LLM 기반 에이전트는 과학적 발견 자동화에서 증가하는 잠재력을 보여주었습니다. 최적화 가능한 지표(metric)와 실행 환경이 주어지면, 이들은 과학적 솔루션을 제안하고, 검증하며, 반복할 수 있으며, 인간이 설계한 접근 방식을 능가하는 결과를 산출했습니다. 모델의 역량이 계속 향상됨에 따라, 우리는 자율 과학적 발견의 병목 현상이 에이전트 워크플로우를 규정하는 것에서 에이전트 환경을 설계하는 것으로 이동하고 있다고 주장합니다: 즉, 에이전트의 행동을 형성하는 리소스, 제약 조건 및 인터페이스입니다. 우리는 이것을 환경 공학(environment engineering)으로 정의합니다: 개방형 탐색, 체계적인 아티팩트 관리, 에이전트 간 협업과 같은 생산적인 행동을 증폭시키고, 보상 해킹(reward hacking)이나 높은 마찰률의 인간 감독과 같은 유해한 행동을 억제하는 환경을 구축하는 것입니다. 우리는 지표 기반 자율 과학적 발견을 위한 환경 공학 에이전트 시스템인 EurekAgent를 제시합니다. EurekAgent는 네 가지 차원을 따라 환경을 설계합니다: 제한된 에이전트 실행 및 격리 평가를 위한 권한 공학(permissions engineering); 파일시스템 및 Git 기반 협업을 위한 아티팩트 공학(artifact engineering); 예산 인지 탐색을 위한 예산 공학(budget engineering); 그리고 쉬운 인간 감독 및 개입을 위한 인간 참여형 루프 공학(human-in-the-loop engineering)입니다. EurekAgent는 수학, 커널 공학, 머신러닝 작업을 포함하여 여러 분야에서 새로운 최첨단 결과를 달성했으며, 총 API 비용 11달러 미만으로 발견된 새로운 최첨단 26원 패킹(circle packing) 결과도 포함합니다. 우리는 우리의 코드와 결과를 오픈 소스화하고, 신뢰할 수 있는 자율 연구 에이전트를 개발하기 위한 핵심 연구 방향으로서 환경 공학을 촉구합니다.