World Modelsによる自動リサーチエージェントのスケーリング

この論文は、自動研究エージェントのスケーリングにおける根本的な緊張関係を特定する。エージェント生成と環境実行の2つのコンポーネントは異なる方法でスケールするため、強化学習（RL）のスケーリングに課題が生じる。バッチ処理で共有される生成とは対照的に、各実行は専用のサンドボックスと実機の時間を必要とする。