Agenti di Ricerca AI come Fuzz Testing: Un Nuovo Paradigma per il Feedback Sparso

Uno studio recente pubblicato su arXiv (2608.09855) critica il quadro esistente per gli agenti di ricerca autonomi, che possono condurre esperimenti più rapidamente di quanto i ricercatori possano verificarli. Gli autori sostengono che il metodo prevalente 'genera-e-classifica', che si basa su un valutatore appreso o su revisori umani per valutare i campioni, trascura il problema significativo del feedback limitato. Suggeriscono che gli agenti dovrebbero adottare un ciclo di controllo simile a quello di un fuzzer greybox: proporre un candidato, eseguirlo, raccogliere feedback e decidere le azioni successive. Poiché i fuzzer raramente identificano bug, si affidano alla copertura per indicare i progressi dopo ogni esecuzione. L'articolo, intitolato 'Agentic Auto-Research is Fuzz Testing', sottolinea che l'auto-ricerca dovrebbe incorporare due caratteristiche chiave: generare un segnale denso ed economico di avanzamento epistemico e consentire a quel segnale di guidare gli esperimenti futuri.