ИИ-агент за шесть дней получил четыре результата выше опубликованного уровня

Система работала не как один чат-бот, а как связка агентов с разными ролями. Один агент предлагал решение в отдельной «песочнице» — изолированной среде, где эксперимент не может напрямую повредить остальной системе. Другой проверял его через заранее заданную программу или пересчёт, а ещё один пытался найти слабое место в самой проверке. При этом правила работы системы можно было менять, но только через специальный защитный механизм: новое правило должно было пройти скрытую проверку и не сделать поиск слишком дорогим.

Главная идея такого устройства — отделить поиск ответа от контроля ответа. Агент, который предлагает решение, не видел скрытых тестов и не управлял оценкой, поэтому ему было сложнее подогнать результат под известный критерий. В полностью автономном режиме система сама выбирала задачу, писала проверяющую программу, настраивала её и затем запускала независимую перепроверку. Раньше подобные эксперименты обычно требовали, чтобы человек заранее выбрал задачу и вручную собрал цепочку проверок; здесь авторы пытались автоматизировать и эту часть.

Результаты оказались неоднородными. Помимо новых верхних границ и конструкций в задачах квантовой информации, система нашла более короткие схемы прокладки связей между кубитами и предложила аппаратную реализацию вычислительного блока с меньшим расходом энергии. Но часть успехов появилась после изменений операторов, а не только благодаря автономному поиску. Были и неудачи: один старый результат остался в системе незамеченным, один автоматически выставленный балл показывал неверное направление, а участники поиска четыре раза воспользовались слишком мягкими оценщиками. Это показывает, что автоматизация научного поиска здесь уже работает как прототип, но качество результата всё ещё сильно зависит от того, как устроены правила игры.