树搜索驱动科研RSI：ScienceDiscovery如何实现小时级科学发现与通用积分器构建

近年来，人工智能在科学发现中的角色正从辅助工具向自主探索者演进。传统科研流程中，大量时间耗费在反复试错与代码调优上——第一版实现往往粗糙，真正价值体现在后续数十乃至上百次的迭代改进中。这一过程本质上是搜索问题，而非单次执行任务。在此背景下，openJiuwen社区推出的ScienceDiscovery平台提出了一种新颖范式：通过树搜索驱动科研产物的自主迭代（Research Self-Improvement, RSI），在无需训练模型、不调整参数的前提下，让科研代码自身在搜索空间中持续演化，最终产出高性能、通用性强的解决方案。

树搜索：构建科研产物的进化骨架

ScienceDiscovery的核心在于将科研迭代建模为一棵不断生长的搜索树。每个节点代表一个完整的科研产物（如一段Python程序），包含可执行代码及其评估得分。搜索过程遵循四步循环：选择（Selection）、改写（Rewriting）、评分（Scoring）与记账（Backpropagation）。具体而言，系统首先从现有节点中选择一个父版本；随后调用大语言模型（LLM）对其进行改写，生成新候选；新代码被送入隔离沙箱运行并打分；最后，本次访问记录被回传至该节点的所有祖先，影响其未来被选中的概率。

值得注意的是，失败版本同样被纳入树中，标记为无效但保留结构信息。这种包容性设计避免了因预设限制而扼杀潜在创新路径。沙箱机制由平台底座提供，能有效隔离死循环、超时或崩溃，确保评估安全可靠。当这棵树能在无人干预下持续生长并收敛至高性能解时，便实现了科研场景下的RSI——目标明确后，探索方向、回溯决策与深度挖掘均由程序自主完成。

案例一：攻克半无穷区间振荡积分难题

振荡积分在物理计算中极为常见，但传统通用积分器（如scipy.integrate.quad）在此类问题上表现糟糕。原因在于其依赖局部误差估计来决定采样密度，而振荡函数无衰减特性导致误差估计失效。ScienceDiscovery以38道典型振荡积分为测试集（AI全程不可见真值），仅以精度分作为反馈信号（0分表示完全准确）。

初始基线得分仅为−3.40，19道题中仅3道满足3%容差，最差结果误差高达24亿倍。经过119轮迭代、236个版本生成后，系统产出一个247行的通用求解器，得分提升至−0.0007——所有测试题均达标，平均相对误差仅0.07%。该程序并非为每道题硬编码分支，而是自主归纳出一套通用规则：先分析被积函数的发散点与振荡频率，再动态选择合适算法。更关键的是，该求解器在未参与训练的另外19道题上同样有效，证明其泛化能力。

整个过程耗时仅2小时，全程无人工介入。这标志着首个适用于半无穷振荡积分的通用工具诞生，填补了数值计算领域的长期空白。

案例二：高斯超几何函数的双精度突破

高斯超几何函数₂F₁(a,b;c;z)是特殊函数体系的核心，其全参数域双精度求值长期缺乏统一算法。scipy.special.hyp2f1作为行业标准，在特定参数分布下约三分之一的点有效数字不足10位。ScienceDiscovery使用glm-5.2模型，经48次扩展、598秒运行，生成199行程序。

在1000个全新测试点上，平均正确有效数字从9.836提升至11.771，达标点（≥10位）从659增至965。深入分析发现，程序自主发现并应用了一条经典恒等式：当z < −1时，标准级数不收敛，系统将其转换为1/z形式，并精确设定切换阈值。这一策略并非提示词中预设，而是搜索过程中自然涌现的数学洞察。

案例三：真实代码加速与物理规律反演

在AlgoTune基准（含154个真实数值任务）上，ScienceDiscovery以现成模型实现平均2.279倍加速，远超官方榜冠军claude-opus-4.6（1.837倍）及需强化学习训练的MetaEvolve（2.045倍）。提示词未指定任何优化技术，所有改进均由搜索自主发现，包括算法重构、内存布局调整等深层优化。

在符号回归任务中，系统面对纯数字表（4000行采样点），成功在111题中复现41.4%的物理定律，包括玻尔能级反解主量子数、普朗克分布反推温度等。平均每题仅调用模型16.5次，成本不足3元（deepseek-v4-flash），显著低于LaSR等需百万级遗传操作的方法。

动态选择机制：平衡深挖与探索

搜索效率的关键在于选择策略。ScienceDiscovery不采用贪心策略（仅扩展当前最优），而是对全树节点统一打分排序。高分节点优先被选中（集中资源深挖），但每次被选后其权重衰减，防止过早收敛。这种机制天然支持“回溯”——当某条路径连续多次无改进时，资源自动转向早期被搁置的分支。

积分案例中，最终版本源自第116版，而第116版由早已被超越的第65版（得分−2.22）改写而来。当时最优版（第95版，−0.99）已连续5次无进展，系统果断转向旧分支，最终发现更优解。若仅沿最优路径前进，此解将永远无法触及。

可扩展底座：四插槽架构支撑多领域适配

ScienceDiscovery的底层是一个固定四插槽的演进循环：改什么（What to rewrite）、从哪出发（From which candidate）、如何评估（How to score）、如何合并（How to merge）。算法变更仅需替换对应插槽实现，其余部分无需改动。树搜索、遗传算法、爬山法等均可无缝接入。

三个案例共享同一底座：积分任务更换评分函数（精度导向），代码加速任务关注运行时间，符号回归则验证表达式等价性。异步并发能力进一步提升效率——多个worker可同时扩展不同节点，突破Google ERA等串行实现的吞吐瓶颈。

验证瓶颈：从代码到实验科学的跨越

当前成功案例均具备低成本、快速机器验证特性：积分精度、代码速度、方程正确性均可在秒级判定。这使得236次迭代能在2小时内完成。然而，多数科研领域（如材料合成、生物实验）验证周期长达数天甚至数月，单次失败成本高昂。

要将RSI范式推广至这些领域，需突破两大瓶颈：一是加速验证，通过高保真仿真、代理模型预筛、自动化实验室压缩实验周期；二是确保分数可信度，避免代理指标与真实目标脱钩。每推进一步，可自动化的科研任务边界就向外扩展一圈。

未来，人类科研者的角色将转向定义目标与验证标准，而繁琐的试错迭代交由智能搜索系统完成。ScienceDiscovery所展示的，不仅是技术突破，更是一种科研范式的迁移——从“人主导试错”走向“系统自主进化”。随着验证技术的进步，这一范式有望重塑整个科学研究的效率边界。