DiscoveryRSI：让 AI 从“提出想法”走向可验证的科学假设

导语

科学发现并不只是生成一个听起来新颖的观点。一个真正值得研究的假设，还必须说明它依据什么证据、解决什么重要不确定性、如何被检验，以及什么结果会支持或否定它。DiscoveryRSI 关注的正是这条从“产生想法”到“形成可执行研究计划”的链路。

论文将有价值、可测试的假设定义为：建立在证据之上的主张，针对具有后果的不确定性，同时配套可行的调查方案、明确的决策标准和可能的替代解释。这个定义把科学推理从文本生成问题，推进为一个需要持续评审和行动反馈的过程。

核心要点

• 用假设树组织探索。 DiscoveryRSI 通过多智能体进化搜索生成、比较和修订假设。不同分支可以代表不同机制、证据路径或实验设计，避免系统过早锁定单一答案。
• 把研究方案变成可执行任务。 被选中的调查会被编译为 Harbor 任务，使模型不仅要写出研究计划，还要在明确的执行环境中完成相应工作。
• 通过三种机制递归学习。 “假设信用优化”尝试把科学评估归因到具体、可记录的研究贡献；“工作流回放”从成功策略和反复出现的失败中改进研究流程；“再发现”则把已经接受的改进应用到新的调查中，继续积累经验。
• 评估不只看最终答案。 论文提出 DFM-Bench，从假设质量、修订过程、发展路径和完整研究运行多个层面衡量累计进展，而不是只对一段最终文本打分。

结果与意义

在四个生命科学领域的自动评估中，模型的假设质量分数从基础模型的 4.86 提升到经过两轮自我改进后的 5.39，增益主要体现在可证伪性和数据可解析性上。论文还报告了专家评审，并将 DiscoveryRSI-27B 与其他科研智能体进行比较，不过现有材料没有提供完整的专家评审细节。

这项工作的价值，不在于证明 AI 已经能够独立完成科学发现，而在于提出了一种更接近真实研究的方法：把假设、实验、判断标准和过程记录连接起来，再让系统从研究轨迹中反思和改进。对于 AI for Science，真正的瓶颈往往不是提出更多候选观点，而是筛选出重要、可操作且能够被证伪的观点。DiscoveryRSI 为这一问题提供了一个结构化方向。

同时，这种框架也面临实际限制。自动评分可能无法完全替代领域专家，执行任务的质量会影响后续学习，而假设信用如何准确分配仍是复杂问题。未来若要走向更可靠的科研协作，系统还需要更透明的证据链、更严格的实验验证，以及对错误推理和不可行方案的持续追踪。

来源：Hugging Face Daily Papers