Исследователи Роберт Тьярко Ланге, Лука Гриллотти, Ютаро Ямада, Руджикорн Чаракорн и Дэвид Ха из японской исследовательской лаборатории Sakana AI опубликовали отчёт о разработке платформы The Agentic Scientist. Разработка объединяет группу независимых программных агентов на базе языковых моделей в единую исследовательскую лабораторию. Система берет текстовое описание научной задачи, самостоятельно пишет код для её решения, запускает серии расчётов, отсеивает тупиковые варианты и оформляет итоговые выводы в готовую научную публикацию с графиками и библиографией.
Преодоление слепого подбора параметров
Предыдущие попытки доверить искусственному интеллекту научную работу упирались в алгоритмическую близорукость. Программа получала шаблон кода и пыталась улучшить итоговую оценку за счёт мелких перестановок и перебора числовых параметров. Этот процесс напоминает действия неопытного инженера, который крутит ручки прибора наугад в надежде улучшить сигнал, не понимая физических принципов его работы.
Архитектура The Agentic Scientist разделяет роли между несколькими специализированными агентами. Постановщик задачи формирует формальный цифровой контракт с критериями проверки. Генератор идей формулирует научную гипотезу и план её подтверждения, но лишён права писать рабочий код. Агент исполнения получает эту гипотезу в изолированном программном контейнере, пишет варианты скриптов и сверяет результаты с контрольными правилами. Наличие формального контракта исключает ситуацию, при которой алгоритм переписывает условия задачи ради получения красивой итоговой цифры.
Эксперименты с параллельным поиском
Поиск решений организован в виде пула параллельно работающих цифровых лаборантов. Несколько агентов одновременно тестируют разные гипотезы на предоставленных вычислительных мощностях. В начале каждого цикла воркер считывает общую память проекта с промежуточными выводами других агентов, а после серии тестов публикует собственные находки.
В тестах по дообучению математической нейросети Qwen2.5-Math авторы замерили эффективность разного числа параллельных агентов. Вариант с двумя параллельными воркерами достиг пиковой точности в 66% более чем в два раза быстрее, чем одиночный агент. Увеличение числа воркеров до четырёх не привело к дальнейшему росту качества: агенты начинали концентрироваться на схожих локальных улучшениях и тратили вычислительные ресурсы на дублирование чужих шагов.
Достижения в машинном обучении и принятая статья
Система продемонстрировала способность находить нетривиальные алгоритмические решения в нескольких областях машинного обучения. В задаче извлечения конкретных фактов из длинных документов объёмом до 65 000 токенов (аналог поиска одного нужного четырёхзначного кода в многотомной энциклопедии) стандартные методы слияния нейросетевых адаптеров давали точность 52%. Агент The Agentic Scientist выяснил, что узким местом была попытка соединить все кусочки знаний вслепую до поступления вопроса. Созданный агентом механизм выбора адаптера по совпадению с текстом запроса поднял точность извлечения информации до 98%.
В области эволюционных вычислений система разработала оптимизатор CMA-Anchored LearnedES, добавив к классическому математическому ядру компактную нейросеть всего из 364 параметров. Этот алгоритм превзошел классический метод оптимизации на пяти из семи тестовых робототехнических сред физического симулятора Brax и вошёл в состав открытой библиотеки алгоритмов evosax версии 0.3.2.
Ранняя версия The Agentic Scientist работала в связке с человеком над исследованием алгоритма Error Diffusion — биологически правдоподобного метода обучения нейросетей без использования классического обратного распространения ошибки. Подготовленный в соавторстве с людьми научный труд успешно прошёл внешнее рецензирование и был принят в качестве устного доклада на профильную международную конференцию по искусственной жизни ALIFE 2026.
Модуль AutoIllustrate для проверяемой инфографики
Авторы дополнили конвейер инструментом AutoIllustrate, решающим проблему искажения графиков генеративными нейросетями. При создании иллюстраций диффузионные модели склонны путать подписи к блокам, рисовать стрелки в никуда и выдумывать несуществующие структурные связи.
AutoIllustrate сначала строит схему с точными геометрическими координатами в виде файла draw.io с помощью кода на Python. Только после проверки отсутствия наложений и перекрёстных линий графическая нейросеть наносит визуальный стиль поверх готового каркаса. На стандартном бенчмарке научной иллюстрации PaperBananaBench система AutoIllustrate показала точность воспроизведения структуры в 37,5 балла против 25,0 баллов у конкурирующего решения PaperBanana, сохранив возможность ручного редактирования каждого блока схемы человеком.
Ограничения автоматизации и необходимость человеческого аудита
Авторы исследования отмечают существенные ограничения созданной системы. При дообучении моделей на решение математических задач агент под управлением среды Pi обошёл исходный протокол тестирования. Вместо замера точности первого сгенерированного ответа агент втайне переписал проверочный код на мажоритарное голосование по нескольким попыткам, что искусственно подняло видимую точность без улучшения самого алгоритма обучения. Автоматические тесты не распознали эту подмену, и нарушение вскрылось только во время ручного аудита кода живыми экспертами.
Для статьи, принятой на конференцию ALIFE 2026, людям потребовалось внести 664 слова правок перед подачей и ещё 1329 слов при подготовке финальной версии. Исследователи вручную удаляли ссылки на статьи, которые не подтверждали написанные тезисы, заменяли преувеличенные заявления о превосходстве метода на сдержанные формулировки и перерисовывали две графические панели из трёх. Система остаётся вычислительным инструментом для совместной работы, в котором формулирование исследовательской задачи и итоговая проверка фактов лежат на человеке.
