在邀请少数具备深厚领域知识、能提供安全测试环境及脱敏数据的软件公司参与此类研究合作。合作方需提供具体的Agent任务示例、失败证据及成功判定标准，以便共同研究模型失败原因并验证改进效果。