Les agents fondés sur des modèles de langage sont de plus en plus mobilisés pour des tâches d’ingénierie de performance en calcul scientifique, comme l’instrumentation, l’analyse ou le portage de workflows. Mais leur efficacité dépend encore fortement de l’outillage qui les entoure: compétences codées à la main, mémoire organisée manuellement et faible capacité à réutiliser ce qui a déjà été appris. Selon les auteurs, cette dépendance limite l’autonomie et pousse les agents à redécouvrir plusieurs fois les mêmes solutions.
Phronix entend répondre à ce problème avec une approche dite « capability-centric ». Le système repose sur une boucle prédicteur-validateur-correcteur: des outils et compétences associés proposent une solution, l’exécution des outils sert de validation, puis les résultats observés permettent d’affiner les capacités stockées. Chaque interaction est ainsi condensée dans un réservoir de capacités réutilisables, et une tâche en échec fait l’objet d’une nouvelle recherche au lieu d’être simplement abandonnée.
Les résultats mis en avant sont significatifs, sous réserve de validation indépendante. Les capacités apprises permettraient de résoudre une tâche récurrente du premier coup dans 93 à 95 % des cas selon les modèles testés, tout en réduisant la non-déterminisme. Les auteurs indiquent aussi que Phronix génère entre 7,6 et 30,8 capacités durables par tâche sans instruction utilisateur, tandis que les exécutions en « warm start » consommeraient 0,38 à 0,40 million de tokens par tâche, soit trois à quatre fois moins qu’une tentative de référence.
Sur un workflow Pegasus appliqué au projet 1000 Genome, Phronix réussirait 11 vérifications de correction sur 11, contre 6 pour le harnais de base. Le papier affirme également que deux modèles moins coûteux voient leur taux de résolution sur SWE-bench progresser de 29 % et 27 % à 91 % et 87 %, jusqu’à rejoindre le niveau du modèle le plus onéreux évalué. À ce stade, ces résultats proviennent d’une prépublication arXiv et devront être confirmés par des travaux complémentaires.