rd-agent

O R&D-Agent (RD-Agent) é um projeto open-source da Microsoft que visa automatizar pesquisa e desenvolvimento de alto valor, orientados por dados. Sua ideia central é um loop de duas partes: um componente "R" que propõe novas ideias e um componente "D" que as implementa e avalia, permitindo que a IA conduza iterativamente o desenvolvimento de dados e modelos. O que ele oferece - Um framework multiagente para automatizar o desenvolvimento de modelos e dados, com um agente de pesquisa e um agente de desenvolvimento trabalhando em ciclos alternados. - Implementações de cenários para finanças quantitativas, incluindo proposta/implementação de fatores, evolução de modelos e co-otimização conjunta de fatores e modelos, construídos em torno do Qlib. - Um cenário de ciência de dados para tarefas estilo competição, com um modo voltado para Kaggle para ajuste de modelos e engenharia de features. - Um copiloto de pesquisa que lê artigos ou relatórios financeiros e os transforma em estruturas de modelos ou conjuntos de dados. - Um cenário de fine-tuning de LLMs (FT-Agent) para processamento de dados, treinamento, avaliação e refinamento guiado por feedback, orientado por benchmarks. - Um benchmark (Agent² RL-Bench) para avaliar se agentes LLM conseguem projetar pipelines de pós-treinamento de ponta a ponta. Configuração e uso - Linux é atualmente a única plataforma suportada; Docker é necessário para a maioria dos cenários. - A instalação é feita via PyPI (`pip install rdagent`) ou a partir do código-fonte com `make dev` para desenvolvimento. - O acesso a LLMs é configurado por padrão via LiteLLM, com exemplos para OpenAI, Azure OpenAI, DeepSeek e provedores separados de chat/embedding. - Um comando `health_check` verifica a disponibilidade do Docker e o uso de portas antes de executar cenários. - Os cenários são iniciados por comandos CLI, como `rdagent fin_quant`, `rdagent fin_factor`, `rdagent fin_model`, `rdagent fin_factor_report`, `rdagent general_model`, `rdagent data_science` e `rdagent llm_finetune`. - Os resultados podem ser monitorados por uma interface Streamlit (`rdagent ui`) e um frontend web separado servido por `rdagent server_ui`, que inclui autenticação baseada em tokens. Status do projeto e evidências - O README relata que o R&D-Agent lidera o MLE-bench entre agentes de engenharia de aprendizado de máquina, com links detalhados de execuções e resultados por nível de dificuldade. - Ele cita artigos aceitos (NeurIPS 2025, ICML 2026, ACL 2026 Findings) e um relatório técnico, além de uma demonstração ao vivo e um site de documentação. - O projeto é desenvolvido ativamente, com CI, CodeQL, Dependabot, linting, verificação de tipos e pre-commit configurados. Esta visão geral é baseada exclusivamente no README do repositório e não verifica de forma independente as alegações de benchmark.