arXiv · cs.CL· Jianyuan Zhong·· 10 天前精选AI 评分58
DiscoveryRSI 提出递归自改进框架学习发现有价值假设并发布 DFM-Bench
DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses
来源与原文
arXiv · cs.CL
作者：Jianyuan Zhong
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23839v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究团队提出 DiscoveryRSI 框架，通过多智能体进化搜索构建假设树，用假设信用优化、harness replay 和 rediscovery 三种机制递归学习，并配套发布 DFM-Bench 评测假设质量与累计研究进展。四个生命科学领域中，两轮自改进后假设质量从基线 4.86 升至 5.39，可证伪性和数据可解性提升最大；专家评审中 DiscoveryRSI-27B 在假设重要性与论断合理性上高于 GPT-6 Luna，与模型截止日期后发表研究的对应率为 6.3%，高于 GPT-6 的 2.5% 和 Claude Opus 5 的 2.3%。
推荐理由
论文给出假设树自改进框架和假设质量的量化指标，可看到自动评测与专家评审两层验证结果。
来源：arXiv · cs.CL · arxiv.org