ScienceBuddy : l'agent scientifique qui apprend avec les chercheurs en s'améliorant en boucle

Une équipe menée par PhAI Labs a ouvert un espace de travail pour le quotidien des scientifiques avec une étude du 15 septembre 2026 : ScienceBuddy. Les dossiers ScienceBuddy sur GitHub découpent une trousse de 224 outils en 22 groupes fonctionnels, de la science des gènes à la biologie moléculaire et du cancer, des savoirs sur les médicaments au travail des images, des balayages de littérature aux requêtes de bases. La thèse en une ligne : la collaboration bâtie avec les chercheurs devrait devenir du meilleur travail au tour suivant. Corriger une réponse en dialogue ne suffit pas ; les façons de travailler comme le modèle qui les porte doivent progresser pour de bon.

L'idée en mots simples, c'est : dans une maison d'un étage on vit et travaille dans une pièce ; dans une maison de deux étages le rez-de-chaussée est l'atelier et l'étage est le maître. La boucle dedans range l'atelier : le modèle reste fixe pendant que les façons se revoient. La boucle dehors forme le maître : le modèle devient plus fort par apprentissage renforcé dans l'atelier choisi. Comme l'atelier change, le travail du maître change ; comme le maître grandit, l'ordre de l'atelier se revoit. Le rapport technique sur arXiv appelle ce lien à double sens le cœur de l'étude.

Les façons dedans, le modèle dehors : la boucle emboîtée

Dans la boucle dedans, le modèle de tâche reste fixe ; un modèle auxiliaire fixe à part inspecte les pannes et suggère des retouches bornées aux instructions, aux lots de savoir-faire ou aux réglages de contexte. Un candidat n'est accepté que s'il tient les limites de retouche et avance sur des mesures de développement appariées. Les lancements suivants portent la preuve vers la retouche prochaine. Les travaux de développement restent à part des travaux d'entraînement de politique et d'un lot de test final mis à l'écart ; le lot final n'informe ni les retouches ni les choix. Les lots de travaux bien formés se gardent lançables avec leurs instructions et entrées.

Dans la boucle dehors, une fois le montage amélioré, les travaux durs deviennent courants et perdent leur valeur d'entraînement. Alors les environnements se règlent sur le modèle actuel et le montage choisi par des lancements pilotes, et les travaux venus des chercheurs se varient avec des entrées scientifiques. Un compositeur fixe de critères dérive les critères du travail depuis la trace de collaboration source pour chaque travail : contrôles de justesse plus besoins de preuve et de sortie s'empilent pondérés. La récompense tombe en fin de trace et s'étend aux tokens produits comme avantage partagé. Pendant que l'entraînement tourne, façons et critères restent fixes ; les interactions passées donnent définitions de tâches et preuves de diagnostic, pas des échantillons d'entraînement en ligne.

L'espace de travail rassemble dialogue, trace, calcul et panneaux de résultats en une vue. Les chercheurs donnent la question avec les données, inspectent la revue qui sort, affinent le travail par des messages suivants. L'exécution suit une boucle raisonner-agir-observer de style ReAct ; le dossier ReAct sur arXiv compte comme l'idée fondatrice de cette boucle raison-action. Python, R et la ligne de commande sont servis, bases en ligne et lac local de données se complètent. Papiers versés, tableaux, séquences et images reposent dans l'espace durable. Le montage reste à part de l'infrastructure : instructions, lots de savoir-faire et façons de contexte sont des pièces révisables. Les docs vérificateurs HarborFramework disent comment un lot de travail tourne et se note avec ses instructions et entrées.

Trois tours ont couru dos à dos : 10 pas de recherche de montage par tour, puis 20 mises à jour renforcées sous le montage choisi ; le modèle de départ est Qwen-3.8-4B. Les docs Qwen sur HuggingFace disent comment les petits modèles courent les travaux d'agents. Les mesures de montage ont grimpé de 38,9 à 44,4, de 34,4 à 46,7 et de 61,1 à 70,0 pour cent par tour, avec la récompense moyenne d'entraînement montant sur les trois tours. Lecture de littérature, jugements de bases, dépannage de protocoles plus notation de gènes et variantes formaient quatre familles de sciences. L'étude Biomni enracinée à Stanford a posé le sol de tels travaux d'agents biomédicaux. Les dossiers LAB-Bench sur GitHub montrent comment les travaux de littérature et protocoles se notent.

Trois tours, quatre familles : ce que disent les nombres

À la fin, la précision au premier essai a grimpé de 42,2 à 73,3 pour cent ; 33,3 pour cent des travaux ont basculé de faux à juste, avec seuls 2,2 pour cent glissant de juste à faux. Les gains paraissent dans les quatre familles ; le progrès a atteint des travaux jamais résolus, élargissant la couverture du système. Ce sol est solide : mêmes lots de test, comparaison appariée début-fin. Le point faible est écrit honnêtement : le modèle auxiliaire réflecteur reste fixe, donc le succès des tâches a monté mais le montage d'amélioration lui-même ne peut se compter comme renforcé.

Deux cas séparés testent les pièces une par une. L'adaptation du montage a vu un meilleur 75,0 pour cent sur 24 lots ; le montage choisi a grimpé de 31,1 à 51,1 pour cent sur un lot de validation séparé, un gain de 20 points sans toucher aux poids du modèle. Quatre entrées d'instructions plus neuf savoir-faire cadrés du montage choisi couvrent lancements Python, contrôles de sources et schémas, recherche bornée de dossiers et remise ouverte de réponses. Le côté apprentissage du modèle a porté la couverture en quatre essais de 48,3 à 67,8 pour cent avec près de deux heures de renforcement ; montage et budgets d'essais restaient pareils.

Des cas d'interaction vraie existent aussi : un plan centré sur les gènes fut bâti pour une revue JAK1 dans un destin de poumon à petites cellules, confiant Seurat et Scanpy aux revues unicellulaires, UCell et AUCell à la notation de signatures, CellChat et NicheNet aux dialogues de cellules. Dans une demande de deck ARL4C, le criblage candidat fut lié aux preuves de cellules et molécules par Python et PyPDF2, chaque affirmation épinglée à son panneau porteur. La ligne GEPA plaide que l'évolution d'invites réflective peut passer le renforcement ; les dossiers GEPA sur GitHub expliquent cette ligne.

Les limites honnêtes sont écrites dans le rapport : le réflecteur est fixe, pas de travail multi-nœud, généralisation mince vers plus de buts. La leçon reste nette : quand les traces de collaboration deviennent des définitions de tâches, les tâches des critères et les critères des récompenses, le système porte ses façons comme son modèle en avant à chaque tour. Toute équipe dont la facture d'entraînement gonfle en tire la même leçon : écrire d'abord avec les chercheurs ce qui s'enseigne, puis tester façons et modèles à part.