Sakana AI lança sistema de agentes para descoberta científica

The Agentic Scientist: Orchestrating Coding Agents for End-to-End Scientific Co-Discovery

Sakana AI apresenta o The Agentic Scientist, sua próxima geração do AI Scientist (v1 e v2), que orquestra coding agents em um fluxo de pesquisa explícito. Um controlador distribui um orçamento fixo de ciclos entre workers paralelos; cada um propõe hipóteses com rubricas definidas antes do experimento e compartilha memória e conclusões com os demais. Depois da otimização, agentes de ablação constroem baselines e variantes controladas, um agente de análise escreve a interpretação do programa vencedor e o redator gera o artigo em LaTeX com um mapa de evidências ligando cada afirmação à sua fonte. Auditoria automática e independente buscam números sem suporte e overclaiming. O caso principal é o Error Diffusion, uma regra de aprendizado biologicamente plausível co-descoberta com humanos, que virou artigo aceito como apresentação oral no ALIFE 2026; os pesquisadores definiram a pergunta, a rubrica e verificaram resultados e referências. Em execuções autônomas, o sistema elevou de 52% para 98% a acurácia de recuperação do Doc-to-LoRA em tarefas multi-needle sintéticas (o texto ressalva que a generalização para documentos naturais não foi testada). Também projetou uma estratégia evolutiva aprendida baseada em CMA-ES, cuja parte aprendida acelera sobretudo o início da otimização. A Sakana anuncia ainda o AutoIllustrate, pipeline de figuras científicas editáveis, e diz liberar ambos os sistemas como código aberto.