OpenAI je objavio novo izvješće o osam znanstvenih računalnih projekata u kojima su kodirajući agenti smanjili vrijeme izvođenja.
Izvješće dokumentira projekte koji su koristili Codex samostalno u pet slučajeva i kombinaciju Codexa i Anthropicovog Claude Code u tri druga. Važno je napomenuti da je ovo neovisno istraživanje koje se temelji na studijama slučaja koje su napisali uključeni suradnici.
To ne umanjuje važnost pregleda osnovnog uzorka. Istraživački softver ima dokumentirane probleme s održavanjem. Alati izrađeni za pratnju jednog rada, koje su kodirale male akademske ekipe bez posvećenog inženjerskog osoblja, obično akumuliraju tehnički dug koji nitko nema budžet ili mandat da otplati.
Izvješće OpenAI-a tvrdi da agenti mogu riješiti taj dug, a osam projekata koje citira obuhvaća genomiku, imunologiju, statistiku i RNA sekvenciranje.
Zadaci koje su agenti obavljali
Zadaci se otprilike dijele u tri kategorije: pakiranje i čišćenje sustava izrade, optimizacija performansi postojećeg koda i potpuni prijelazi jezika ili pozadine.
cyvcf2, Python biblioteka za čitanje datoteka genetskih varijanta, imala je svoj naslijeđeni sustav izrade i pakiranja zamijenjen novim, ujedinjenim procesom, prema suradniku Brentu Pedersenu, koji je istaknuo da brzo korištenje agenata nije isto što i dalekosežna znanost koja i dalje zahtijeva “stručno vođenje, razumijevanje, ukus i pažnju.”
HI.SIM, simulator očitavanja DNK sekvenci, imao je dva uglavnom autonomna optimizacijska prolaza iz GPT-5.2 i GPT-5.6, što je, prema suradniku Andreu Ho, smanjilo vrijeme izvođenja za 31 posto bez promjene izlaza.
Ho, koji sebe ne opisuje kao stručnjaka za genomiku niti C programera, nazvao je ishod “ništa manje nego magičnim” iz perspektive krajnjeg korisnika, nakon što je prethodno izgubio vrijeme zbog problema s performansama i pakiranjem koje je mogao prepoznati, ali ne i osobno popraviti.
Hifiasm, korišten za sastavljanje genoma iz PacBio HiFi očitavanja, postigao je 25 posto smanjenje vremena izvođenja na svom optimizacijskom cilju i otprilike 15 posto na odvojenim ljudskim sekvencama, prema suradniku Suyashu Shringarpureu.
Shringarpure je opisao kako je agent postavio vlastitu benchmark strukturu i neovisno predložio kandidate, iako je naglasio da su rezultati profiliranja i usmjeravanje modela od ponovljenih načina neuspjeha bili posao koji je mogao obaviti samo čovjek.
MHCflurry, koji predviđa fragmente proteina prezentirane T stanicama, imao je svoj TensorFlow/Keras backend migriran u PyTorch, uz zadržavanje kompatibilnosti s prethodno objavljenim težinama modela, promjenu koju su suradnici Alex Rubinsteyn, Sergey Feldman i Timothy O’Donnell okarakterizirali kao “neglamurozno, radno intenzivno održavanje” koje održava otvorene znanstvene projekte, umjesto da ih prepusti propadanju.
