· AI Engineer World's Fair 2026
Автономные agents для научных задач
Autonomous Agents for Scientific Tasks - Sina Shahandeh, RADiCAIT
Для научных агентов мало оптимизировать метрики: явная генерация гипотез через иерархическую декомпозицию задачи выводит их за пределы локальных правок кода.
- Декомпозиция в иерархию документов — задача делится на уровни (данные, архитектура, функция потерь, метрики, скрипты), каждый описан отдельным документом, и агент предлагает изменения на любом из них. В проекте синтетического PET по КТ такой подход, по словам спикера, привёл к идее трёхмерной архитектуры вместо 2.5D, которую обычный цикл оптимизации не предлагал.
- Критика гипотез второй моделью — план проверяет другая модель, а для предложения и критики изменений подключается сильная reasoning-модель с большим объёмом вычислений на инференсе; спикер вызывает GPT 5.5 Pro через
Oracle CLI. - Качественный контроль мультимодальной моделью — часть метрик регистрации снимков качественная (маска лёгких, обрезка, выравнивание), и проверки, которые спикер раньше делал глазами, он передал отдельному Skill на мультимодальной модели.
- Слабое место текущих моделей — мультимодальные модели плохо видят тонкие признаки, например узелок в лёгком, потому что почти не обучались на научных изображениях; спикер считает это главным барьером для замкнутого научного цикла.
Кому полезно: тем, кто строит автоматические эксперименты с ML-моделями на медицинских и других научных данных.
Статья по теме
Главы
Похожие доклады
Как я автоматизирую свою работу в Hugging Face с помощью agents
AI Engineer World's Fair 2026
Близко по содержанию
Рекурсивные coding agents
AI Engineer World's Fair 2026
Близко по содержанию
Как определить, когда AI agent может работать без надзора
Близко по содержанию
Для долгоживущих агентов нужны эксперименты, а не только промпты
AI Engineer World's Fair 2026
Близко по содержанию

