← Каталог

· 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