ScienceDiscovery用树搜索让科研代码自主迭代：两小时找到通用积分器

导语

科研中的许多工作并不是“一次生成、立即成功”，而是不断修改程序、运行测试，再从多个版本中选择更好的方案。openJiuwen 开源工作台中的 ScienceDiscovery，试图把这类试错过程交给搜索程序完成：模型不训练，参数不调整，变化的是每一轮产生的科研代码。

核心方法：把代码演进成一棵树

ScienceDiscovery将每个程序版本视为树上的一个节点。系统选择一个已有版本交给模型改写，在隔离沙箱中执行并评分，然后把新版本挂回树上。失败、超时或死循环的结果也会被记录，但不会影响主流程。

它的选择机制并非只追着当前最优版本走。一方面，高分节点更容易获得后续改写机会；另一方面，节点被访问多次后权重会下降，搜索便可能回到此前被搁置的分支。这种“深挖加铺开”的策略，既利用已有成果，也保留了跳出局部最优的机会。底层循环还支持并发候选、自动评估和结果合并，因此不同任务只需更换初始产物与评分函数。

几个案例说明了什么

• 在半无穷区间振荡积分任务中，搜索产生236个版本，历时约2小时；最终程序共247行，能够先判断发散和振荡特征，再选择相应算法。素材称，19道用于评分的测试题平均相对误差为0.07%。
• 在高斯超几何函数双精度求值中，48次扩展耗时598秒，生成199行程序；1000个未见过的测试点上，平均正确有效数字由9.836提高到11.771。
• 在 AlgoTune 的154项代码优化任务中，两组种子取得平均2.279倍加速。系统没有被提示采用某种具体优化技术，而是通过搜索自行发现改动方向。
• 在仅提供数字表的方程反推任务中，111道题有41.4%写出了正确方程，平均每题调用模型16.5次，采用的模型为 deepseek-v4-flash。

意义与边界

这套方法的价值不在于让模型凭一次回答“发明”算法，而在于把模型变成候选方案生成器，再用可执行的评分标准筛选和积累改进。对于数值计算、代码优化和符号回归等任务，机器几秒到几十秒即可完成验证，因而适合连续搜索。

但它并不等于科研自动化已经解决。真实实验往往需要数天甚至数月，且评分可能无法准确代表最终科学目标。要把树搜索推广到材料、生命或实验物理领域，还需要更快的仿真、代理模型和自动化实验平台，同时建立更可信的验证机制。换言之，搜索能力的上限，很大程度上仍由“能否快速且可靠地判断好坏”决定。

量子位