Faraday 以 27B 外層代理調度 GPT-5.5，論文圖表重現評測勝過單獨前沿模型

Inherent 近日正式介紹 Faraday：它不是取代大型編碼模型，而是在其上增加一個經研究任務後訓練的「科學家」代理。團隊以 Qwen3.6-27B 為底座，使用 LoRA、128K 上下文及改造版 GRPO 訓練；Faraday 負責提出假設、安排實驗和判斷下一步，實際撰寫及執行程式則呼叫 Codex GPT-5.5。

配套的 Replica 包含從 100 篇機器學習及 AI for Science 論文建立的 310 個圖表重現任務。代理只能看到移除目標圖表的論文，須在 containerd 容器、一小時及七分之一張 H200 MIG 的限制下重建結果。Claude Opus 4.7 先為每題產生 rubric，再由多個 Codex judge 樣本檢查輸出圖、程式碼和執行軌跡；逐回合 credit assignment 用於避免長軌跡 GRPO 訓練崩潰。

在相同時間與 GPU 預算、每題八次 rollout 的比較中，Faraday 在 73% 同分布任務及 60% 未見 AI-for-science 任務上同時勝過 Claude Opus 4.8 和 GPT-5.5，測試集平均分別高 6% 和 8%。這個結果的重要性在於：研究判斷可被訓練成一層可調度更強工具的控制策略，模型尺寸未必需要與工具模型相當。

限制同樣明顯。評分器、rubric 生成器和程式工具都依賴閉源前沿模型；人工研究只驗證部分由自動評分器判定 Faraday 佔優的軌跡。Replica 亦集中於重現既有圖表，尚未證明代理能可靠發現不可重現結果或完成開放式科研。工程團隊下一步應留意任務與權重是否公開，以及換用其他編碼代理後能否保持增益。