OPERA、物理残差で実験エージェントを制約し、実質的改善を伴わないスコア加点の意思決定を最大39.0%から1.9%に削減

言語モデルエージェントは評価関数に従って数値を改善できても、実験結果そのものを本当に改善できるとは限らない。清華大学などの研究者が提案したOPERAは、ビーム整形、構造化光による三次元再構成、干渉計測を、型付きの光学operator群として記述する。エージェントは既存の操作を選択したり、複数のステップを連結したり、許可されたprimitiveから新しい手順を生成したりできる。実行のたびに、光路の接続性とリソース予算が検査される。

重要な変更点は、フィードバックを3層に分けたことだ。エージェントから見えるスカラースコアL2、カバレッジ不足、モデルの不整合、目標からの偏差を表す残差ベクトルL1、そしてオフライン評価専用で、非公開の参照状態から算出される真の物理性能L3である。これにより、「L2は上昇したが、L3は改善していない」という意思決定を直接識別できる。90件の独立した問題を用いた対応あり実験では、スコアだけを与えた場合、この種の事象は中立的な指示で23.6%、スコア追求を促す指示で39.0%を占めた。残差を追加すると、それぞれ0.9%と1.9%に低下した。

別の270件のテスト問題では、operator–residualフィードバックを用いた軌跡の75.8%が目標を達成し、その状態を終了まで維持した。4種類のベースライン戦略では33.9～60.1%だった。平均予算使用量も上限の61.7%にとどまり、ベースライン戦略の70.8～86.0%を下回った。優位性は主に分布シフトのある状況で現れ、既知の条件下では、制約付きベイズ最適化や専用アルゴリズムを安定して上回ることはなかった。

チームは、デジタルツインが選択した固定ワークフローを3台の実機に移植した。構造化光の主要設定では、投影予算の平均が固定Gray codeの95.8%から60.0%へ低下したが、各設定における対応あり反復は6回にすぎなかった。公開リポジトリではデジタルツインの軌跡を再生し、インターフェースとハッシュを検証できるものの、リアルタイムの機器制御、モデルプロバイダーのSDK、統計的リサンプリング、最終図表の生成パイプラインは含まれていない。エンジニアリングチームが次に検証すべきなのは、この観測可能な残差インターフェースを化学、生物学、材料科学の実験にも拡張できるか、そして残差自体の設計が誤っている場合に新たな最適化の抜け穴が生じるかどうかである。