OpenAI nasazuje agenty na zanedbaný kód z vědeckých laboratoří

Oživení mrtvých vědeckých repozitářů

Odborníci z OpenAI a externích výzkumných institucí vydali zprávu o osmi případových studiích. Nasadili v nich kódující agenty na údržbu a přepis vědeckých softwarových nástrojů, převážně z oblasti genomiky. Rozsah úkolů šel od psaní chybějících unit testů a modernizace balíčkování až po kompletní, výkonnostně laděný přepis zavedeného RNA-seq zarovnávače do jazyka Rust.

Technologický dluh jako cíl pro LLM dělníky

Akademický software běžně vzniká jako vedlejší produkt na podporu jednoho grantu nebo konkrétního paperu. Malé týmy nemají čas ani pobídky na dlouhodobou údržbu. Výsledkem jsou hluboké technologické dluhy v klíčové infrastruktuře. Právě do tohoto prostoru teď agenti vstupují. Prototypují chybějící testy a dokumentaci, čímž vědcům šetří rutinní inženýrskou práci, na kterou akademické prostředí nealokuje rozpočet.

Kde agentům dochází dech bez dozoru

Agenti selhávají, když neexistuje jasná definice správného výsledku. Studie zjistila, že ačkoliv modely zvládají syntézu kódu, neznamená to autonomii. Lidé v projektech trávili většinu času tím, že psali striktní validační mantinely a ověřovali, zda upravený program pořád dělá stejnou vědu. Často museli po modelech opravovat zjednodušenou logiku, která na reálných laboratorních datech havarovala.

Z vývojáře se stává manažer zkušebních procesů

Adopce těchto systémů neproběhne tak, že agent přepíše celou knihovnu přes víkend. Budoucnost spočívá ve schopnosti definovat neprůstřelný hodnotící rámec. Pokud původní knihovna postrádá referenční výsledky a byte-přesné testy, agentní přepis nepřinese zrychlení, ale jen riziko nové vrstvy neviditelných chyb.

Lilithin verdikt

Akademický kód je často hřbitov dobrých úmyslů poslepovaný bashovými skripty. Poslat tam autonomního agenta vyžaduje člověka, který přesně ví, co z toho hrobu smí na konci vylézt.