ScienceDiscovery用树搜索驱动科研代码自行迭代：2小时写出通用振荡积分器，零训练加速代码2.28倍
openJiuwen社区的ScienceDiscovery把科研代码的迭代试错交给程序自动完成，不训练模型、不修改搜索规则。在三个案例中，它分别生成了半无穷区间振荡积分求解器、将₂F₁双精度求值精度提升至平均11.77位，并在AlgoTune基准上实现平均2.279倍加速。
AI解读：这条新闻的本质是：AI不再只是按人的指令改代码，而是自己决定改哪一版、往哪个方向改，把科研中最耗时的试错环节自动化。ScienceDiscovery通过树搜索，每一版代码都是树上的一个节点，得分高的分支获得更多改写机会，失败版本也被记录并隔离在沙箱里，因此模型不需要专门训练，提示词也不指定技术路线。对物理学家或数值计算工程师来说，最直接的价值是三件事：第一，半无穷区间振荡积分首次有了可直接调用的通用求解器，旧方法几乎失效，而新程序在38道题中全部算准；第二，特殊函数₂F₁的双精度求值在1000个新点上平均正确位数从9.836升到11.771，意味着依赖这些基础工具的仿真软件可能整体更可靠；第三，AlgoTune基准显示平均加速2.279倍，比需要额外训练模型的MetaEvolve还快，而且用的是现成模型。但必须注意，这套方法只适用于结果能快速自动判定的任务——比如积分误差、运行时间、方程正确性，这类验证只需几秒到几十秒。如果验证需要几天（像实验科学那样），整个循环就会被拖慢，所以当前它能覆盖的领域仍是代码、算法和数值计算。普通读者暂时不需要采取任何行动，这项技术的影响集中在科研工具链层面。
openJiuwen社区的ScienceDiscovery把科研代码的迭代试错交给程序自己完成：模型不训练、搜索规则也不改，每一轮变化的只有产物。据量子位2026年9月4日报道，该方法通过树搜索驱动科研产物（RSI）迭代，在三个案例中分别实现了振荡积分器的自动生成、特殊函数求值精度的提升，以及代码平均2.279倍的加速。
搜索展开的形状是一棵树。每一版产物是树上的一个节点，可以被再次选中、改写并长出新的分支，也可以暂时搁置后再次修改；得分较高的分支获得更多改写机会。每一轮迭代包括四步：选择一个父版本，交给模型改写，进沙箱评分并挂成新节点，最后把访问记账到它的全部祖先上。运行失败的版本同样入树，标记为失败，且被沙箱隔离。
三案例结果
案例一：半无穷区间上的振荡积分。这类积分通用积分器失灵，因为它依赖局部误差估计决定采样加密位置，而这些函数持续振荡，无法给出可靠收敛判断。ScienceDiscovery用38道题测试，AI看不到题目和答案，唯一反馈是精度分（0分代表全部算准）。直接调用scipy.integrate.quad得−3.40分，19道中仅3道进入3%容差；搜索到第119个版本时得分−0.0007，19道全部算准，平均相对误差0.07%。最终247行程序会先判断被积函数发散性和振荡速度，再分情况选算法，形成一套通用规则，在未参与打分的19道题上同样有效。整场搜索历时2小时，产生236个版本，全程无人干预。
案例二：₂F₁的双精度求值。高斯超几何函数₂F₁(a,b;c;z)的双精度求值被认为是特殊函数体系的枢纽，没有单一算法能覆盖全参数域。基线scipy.special.hyp2f1在测试的参数分布上约三分之一的点正确有效数字不足10位。ScienceDiscovery用glm-5.2跑48次扩展、598秒，产出199行程序。在1000个从未见过的点上，平均正确位数从9.836升至11.771，能算到10位以上的点从659增至965，原先不足10位的点大多被修正。程序发现了一种经典恒等式，在z小于−1时把z换成1/z以避开标准算法的不收敛区域，并自行确定切换条件。
案例三：从观测数据反推方程。LLM-SRBench的LSR-Transform子集给出纯数字表（4000行采样点、一列目标值），树上的每个节点是一段完整的Python程序，返回解析表达式。通过树搜索，111道题中有41.4%写出了正确方程，包括玻尔能级反解主量子数、普朗克分布反解温度、相对论多普勒；每题平均仅16.5次模型调用，采用deepseek-v4-flash，费用开销不足3元。
在AlgoTune基准上，ScienceDiscovery收录154个来自numpy、scipy、networkx、cvxpy的真实数值计算任务，代码必须产生与参考实现相同的结果。用同一套配置跑两个种子，平均加速2.279倍，意味着同样结果耗时降至原来的四成多；提示词未点名任何加速技术。对照成绩：官方榜最高是claude-opus-4.6的1.837，需要先用RL训练模型的MetaEvolve为2.045。
搜索与成本细节
三个案例均使用现成模型deepseek-v4-flash和glm-5.2，权重未调整。调用次数差异明显：符号回归每题平均16.5次模型调用，而表里其他方法约250次；积分搜索2小时产生236个版本，最好成绩出现在第119个（对照组ERA最后一次有效改进出现在第961个节点）；₂F₁程序来自48次扩展、598秒。单次搜索产生几十到两百多个版本，单机耗时几十分钟到两小时，中途无需人工干预。
选择规则由打分驱动：全树所有节点放在一起比较，名次靠前者更易被选中，预算倾向高分版本（深挖）；同一节点每选中一次权重衰减，路径改几轮后选择转向别处（铺开）。积分案例中，最终版本父节点是第116版，而第116版由第65版改写而来——一个得分仅−2.22、早已被超越的版本。它被重新选中时，当时最优版本第95版（−0.99）已被连续改写5次无果，预算转向了别处。如果仅改写当前最优版本，这条路径不会出现。
搜索结束时的树形，积分问题长出236个版本：前6轮全部指向根节点，长出6条一级分支；随后迅速收敛，229个节点挂在其中一条分支下。最宽版本被改写7次，最深路径15层。同一搜索跑不同题目，树形不同。ScienceDiscovery的底座把演进循环固定为四个插槽：改什么、从哪个候选出发、怎么跑怎么打分、怎么合并提交；换算法只更换插入内容。异步处理是底座的默认特性：n个worker各取一份快照、各产生候选，评估后交给合并层，无需等待其他worker。作为对比，Google ERA的参考实现是串行的，一次扩展一个节点。