Исследователи разработали Replica, масштабируемое пространство задач для репликации статей, и представили автоматически генерируемого судью на основе рубрик для предоставления низкошумных сигналов вознаграждения, согласованных с человеческой оценкой.
- Команда дообучила Faraday, агента "AI Scientist" на 27B параметров, который использует кодовых агентов в качестве инструментов.
- Faraday превосходит по производительности Claude Opus 4.8 и GPT-5.5 на выделенных задачах репликации.
- Качественный анализ показывает, что Faraday применяет более научно обоснованный подход во время выполнения задач.
Авторы считают, что эти результаты служат ступенькой к созданию AI-агентов, способных к долгосрочным научным инновациям без необходимости использования сложных инструментов.