Beyond a Better Score: Long-Horizon Agentic ML Development and Evaluation Protocol for Physics Time Series
यह शोध पत्र SIDERIUS को प्रस्तुत करता है, जो एक LLM एजेंट सिस्टम है जो स्कोर-संचालित अनुकूलन (score-driven optimization) की सीमाओं को दूर करने के लिए एक बहु-स्तरीय वैज्ञानिक मूल्यांकन प्रोटोकॉल और ह्यूम-इन-द-लूप ऑर्केस्ट्रेशन का उपयोग करता है, जिससे भौतिकी टाइम-सीरीज़ विश्लेषण के लिए मौजूदा सामान्य-उद्देश्य वाले कोडिंग एजेंटों की तुलना में वैज्ञानिक रूप से वैध और विश्वसनीय मशीन लर्निंग मॉडल की काफी उच्च दर प्राप्त की जा सकती है।