📖 AI 总结

ScienceDiscovery通过树搜索驱动递归自我改进（RSI），实现了无需训练模型或调整参数即可加速科学发现。其核心是将科研代码本身作为演进对象，每轮迭代包含选择父版本、模型改写、沙箱评分和记账四步，树状结构允许程序自主决定探索方向。在振荡积分案例中，2小时内生成236个版本，最终以247行程序解决此前无通用工具的难题，19道测试题全部算准，平均误差仅0.07%。在代码加速任务中，平均加速2.279倍，超越官方榜最优成绩；在符号回归中，41.4%的题目成功写出正确方程，每题平均仅16.5次模型调用，成本不足3元。该方法通过平衡深挖与铺开的节点选择规则，使程序能回溯早先分支，实现自主迭代，显著降低科研试错成本。