InternScience/InternAgent

InternAgent-1.5: A Unified Agentic Framework for Long-Horizon Autonomous Scientific Discovery

InternAgent‑1.5 – 장기적 자율 과학적 탐구를 위한 통합형 에이전트 프레임워크

무엇인가요 – InternAgent‑1.5는 엔드투엔드 과학 연구 주기를 수행할 수 있는 오픈소스이며 다중 모달 자율 에이전트 시스템입니다. 인간의 개입 없이 가설 생성, (시뮬레이션 포함) 실험 설계 및 실행, 알고리즘 최적화, 문헌 기반 답변 통합이 가능합니다. 본 프로젝트는 물리학, 생물학, 지구과학, 생명과학 분야에서 장기적 작업을 대상으로 합니다.

주요 구성 요소

구성 요소	기능
메모리 모듈	실행 간 실험 결과를 지속적으로 저장하여 에이전트가 실패한 경로를 피하고 이전 성공을 기반으로 발전할 수 있도록 합니다.
Deep Research (DR) 파이프라인	연구 질문을 하위 작업으로 분해하고 학술 데이터베이스/웹에서 데이터를 가져와 구조화된 답변 또는 보고서를 생성합니다.
MLEvolve	알고리즘 설계 작업을 위한 최적화 핵심; 개발자들은 MLEBench 벤치마크에서 최첨단 성과를 달성했다고 주장합니다.
태스크 스위트	`tasks/` – 알고리즘 발견 문제; `sci_tasks/` – 논문 재현 도전 과제 (예: 공개된 천문학 논문의 결과 재현).
런처	`launch.py` (통합 진입점), `launch_discovery.py` (전체 탐색 루프), `launch_qa.py` (질의응답 모드).

시작 방법

# 1. 격리된 환경 생성
conda create -n InternAgent python=3.11
conda activate InternAgent

# 2. 종속성 설치
pip install -r requirements.txt

# 3. API 키 제공 (OpenAI, OpenRouter, Anthropic 등)
cp .env.example .env   # 이후 .env 파일을 열어 키를 수정

첫 번째 데모 실행 – 리포지토리에는 데이터 다운로드 없이 사용 가능한 토이 태스크인 AutoDebug가 포함되어 있습니다:

python launch_discovery.py \
    --config ./config/default_config.yaml \
    --task AutoDebug \
    --exp_backend claudecode

문헌 기반 답변이 필요할 경우:

python launch_qa.py --question "최근 메모리 증강형 LLM의 발전은 무엇인가요?"
# 또는 파일로 저장
python launch_qa.py -q "..." -o answer.md

이 두 명령어는 통합된 launch.py 스크립트를 통해도 접근 가능합니다.

구성 설정 – 모든 설정은 config/ 아래에 있습니다. default_config.yaml이 시작용이며, --skip_idea_generation --idea_path …를 사용해 기존 아이디어 파일을 지정하거나, config/openrouter_config.yaml을 편집하여 모델 게이트웨이를 OpenRouter로 교체할 수 있습니다.

결과 처리 – 실험 결과, 생성된 아이디어, 로그는 각각 results/ 및 logs/에 자동으로 기록되어 자율 워크플로우를 감사하기 쉽게 합니다.

고급 사용법

메모리 지속성 – docs/memory_module.md 참조; 에이전트는 재시작 후에도 유지되는 JSON 저장소를 읽고 씁니다.
Deep Research – docs/deep_research.md에서 병렬 문헌 크롤러 및 통합 전략을 구성할 수 있습니다.
MLEvolve – 알고리즘 설계 작업을 위한 최적화 백엔드; 자세한 내용은 별도 리포지토리 InternScience/MLEvolve 참조.

논문 및 인용 – 개발자들은 두 편의 arXiv 논문(InternAgent 1.0 및 1.5)과 여러 관련 연구(FlowSearch, AutoMLGen)를 제공합니다. 프레임워크를 인용할 때는 제공된 BibTeX 항목을 사용하세요.

더 많은 정보 찾기

웹사이트: https://discovery.intern-ai.org.cn
HuggingFace 컬렉션: https://huggingface.co/collections/InternScience/internagent
기술 보고서: https://huggingface.co/papers/2602.08990

결론 – InternAgent‑1.5는 LLM 기반 추론, 메모리 증강 계획, 최적화 서브모듈을 통합한 풀스택 자율 연구 에이전트입니다. 리포지토리에는 실행 가능한 데모, 명확한 설정 파일, 새로운 분야나 사용자 정의 실험으로 확장하기 위한 문서가 포함되어 있습니다.