Riset jangka panjang: masalahnya bukan pada satu permintaan
Peneliti otonom hidup dalam realitas yang berbeda dari agen obrolan biasa. Ia perlu mengajukan hipotesis, mengujinya, menemukan kesalahan, menulis ulang skrip, menjalankan eksperimen, dan terkadang kembali ke versi model sebelumnya. Siklus seperti ini bisa memakan waktu berjam-jam, dan nilai dari setiap langkah baru menjadi jelas hanya di akhir.
Pada kebanyakan agen riset-otomatis, hal ini sulit dilakukan. Mekanisme keberlanjutan hampir tidak ada: jika eksperimen menemui jalan buntu, agen tidak tahu cara memulihkan benang yang hilang. Tidak ada juga fungsi untuk mengalokasikan ulang komputasi berdasarkan seberapa bergunanya hasil saat ini. Akibatnya, pencarian menjadi longgar, sumber daya komputasi terbuang percuma, dan kemungkinan untuk menyelesaikan pekerjaan hingga tuntas menurun.
Bagaimana pendekatan baru ini dirancang
Justru masalah-masalah inilah yang dipecahkan oleh kerangka kerja ScienceFlow. Para penulisnya — tim yang terdiri dari 19 peneliti — mempresentasikan arsitektur end-to-end untuk eksperimen ilmiah otonom. Agen tidak bertindak "berdasarkan satu permintaan": ia membangun lintasan riset yang panjang.
Di dalamnya, pekerjaan dibagi menjadi segmen-segmen riset. Setiap segmen terikat pada ruang kerja yang dapat dieksekusi: di sanalah skrip, data, dan lingkungan berada. Kemajuan riset bukanlah catatan teks yang terpisah-pisah, melainkan status eksekusi yang dapat dipulihkan. Status seperti ini dapat "diangkat" dari disk, diteliti ulang, dirakit ulang, dan dijalankan lagi. Dengan demikian, agen dengan mudah kembali ke titik sebelumnya dan mencoba cabang lain, alih-alih memulai dari awal.
ESTRA: cara memilih percabangan berikutnya
Detail kuncinya adalah transisi antar status melalui mekanisme ESTRA (Executable-State Transition through Re-Anchoring). Pada setiap langkah, agen melihat dua jenis status: status aktif, yang bisa dilanjutkan saat ini juga, dan status arsip, yang sudah menghasilkan beberapa hasil. Namun yang dipilih bukan sekadar titik baru, melainkan jangkar untuk pergerakan selanjutnya. Kemudian ditentukan skenarionya: melanjutkan pergerakan dari status ini atau mengarahkan riset ke arah lain.
Pendekatan ini menghilangkan masalah utama eksperimen panjang — efek agen yang "terjebak", yang terus mendalami cabang yang tidak prospektif karena tidak tahu cara mundur.
Pengontrol eksekusi yang mempertimbangkan hasil
Lapisan lain dari kerangka kerja ini adalah pengontrol yang mempertimbangkan hasil yang telah terkonfirmasi. Pengontrol ini mengalokasikan sumber daya di antara tugas-tugas komputasi individual, dengan berfokus pada tiga faktor: ketersediaan daya komputasi, sisa anggaran, dan kemajuan yang telah terkonfirmasi. Jika suatu arah berhenti memberikan hasil yang terukur, pengontrol dapat memangkas porsinya dan mengarahkan sumber daya ke tempat yang pergerakannya benar-benar terlihat. Ini bukan penjadwal tugas yang "serakah", melainkan cara untuk menjaga strategi keseluruhan tetap dalam kerangka tujuan.
Apa yang ditunjukkan oleh pengujian
Dalam pengujian, kerangka kerja ini mencakup tidak hanya pembelajaran mesin klasik, tetapi juga pemodelan ilmiah dan optimasi matematis. Hasil yang diperoleh menunjukkan bahwa sistem ini mampu menjalankan sesi riset panjang secara produktif, tanpa mengubahnya menjadi rangkaian langkah tak terkait yang tak berujung.
Hasil yang paling menonjol — pada MLE-bench lengkap dalam anggaran 24 jam: 70,22% pada metrik Any-Medal. Ini 4,92 poin persentase lebih tinggi dari angka yang dipublikasikan sebelumnya. Mengingat MLE-bench menguji skenario pembelajaran mesin nyata, ini adalah sinyal kuat: ketahanan proses terkadang lebih penting daripada kecerdasan awal model.
Apa artinya ini bagi sains otonom
Para penulis artikel merumuskan kesimpulan penting: untuk menskalakan riset otonom, manajemen status, eksplorasi adaptif, dan eksekusi yang selaras dengan tujuan memiliki peran yang menentukan. Kemampuan bernalar dengan indah saja tidak cukup — diperlukan infrastruktur yang mencegah agen kehilangan pencapaian sebelumnya dan membantunya berbelok arah tepat waktu.
Tampaknya, ini adalah langkah berikutnya dari asisten LLM menuju sistem riset otonom yang sesungguhnya. Pekerjaan dengan cakrawala panjang tidak lagi menjadi "dialog singkat dengan model" dan berubah menjadi masalah rekayasa: bagaimana membangun proses di mana setiap versi eksperimen tetap dapat diakses, setiap hasil diverifikasi, dan setiap langkah berikutnya muncul dari kemajuan yang terkonfirmasi.
