DiscoveryRSI：通过递归学习发现有价值的假设
DiscoveryRSI是一种用于科学发现的人工智能框架，通过多智能体进化搜索来提出和评估研究假设。系统将选定的研究编译为可执行任务，并从记录在案的研究贡献、有效策略和反复出现的失败中学习。新推出的DFM-Bench可从多个层面评估假设质量和累计研究进展。在生命科学的四个领域中，自动评估分数从基础模型的4.86提升至两轮自我改进后的5.39，反驳性和数据可解析性提升最明显。专家评审也对DiscoveryRSI-27B给出了较高评价。其假设与知识截止日期后发表研究的对应率为6.3%。不过，这些结果仍属初步，尚不能证明其具备普遍的科学自主能力。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。