ScienceDiscovery: поиск по дереву для RSI создает интегратор и открывает законы физики

Китайское сообщество openJiuwen представило платформу ScienceDiscovery, автоматизирующую цикл проб и ошибок в научном коде. Здесь эволюционирует сам продукт: модель не дообучается, правила поиска неизменны, а каждая версия программы становится узлом дерева. Система сама выбирает узел для доработки, запускает его в песочнице, оценивает и записывает результат. Это одна из форм RSI — рекурсивного самоулучшения. Поиск не только углубляется в удачные ветви: приоритет узла со временем снижается, и система возвращается к старым забытым вариантам.

Эффективность подтверждена тремя кейсами. При вычислении осциллирующих интегралов стандартный scipy.integrate.quad ошибался в 19 из 38 задач, иногда в миллиарды раз. ScienceDiscovery за два часа перебрала 236 версий и создала решатель, верно работающий на всех контрольных и новых данных. В бенчмарке AlgoTune средний выигрыш составил 2,279 раза против 1,837 у официального лидера Claude Opus 4.6, причем использовалась готовая модель без обучения. В символьной регрессии из 111 задач система вывела правильные уравнения в 41,4 процента случаев, включая физические формулы, при затратах менее трех юаней на задачу.

В основе платформы — открытая инфраструктура с четырьмя слотами: выбор версии, создание кандидата, оценка и слияние. Замена алгоритма сводится к подстановке модуля в нужный слот. Технология лучше всего работает там, где результат быстро проверяется автоматически, — в численных расчетах и программировании. Для экспериментальных наук проверка гипотез занимает дни или месяцы, поэтому авторы делают ставку на ускорение валидации симуляциями и автоматизированными лабораториями. Код ScienceDiscovery открыт на GitHub и AtomGit.