[提案] Agent 编排 + autoresearch 在 RSSE sign problem 上 dogfood
问题
能否用 Agent + autoresearch 把组内「Issue → 实验 → 进度」的物理研究流程产品化（即 agenticScience 的首个真实子课题）？
为什么现在可以做
- 2026-03-20 组会 Zhendong Cao 已 demo「From Issue to Merge with Claude Code」
- 2026-03-27 Ruisi Wang 系统梳理 Autoresearch / Alpha Evolve / Agent Harness
- 2026-06-05 Concurrent Harness 实践已分享
- 本仓库 agenticScience 编排层 刚刚上线
科学意义
若成功，组内 frontier 方向可从「组会口头 idea」变成 可追踪、可迭代、低摩擦专家反馈 的研究 pipeline；Agent 负责重活，专家
可行性
- 编排仓库已有 scout/spawn/research skills
- 可先用 SSE sign problem 或 CH5+ ZPE 做 dogfood（组内已有代码与组会 slide）
- 1–2 周可完成：1 个子仓库 + 3 轮 autoresearch iteration + 阶段报告
建议首步
- 选 Bei Qiao 2026-04-17「Neural Autoregressive Control Variates for Sign Problem」为首个 spawn 方向
- Agent 建子仓库
rsse-sign-cv，todo：复现最小 RSSE baseline → 加 neural CV → 对比 variance reduction
风险
- Agent 可能 over-scope；需专家
👎 及时砍掉 - GitLab API 偶发慢，CI poll 需长 timeout
相关
- 组会：2026-03-27 Autoresearch、2026-04-17 RSSE sign
- 文献：Karpathy autoresearch 博客；AlphaEvolve (Google DeepMind 2025)
👍 可行 ·👎 不可行 ·🤔 不确定 ·🚀 优先 · 详见 docs/reaction-convention.md