Beyond a Better Score: Long-Horizon Agentic ML Development and Evaluation Protocol for Physics Time Series
Este artigo apresenta o SIDERIUS, um sistema de agente LLM que emprega um protocolo de avaliação científica de múltiplas camadas e uma orquestração com intervenção humana para superar as limitações da otimização baseada em pontuação, alcançando, assim, taxas significativamente mais altas de modelos de aprendizado de máquina cientificamente válidos e confiáveis para análise de séries temporais de física em comparação com agentes de codificação de propósito geral existentes.