sapientinc/PRAXIST

해결하는 문제

Praxist는 목표가 측정 가능하고 코드가 이미 실행 가능한 연구 프로젝트를 위한 것입니다. 그러나 최적의 개선 경로가 불분명한 경우에 사용됩니다. 수동적인 반복과 단순한 하이퍼파라미터 조정(자동화된 머신러닝, AutoML)을 대체하여, 여러 가설과 전략을 동시에 탐색하는 자율적이고 증거 기반의 연구 루프를 구현하여 최고 성능을 보이는 해결책을 찾습니다.

작동 방식

Praxist는 여러 구성 요소를 조율함으로써 프로젝트를 지속적인 연구 실행으로 전환합니다:

• 병렬 연구 동료: 여러 에이전트가 동시에 경쟁적인 구현 방식과 가설을 탐색합니다.
• 다세대 합성: 계획 패널은 한 세대의 증거를 분석하여 다음 세대의 연구 방향을 설정합니다.
• 평가 및 증거: 작업 정의된 평가기(평가자)는 결과를 구조화되고 지속 가능한 증거 통로(인큐베이터, 프론티어, 진주)로 변환합니다.
• 다양성 메커니즘: 로컬 최적값에 갇히는 것을 방지하기 위해 품질-다양성(QD)과 심층 혁신 게이트(DIG)를 사용합니다.
• 조율: 리소스 스케줄링, 라이프사이클 제어(시작/정지/재개), 종단 간 증거 추적을 관리하여 결과의 재현 가능성을 보장합니다.

대상 사용자

기본적으로 실행 가능한 프로젝트와 명확한 성공 지표를 가진 연구자 및 개발자에게 적합합니다. 발견과 최적화의 반복적 과정을 자동화하고 싶은 분들께 추천합니다.

주요 특징

• 자율적 반복: 가설 생성에서 합성에 이르는 전체 연구 루프를 관리합니다.
• 코드 기반 증거: 모든 개선 사항은 증거의 계보와 검증 가능한 평가 경로를 갖춥니다.
• Codex와의 통합: 상호작용적인 프로젝트 이해와 도구 사용을 위해 Codex를 통해 운영하는 것을 권장합니다.
• 언어 독립성: 실행 가능하고 측정 가능한 경우, Python/JAX, Rust 등 다양한 언어로 작성된 프로젝트를 지원합니다.