Faraday של Inherent שיחזר גרפים ממאמרים טוב יותר מסוכנים גדולים

Inherent, מעבדת AI מלונדון שהוקמה בידי יוצאי Google DeepMind, הציגה את Faraday: סוכן בן 27 מיליארד פרמטרים שאומן לשחזר גרפים ותוצאות ממאמרים מדעיים. בדיווח חדש של TechCrunch מ־22 באוגוסט החברה פירטה כיצד הסוכן עבד טוב יותר, לפי המדדים שלה, מסוכנים שהופעלו עם Claude Opus 4.8 ו־GPT-5.5. המאמר המחקרי והדף הטכני פורסמו באמצע אוגוסט.

המשימה היא לבנות מחדש תוצאה חסרה

צוות Inherent יצר סביבת אימון בשם Replica. בכל משימה הסוכן מקבל מאמר מחקרי, אך הגרף שאותו עליו לשחזר מוסר מהחומר. הוא צריך להבין את השיטה, לכתוב ולהריץ קוד, לבחור ניסויים ולעמוד בתקציב מוגבל של זמן וחישוב. חבילת המשימות הראשונית כוללת 310 משימות שנלקחו מ־100 מאמרים בלמידת מכונה וב־AI למדע, בתחומים כמו עיבוד שפה, מדעי חומרים וחיזוי מזג אוויר.

זהו מבחן קשה יותר מהעתקת מספר מתוך טבלה, אך הוא עדיין צר מהבטחה לייצר מדע חדש. שחזור גרף חישובי בודק אם הסוכן מצליח להשלים פרטים שהמאמר לא תיעד במלואם ולהגיע לתוצאה דומה. הוא אינו משחזר ניסוי רטוב, אינו מאמת את נתוני המקור ואינו מוכיח שהמסקנה המדעית נכונה.

מודל קטן שמפעיל כלי גדול

Faraday מבוסס על מודל Qwen 3.6 בגודל 27 מיליארד פרמטרים. במהלך העבודה הוא יכול להשתמש בסוכן קידוד ככלי. לפי Inherent, הוא אומן עם GPT-5.4-mini ככלי והצליח בזמן הבדיקה להפנות גם את GPT-5.5 Codex. לכן הכותרת שלפיה מודל קטן גבר על מודלים גדולים דורשת דיוק: ההשוואה היא בין מערכות עבודה שלמות, ואחת מהן נעזרת בעצמה במודל קידוד גדול.

החברה הפעילה כבסיסים את Claude Opus 4.8 בתוך Claude Code ואת GPT-5.5 בתוך Codex, עם רמת חשיבה גבוהה. לפי התוצאות שפרסמה, Faraday יצר שחזורים נאמנים יותר בכל קבוצות המאמרים שנבדקו והראה יתרון בולט במטא־למידה, ביולוגיה מבנית ומדעי חומרים. כדי לתת ציון, החוקרים בנו שופט מבוסס מודל עם מחוונים ייעודיים לכל משימה ובדקו את ההתאמה שלו מול דירוג אנושי.

הבחירה במחוונים פרטניים נועדה להפחית רעש בתגמול. החוקרים הוסיפו גם איסוף של כמה דגימות והקצאת קרדיט לפי שלבי העבודה, כדי לייצב אימון חיזוק ארוך. המטרה היא ללמד את הסוכן להעדיף ניסויים שימושיים ושיטות קפדניות, ולא רק להגיע לעקומה שנראית דומה.

מה זה נותן לחוקרים עכשיו

כלי כזה יכול לעזור בבדיקת מאמר לפני שמסתמכים עליו, בהכנת סטודנט לפרויקט חדש או בזיהוי הוראות חסרות בקוד ובשיטות. הוא עשוי לחסוך שעות של בניית סביבת ניסוי ראשונית. עדיין נדרש חוקר שיבדוק את ההנחות, את הנתונים, את הקוד ואת הסיבה לכך שהשחזור הצליח או נכשל.

הראיות מוגבלות בשלב זה. המאמר נמצא ב־arXiv ולא עבר ביקורת עמיתים, צוות Inherent בנה את Replica, אימן את הסוכן והגדיר את שיטת ההערכה. אין עדיין שחזור עצמאי רחב של ההשוואה, ולא פורסמה גישה כללית למוצר שמאפשרת למעבדות אחרות לבדוק אותו על מאמרים משלהן. Faraday מציג דרך קונקרטית למדוד עבודת מחקר של סוכן; הוא עוד לא הוכיח שהוא מגלה ידע חדש.