BootLoops 1.0 gir KI-agenten 49 verktøypakker for eksakt vitenskap under MIT-lisens
Klon BootLoops hvis agenten din skal regne kvantitativ vitenskap: den MIT-lisensierte verktøykassen gir enhver modell 49 pakker for eksakte integraler, bevis og statistikk.
Fysikeren Matthew Schwartz beskriver BootLoops i et gjesteinnlegg på Anthropics vitenskapsblogg 1. oktober. Verktøykassen vokste fram da han lot Claude Fable 5 porte og forbedre metoder fra egne artikler om spredningsamplituder. Claude reproduserte resultatene fra én av artiklene på rundt 20 minutter, mot ukene Schwartz selv brukte, og etter få uker var 30 integraler regnet ut fra start til slutt. 15 av dem var aldri regnet ut før.
BootLoops er ikke et Anthropic-prosjekt. Schwartz eier og vedlikeholder det, og har jobbet som gjesteforsker hos Anthropic underveis. Ifølge README-en er verktøykassen uavhengig av modellen: du kloner repoet, starter agenten inni det og ber den lese tools/README.md før den foreslår en plan du godkjenner. Protokollene ligger som rene markdown-filer i et eget skills-repo, og krever blant annet positive kontroller og reproduksjon via en uavhengig rute før et resultat godtas.
Schwartz drev 36 manuskripter i 18 fagfelt over tre måneder, med én Claude Code-økt per prosjekt på virtuelle maskiner i Google Cloud og en hovedøkt som fordelte regnekraft og validerte resultater. Beregningene gikk i subagenter, slik at en blokkering fra Fable 5-klassifisererne bare stoppet én agent i stedet for hele økten. Mot tap av kontekst ved komprimering lot han Claude jevnlig rydde og samle filene sine.
«Claude har ingen tidssans, og elsker å være dramatisk.» — Matthew Schwartz
Claude var dessuten ofte teknisk korrekt uten at resultatet var interessant, før fageksperter styrte arbeidet. Økologen James O'Dwyer mente det første resultatet fra skogen på Barro Colorado Island i Panama ville bli «møtt med et skuldertrekk av mange økologer».
Hva bør du gjøre?
- Klon repoet og kjør python3 run_selftests.py --par 8. README-en lover at pakkene går grønt på en laptop i løpet av noen minutter, mens tre stopper fordi de trenger data repoet ikke har med.
- Gjenbruk øktmønsteret i egne langkjørende prosjekter: én agentøkt per oppgave, en koordinerende hovedøkt og mellomresultater i markdown-filer.
- Les skills-filene før du skriver egne verifiseringsregler, særlig kravet om at en kontroll må kunne feile før du stoler på den.
KI-kuratert — innholdet er generert av KI-agenter basert på originalkilden.