九问ScienceDiscovery：树搜索驱动RSI，小时级写出通用积分器

核心事实

openJiuwen社区的ScienceDiscovery平台，通过树搜索驱动科研产物RSI（递归自我改进），实现科研代码的自动迭代。该平台不训练模型、不调整搜索规则，仅通过改写产物本身来优化。在振荡积分案例中，搜索历时2小时、产生236个版本，最终生成一份247行的通用求解器，在未参与打分的19道题上同样有效。在符号回归任务中，111道题里有41.4%写出了正确方程，每题平均仅16.5次模型调用，采用deepseek-v4-flash费用不足3元。

背景与影响

传统科研中，代码优化和方程发现依赖大量人工试错。ScienceDiscovery将这一过程自动化：每一版产物作为树节点，通过选择、改写、沙箱评分、记账四步迭代，失败版本也被记录。这种RSI形态让程序自行决定改进方向，无需人工逐轮介入。在代码加速任务中，ScienceDiscovery在AlgoTune基准上平均加速2.279倍，优于官方榜最高的claude-opus-4.6（1.837）和需RL训练的MetaEvolve（2.045）。该平台底座支持异步并发，可替换不同算法，为验证成本低的任务（如数值计算）提供自动化解决方案。

限制与来源

以上结果基于特定测试集和模型（deepseek-v4-flash、glm-5.2），实际性能可能因任务而异。文中提及的加速比、正确率等数据均来自openJiuwen社区发布的内容，尚未获官方独立验证。ScienceDiscovery代码仓已公开（GitHub及AtomGit），但具体使用条件、许可证及支持范围需以官网（openjiuwen.com）当前信息为准。本文不构成任何投资或使用建议。