DiscoveryRSI: imparare ricorsivamente a scoprire ipotesi di valore

Abstract degli autori

La scoperta scientifica richiede di trasformare ipotesi promettenti in indagini concrete, ma imparare da questo processo di ricerca in evoluzione resta difficile. Proponiamo una definizione operativa delle ipotesi di ricerca di valore e verificabili: affermazioni fondate su evidenze riguardo a incertezze rilevanti, accompagnate da indagini realizzabili, criteri decisionali espliciti e spiegazioni alternative. Il nostro framework DiscoveryRSI sviluppa alberi di ipotesi attraverso una ricerca evolutiva multiagente, traduce le indagini selezionate in task Harbor eseguibili e apprende ricorsivamente attraverso tre meccanismi: l’ottimizzazione dell’attribuzione del merito alle ipotesi associa le valutazioni scientifiche ai contributi di ricerca documentati; il replay dell’harness individua strategie produttive ed errori ricorrenti per perfezionare i flussi di lavoro della ricerca; la riscoperta applica i miglioramenti accolti a nuove indagini, generando ulteriore esperienza per l’apprendimento successivo. Introduciamo inoltre DFM-Bench, che offre una valutazione complessiva della qualità delle ipotesi e dei progressi cumulativi della ricerca a livello di ipotesi, revisioni, percorsi di sviluppo ed esecuzioni della ricerca. In quattro ambiti delle scienze della vita, la valutazione automatica mostra che la qualità delle ipotesi passa da 4,86 per il modello di base a 5,39 dopo due cicli di auto-miglioramento, con i progressi maggiori nella falsificabilità e nella possibilità di risolvere le questioni sulla base dei dati. Verifichiamo inoltre la qualità delle ipotesi attraverso una valutazione di esperti, confrontando DiscoveryRSI-27B con altri agenti di ricerca. Le valutazioni umane preliminari mostrano che DiscoveryRSI-27B ottiene punteggi superiori a GPT-6 Luna per l’importanza delle ipotesi e per la plausibilità delle affermazioni e il loro rispetto dei limiti imposti dalle evidenze. DiscoveryRSI-27B ha raggiunto un tasso del 6,3% di corrispondenza delle ipotesi con ricerche pubblicate dopo il cutoff del modello, superando nettamente GPT-6, al 2,5%, e Claude Opus 5, al 2,3%, e mostrando al contempo un maggiore miglioramento, secondo le valutazioni umane, lungo i percorsi di ricerca.