Software-ul de cercetare are o problemă cronică de mentenanță. Uneltele create pentru un singur articol științific, scrise de echipe academice mici, fără suport ingineresc dedicat, acumulează datorii tehnice pe care nimeni nu are bugetul sau mandatul să le plătească. Raportul OpenAI susține că agenții pot aborda această datorie, iar cele opt proiecte citate acoperă domenii precum genomica, imunologia, statistica și secvențierea ARN. Sarcinile se împart în trei categorii principale: curățarea sistemelor de construcție și ambalare, optimizarea performanței codului existent și portarea completă a limbajului sau a backend-ului.
cyvcf2 – o bibliotecă Python pentru citirea fișierelor genomice – a avut sistemul vechi de construcție și ambalare înlocuit cu un proces unificat modern. Contribuitorul Brent Pedersen a subliniat că „a merge repede cu agenții este o chestiune, dar a merge departe în știință necesită în continuare îndrumare expertă, înțelegere, gust și grijă”. O observație care rezonează cu toate celelalte proiecte.
HI.SIM, un simulator de citire a secvențelor ADN, a beneficiat de două treceri de optimizare aproape autonome de la GPT-5.2 și GPT-5.6. Andrew Ho, contribuitorul, spune că timpul de execuție a scăzut cu 31% pe un set de teste reprezentativ, fără a altera rezultatele. Ho, care se descrie drept „nici specialist în genomică, nici programator C”, a numit rezultatul „nimic mai puțin decât magic” din perspectiva unui utilizator final, după ce pierduse anterior timp cu bug-uri de performanță și probleme de ambalare pe care le putea recunoaște, dar nu le putea rezolva personal.
Hifiasm, folosit pentru asamblarea genomului din citiri PacBio HiFi, a obținut o reducere de 25% a timpului de execuție pe ținta de optimizare și aproximativ 15% pe date separate de secvențiere umană. Suyash Shringarpure, contribuitorul, a descris cum agentul și-a configurat singur scheletul de benchmark și a propus candidați în mod independent, deși a subliniat că furnizarea rezultatelor de profilare și direcționarea modelului departe de modurile repetate de eșec rămâne o muncă pe care doar un om o poate face.
MHCflurry, care prezice fragmentele de proteine prezentate celulelor T, a avut backend-ul TensorFlow/Keras migrat la PyTorch, păstrând în același timp compatibilitatea cu greutățile modelelor lansate anterior. Contribuitorii Alex Rubinsteyn, Sergey Feldman și Timothy O’Donnell consideră aceasta genul de „întreținere neplăcută, intensivă în muncă” care menține proiectele științifice open-source în viață, în loc să le lase să decadă.
bayesm-rs, o portare în Rust a modelelor statistice din pachetul R bayesm, a egalat estimările software-ului original într-o toleranță prestabilită și a rulat de 2,3–2,7 ori mai rapid pe un singur fir de procesor, ajungând la 4,4–9,5 ori mai rapid pe opt fire. Potrivit contribuitorilor Andrew Bai și Andrew Ho, agenții au gestionat rapid și corect orice avea o referință directă de verificat; extensiile care necesitau judecată statistică pe care codul original nu o specifica au necesitat validare umană directă.
Alte trei proiecte – rustar-aligner, svb și kuva – au implicat construcții în Rust realizate cu agenți de codare, inclusiv o recreare completă a STAR, un instrument de aliniere a secvențelor ARN utilizat pe scară largă, care pierduse mentenanța activă. James M. Ferguson, contribuitor, spune că agenții schimbă ceea ce merită încercat: rescrierea manuală a unui aligner de 20.000 de linii nu este o utilizare rezonabilă a timpului, dar cu un agent devine săptămâni de muncă dirijată. Verificarea, adaugă el, este cu totul altă poveste. Un model poate pretinde că un grafic arată bine, dar verificarea a peste 900 de grafice cu ochiul liber înainte de lansare rămâne sarcina unui om.
RustQC a consolidat 15 instrumente separate de control al calității secvențierii ARN într-un singur program care, potrivit contribuitorului Phil Ewels, a redus timpul de execuție de 60 de ori și intrarea/ieșirea pe disc de 25 de ori. Reconstrucțiile însoțitoare FastQC-Rust și Trim Galore au rulat de șapte și, respectiv, de trei ori mai rapid, păstrând comportamentul instrumentelor originale. Ewels a semnalat și dezavantajul: reconstrucțiile ieftine aduc propriul risc, deoarece instrumentele care deviază în comportament fragmentează comunitatea și fac rezultatele din diferite laboratoare incomparabile în timp. „Tehnologia este partea ușoară”, a spus el. „Administrarea (stewardship) este întrebarea deschisă.”
HelixForge, o reconstrucție nativă GPU a instrumentului de simulare a mutațiilor BAMSurgeon, a redus timpul de execuție de aproximativ 60 de ori pe un benchmark cu date umane reale, potrivit contribuitorilor Mamad Ahangari, Varun Goyal și Hassan Masoudi, care spun, de asemenea, că a produs frecvențe de mutație mai apropiate de țintele solicitate și a rezolvat mai multe bug-uri care generau artefacte în instrumentul original.
Ceea ce reiese din toate relatările este că agenții au gestionat cu competență cerințele de implementare bine definite, dar nu au putut judeca dacă propriul rezultat era corect din punct de vedere științific. Contribuitorii au subliniat în mod repetat că supravegherea umană rămâne indispensabilă – fie pentru a ghida agentul departe de abordări eșuate, fie pentru a verifica manual sute de grafice sau pentru a valida decizii statistice pe care codul original nu le-a specificat.
De ce este important:
Acest raport nu este doar o colecție de povești de succes tehnice. El evidențiază o schimbare fundamentală în modul în care software-ul științific poate fi construit și întreținut. În contextul în care multe unelte academice sunt abandonate din lipsă de resurse, agenții de codare oferă o cale de a revitaliza proiecte moarte sau de a optimiza codul existent fără a necesita echipe mari de ingineri. Cu toate acestea, raportul subliniază și limitele clare: agenții nu pot înlocui judecata umană, iar riscul de fragmentare a comunității prin reconstrucții care alterează comportamentul este real. Pe măsură ce astfel de instrumente devin mai accesibile, comunitatea științifică va trebui să stabilească standarde clare pentru verificare și reproducibilitate. Altfel, viteza câștigată prin agenți ar putea fi pierdută în haosul unor instrumente incompatibile.
