Onthouden, niet herlezen: stateful ReAct-agents voor token-efficiënte autonome experimentatie

Het autoresearch-patroon maakt autonoom experimenteren mogelijk door een large language model iteratief code te laten aanpassen om een doelmetriek te optimaliseren. Het stateless ontwerp reconstrueert echter bij elke iteratie de experimentele context vanaf nul, wat leidt tot O(n) tokenkosten per iteratie en O(n²) in totaal. Dit werk herformuleert het patroon als een stateful ReAct-agent met LangGraph, waarbij getypeerde persistente toestand de experimentele geschiedenis overdraagt.