शोधकर्ताओं ने Replica विकसित किया है, जो लेख प्रतिकृति के लिए एक स्केलेबल कार्य स्थान है, और मानव मूल्यांकन के साथ संरेखित कम-शोर वाले पुरस्कार संकेत प्रदान करने के लिए स्वचालित रूप से उत्पन्न रूबरिक-आधारित जज का परिचय दिया है।
- टीम ने Faraday को पोस्ट-ट्रेन किया, जो एक 27B-पैरामीटर "AI Scientist" एजेंट है जो टूल के रूप में कोडिंग एजेंट्स का उपयोग करता है।
- Faraday ने हर्ड-आउट प्रतिकृति कार्यों पर Claude Opus 4.8 और GPT-5.5 की प्रदर्शन को पार कर दिया है।
- गुणात्मक विश्लेषण संकेत देता है कि Faraday रोलआउट के दौरान अधिक वैज्ञानिक-सिद्धांत आधारित दृष्टिकोण अपनाता है।
लेखकों का मानना है कि ये परिणाम जटिल हार्नेस की आवश्यकता के बिना दीर्घकालिक वैज्ञानिक नवाचार में सक्षम AI एजेंट्स की ओर एक कदम प्रदान करते हैं।