研究人员开发了 Replica，一个用于论文复现的可扩展任务空间，并引入了自动生成的基于量表的评估者，以提供与人类评估一致的低噪声奖励信号。

  • 团队对 Faraday 进行了后训练，这是一个拥有 27B 参数的 "AI Scientist" 智能体，它利用编码智能体作为工具。
  • Faraday 在预留的复现任务上超越了 Claude Opus 4.8 和 GPT-5.5 的性能。
  • 定性分析表明，Faraday 在执行过程中采用了更科学的方法。

作者认为这些结果为迈向无需复杂框架即可实现长期科学创新的 AI 智能体奠定了基础。