Longues recherches : le problème ne vient pas d'une seule requête
Un chercheur autonome vit dans une réalité différente de celle d'un agent conversationnel classique. Il doit formuler une hypothèse, la vérifier, trouver une erreur, réécrire un script, lancer une expérience, et parfois revenir à une version précédente du modèle. Un tel cycle peut prendre des heures, et la valeur de chaque étape ne devient évidente qu'à la fin.
La plupart des agents de recherche autonomes ont du mal avec cela. Les mécanismes de continuité sont presque inexistants : si une expérience aboutit à une impasse, l'agent ne sait pas comment renouer le fil perdu. Il n'existe pas non plus de fonction permettant de redistribuer les calculs en fonction de l'utilité du résultat actuel. Par conséquent, la recherche devient floue, les ressources de calcul sont gaspillées et la probabilité de mener le travail à terme diminue.
Comment fonctionne la nouvelle approche
C'est précisément ces problèmes que résout le framework ScienceFlow. Ses auteurs — une équipe de 19 chercheurs — ont présenté une architecture de bout en bout pour les expériences scientifiques autonomes. L'agent n'agit pas « sur une seule invite » : il construit une longue trajectoire de recherche.
En interne, le travail est divisé en segments de recherche. Chaque segment est lié à un espace de travail exécutable : scripts, données et environnement y résident. La progression de la recherche n'est pas une série de notes textuelles disparates, mais un état exécutable et récupérable. Cet état peut être « chargé » depuis le disque, ré-exploré, reconstruit et relancé. Grâce à cela, l'agent revient facilement à un point précédent et essaie une autre branche, plutôt que de tout recommencer.
ESTRA : comment choisir la prochaine bifurcation
Le détail clé est la transition entre les états via le mécanisme ESTRA (Executable-State Transition through Re-Anchoring). À chaque étape, l'agent examine deux types d'états : les états vivants, où il peut continuer immédiatement, et les états archivés, qui ont déjà mené à certains résultats. Mais il ne choisit pas simplement un nouveau point, il choisit une ancre pour la suite du mouvement. Ensuite, il détermine un scénario : continuer à avancer depuis cet état ou réorienter la recherche dans une autre direction.
Cette approche élimine le principal fléau des expériences longues : l'effet de l'agent « bloqué », qui continue de s'enfoncer dans une branche sans issue parce qu'il ne sait pas comment revenir en arrière.
Contrôleur d'exécution tenant compte des résultats
Une autre couche du framework est le contrôleur tenant compte des résultats confirmés. Il répartit les ressources entre les différentes tâches de calcul en s'appuyant sur trois facteurs : la disponibilité des capacités, le budget restant et les progrès déjà confirmés. Si une direction cesse de produire des résultats mesurables, le contrôleur peut réduire sa part et rediriger les ressources là où le mouvement est réellement visible. Ce n'est pas un planificateur de tâches « gourmand », mais un moyen de maintenir la stratégie globale dans le cadre de l'objectif.
Ce que les tests ont montré
Lors des tests, le framework couvrait non seulement l'apprentissage automatique classique, mais aussi la modélisation scientifique et l'optimisation mathématique. Les résultats obtenus indiquent que le système est capable de mener efficacement de longues sessions de recherche, sans les transformer en une suite interminable d'étapes déconnectées.
Le résultat le plus notable — sur le MLE-bench complet dans un budget de 24 heures : 70,22 % selon la métrique Any-Medal. C'est 4,92 points de pourcentage de plus que les chiffres publiés précédemment. Étant donné que MLE-bench teste des scénarios réels d'apprentissage automatique, c'est un signal fort : la robustesse du processus importe parfois plus que l'intelligence initiale du modèle.
Ce que cela signifie pour la science autonome
Les auteurs de l'article formulent une conclusion importante : pour faire évoluer la recherche autonome, la gestion de l'état, l'exploration adaptative et l'exécution alignée sur l'objectif sont d'une importance cruciale. La seule capacité à raisonner élégamment ne suffit pas — il faut une infrastructure qui empêche l'agent de perdre les acquis précédents et l'aide à faire volte-face au bon moment.
Il semble que ce soit la prochaine étape entre les assistants LLM et les véritables systèmes de recherche autonomes. Le travail sur un horizon long cesse d'être un « court dialogue avec le modèle » et devient un problème d'ingénierie : comment construire un processus dans lequel chaque version de l'expérience reste accessible, chaque résultat est vérifié, et chaque étape suivante découle d'un progrès confirmé.
