OpenAI 联手 Ironclad 用强化学习训练 GPT-6 Astra 操作专业软件：合同工作流得分 55.0%（Sol 41.6%），单次耗时减半

核心背景与行业痛点

通用计算机操作 Agent 会点网页、填表，但一进入垂直专业软件就容易翻车：合同平台里的审批阈值、法务条款、采购流程彼此耦合，Agent 只要中途忘掉一条业务规则，整个流程就不可交付。OpenAI 在 官方博文 中宣布与合同平台 Ironclad 共建训练与评测，这是它首次公开“与软件厂商一起把真实工作流变成 RL 训练题”的路线。

架构亮点与底层机制

• 任务来自懂业务的人：Ironclad 员工与内部用户筛出 11 个法务、商务、采购任务，例如配置 NDA 流程、按金额阈值路由财务审批、让可复用条款随管辖地自动变化。
• 细粒度 rubric：每个任务 8–50 条标准，不只看单步对错，而要求最终流程在高于/低于阈值等多种情形下都正确。
• 可练习的环境 + RL：Ironclad 提供托管产品环境；OpenAI 基于 SEC EDGAR 公开合同（已过滤个人信息）合成训练任务，用强化学习让模型在反馈中迭代。

权威 Benchmark 与实测跑分对比

演示任务中 Astra 约 20 分钟满足约 94% 标准，Sol 约 32 分钟满足约 85%；一个内部研发模型已达 63.7%。注意：这只是 11 个研究任务，时间为按模型速度推算的模拟值，并非客户实测，也不代表全部 Ironclad 工作流。

开发者实战落地与开箱指南

1. 做企业 Agent 的团队可直接借鉴这套方法：先和领域专家定任务，再写多条件 rubric，最后搭沙箱环境让模型反复练。
2. 若你的 SaaS 有“Agent 还做不好”的高价值任务，OpenAI 正邀请少量软件公司合作，需要提供失败证据、成功判据、安全测试环境与可用于研究的数据。
3. 评估自家 Agent 时，优先测“端到端流程是否在所有分支下成立”，而非单步点击准确率。