rd-agent

R&D-Agent (RD-Agent) est un projet open-source de Microsoft visant à automatiser la recherche et le développement à forte valeur ajoutée, pilotés par les données. Son idée centrale repose sur une boucle en deux parties : un composant « R » qui propose de nouvelles idées et un composant « D » qui les implémente et les évalue, permettant ainsi à l'IA d'itérer sur le développement des données et des modèles. Ce qu'il propose - Un framework multi-agents pour automatiser le développement de modèles et de données, avec un agent de recherche et un agent de développement fonctionnant en cycles alternés. - Des implémentations de scénarios pour la finance quantitative, incluant la proposition/implémentation de facteurs, l'évolution de modèles et la co-optimisation conjointe facteurs-modèles, construites autour de Qlib. - Un scénario de science des données pour des tâches de type compétition, avec un mode orienté Kaggle pour le réglage de modèles et l'ingénierie de caractéristiques. - Un copilote de recherche qui lit des articles ou des rapports financiers et les transforme en structures de modèles ou en ensembles de données. - Un scénario de fine-tuning de LLM (FT-Agent) pour le traitement de données piloté par benchmarks, l'entraînement, l'évaluation et le raffinement guidé par retours. - Un benchmark (Agent² RL-Bench) pour évaluer si les agents LLM peuvent concevoir des pipelines de post-entraînement de bout en bout. Configuration et utilisation - Linux est actuellement la seule plateforme prise en charge ; Docker est requis pour la plupart des scénarios. - L'installation se fait via PyPI (`pip install rdagent`) ou à partir des sources avec `make dev` pour le développement. - L'accès aux LLM est configuré via LiteLLM par défaut, avec des exemples pour OpenAI, Azure OpenAI, DeepSeek, et des fournisseurs séparés pour le chat et l'embedding. - Une commande `health_check` vérifie la disponibilité de Docker et l'utilisation des ports avant d'exécuter les scénarios. - Les scénarios sont lancés via des commandes CLI telles que `rdagent fin_quant`, `rdagent fin_factor`, `rdagent fin_model`, `rdagent fin_factor_report`, `rdagent general_model`, `rdagent data_science` et `rdagent llm_finetune`. - Les résultats peuvent être surveillés via une interface Streamlit (`rdagent ui`) et un frontend web séparé servi par `rdagent server_ui`, qui inclut une authentification par jeton. État du projet et preuves - Le README indique que R&D-Agent est en tête sur MLE-bench parmi les agents d'ingénierie de machine learning, avec des liens détaillés vers les exécutions et des résultats par niveau de difficulté. - Il cite des articles acceptés (NeurIPS 2025, ICML 2026, ACL 2026 Findings) ainsi qu'un rapport technique, plus une démo en direct et un site de documentation. - Le projet est activement développé, avec CI, CodeQL, Dependabot, linting, vérification de types et pre-commit configurés. Cette vue d'ensemble est basée uniquement sur le README du dépôt et ne vérifie pas de manière indépendante les affirmations concernant les benchmarks.