EurekAgent: 자율적인 과학적 발견을 위해 필요한 것은 에이전트 환경 설계일 뿐입니다

EurekAgent: Agent Environment Engineering is All You Need For Autonomous Scientific Discovery

LLM 기반 에이전트는 과학적 발견 자동화에 점점 더 큰 잠재력을 보여주고 있습니다. 주어진 최적화 지표와 실행 환경 하에서, 이들은 과학적 해결책을 제안하고 검증하며 반복적으로 개선할 수 있으며, 인간이 설계한 접근 방식보다 뛰어난 결과를 생성하기도 합니다. 모델의 기능이 계속 향상됨에 따라, 우리는 자율적인 과학적 발견의 병목 현상이 에이전트 워크플로우를 규정하는 것에서 벗어나 에이전트 환경을 설계하는 것으로 이동하고 있다고 주장합니다. 여기서 에이전트 환경은 에이전트의 행동을 결정하는 리소스, 제약 조건 및 인터페이스를 의미합니다. 우리는 이를 '환경 공학'으로 정의하며, 개방형 탐색, 체계적인 아티팩트 관리, 에이전트 간 협력과 같은 생산적인 행동을 증폭시키고, 보상 해킹, 높은 마찰의 인간 감독과 같은 유해한 행동을 억제하는 환경을 구축합니다. 본 논문에서는 지표 기반 자율적 과학적 발견을 위한 환경 공학을 적용한 에이전트 시스템인 EurekAgent를 소개합니다. EurekAgent는 다음과 네 가지 측면에서 환경을 설계합니다: 제한된 에이전트 실행 및 격리된 평가를 위한 권한 공학, 파일 시스템 및 Git 기반 협력을 위한 아티팩트 공학, 예산 의식을 갖춘 탐색을 위한 예산 공학, 그리고 쉬운 인간 감독 및 개입을 위한 인간-루프 공학. EurekAgent는 수학, 커널 엔지니어링 및 머신 러닝 작업 등 다양한 분야에서 최첨단 결과를 달성했으며, 총 11달러 미만의 API 비용으로 새로운 최첨단 26개 원 타일링 결과를 발견했습니다. 우리는 우리의 코드와 결과를 공개하며, 신뢰할 수 있는 자율 연구 에이전트 개발을 위한 핵심 연구 방향으로서 환경 공학의 중요성을 강조합니다.

LLM-based agents have shown increasing potential in automating scientific discovery. Given an optimizable metric and an execution environment, they can propose, validate, and iterate scientific solutions, and have produced results that outperform human-designed approaches. As model capabilities continue to improve, we argue that the bottleneck for autonomous scientific discovery is shifting from prescribing agent workflows to designing agent environments: the resources, constraints, and interfaces that shape agent behavior. We frame this as environment engineering: building environments that amplify productive behaviors, such as open-ended exploration, systematic artifact management, and inter-agent collaboration, while suppressing harmful behaviors, such as reward hacking and high-friction human oversight. We present EurekAgent, an environment-engineered agent system for metric-driven autonomous scientific discovery. EurekAgent engineers the environment along four dimensions: permissions engineering for bounded agent execution and isolated evaluation; artifact engineering for filesystem and Git-based collaboration; budget engineering for budget-aware exploration; and human-in-the-loop engineering for easy human supervision and intervention. EurekAgent sets new state-of-the-art results on multiple mathematics, kernel engineering, and machine learning tasks, including new state-of-the-art 26-circle packing results discovered with less than $11 in total API cost. We open-source our code and results, and call for environment engineering as a core research direction for developing reliable autonomous research agents.