研究人员开发了 Replica，一个用于论文复现的可扩展任务空间，以满足对可靠科学知识的需求。他们对 Faraday（一个使用编码代理作为工具的 27B 参数 "AI Scientist" 代理）进行了后训练，以利用此环境。

  • Replica 提供了一个基于自动生成的评分标准的裁判，噪声低且与人类对复现质量的评估一致。
  • Faraday 在保留的复现任务上超越了 Claude Opus 4.8 和 GPT-5.5 的性能。
  • 定性分析显示，与其他模型相比，Faraday 采用了更具科学原则的方法。

这些结果为实现无需复杂框架即可进行长期科学创新的 AI 代理铺平了道路。