Il y a quelques semaines, nous avons sorti physical-intern, un agent autonome pour la recherche en physique. Vous lui avez posé un problème en langage clair (comme « dériver la température de Hawking à partir de l'intégrale du chemin euclidien ») et il a exécuté le tout tout seul : d'abord, en analysant la question et en décomposant le problème en morceaux, puis en envoyant les dérivations à des sous-agents spécialisés, en écrivant et en exécutant un code de vérification, en critiquant enfin ses propres résultats et en renvoyant une réponse finale.
Neuf rôles avec des instructions différentes étaient orchestrés dans un pipeline fixe, et il pouvait s'exécuter en une seule fois, sans aucun humain dans la boucle.
Cette conception rigide était délibérée, et elle était là pour une bonne raison : nous l'avons construite pour être mesurée. Nous voulions des preuves tangibles que la structure sur laquelle nous parions (diviser le problème de recherche en morceaux pour travailler chacun dans un contexte nouveau, recouper et critiquer, etc.) vous rapporte réellement quelque chose sur la physique difficile.
La façon d'obtenir ces preuves est d'utiliser un benchmark tel que CritPt, et évidemment un tel benchmark ne peut pas avoir un humain dans la boucle. Notre cadre devait donc être totalement autonome. En fin de compte, ce n’était pas le but, mais c’était le prix de l’expérience.
Et effectivement, l’expérience a fonctionné ! L'approche structurée et multi-agents a largement surperformé les lignes de base en un seul coup, par exemple en faisant passer Kimi K2.6 de 8,0 % à 21,4 % sur le benchmark CritPt, et en faisant passer Gemini 3.1 Pro de 17,7 % à 31,4 %, plus haut que n'importe quel modèle atteint à lui seul.
Mais en tant que physicien, ce n’est pas comme ça que je veux faire de la recherche !
Personne confronté à un réel problème ne veut le saisir dans un oracle et attendre un verdict auquel il devra ensuite procéder par ingénierie inverse et faire confiance. Les chercheurs ne veulent pas de pilote automatique ; ils préfèrent avoir un collaborateur qu'ils peuvent diriger, qui fait le travail, montre son raisonnement et s'enregistre aux moments importants.
Nous avons donc recons...
[Courte citation de 8% de l'article original]