SwarmRSI：通过演化科学智能体群实现递归自我改进

科学研究中的递归自我改进（RSI）旨在通过智能体自身的实验经验提升其研究能力。科学智能体群可以整合来自不同研究方向的证据与实现方案，指导群内智能体的后续实验。然而，实验结果不佳时，往往难以判断应该修改假设还是其实现方案；而程序的总体评分又可能掩盖对其他智能体有用的组件。为应对这些挑战，我们提出 SwarmRSI，一个通过演化科学智能体群实现递归自我改进的框架。我们设计了反馈引导的群体变异机制，利用其他智能体的实验反馈来完善假设及其实现方案。我们还提出互补性群体重组机制，在智能体之间复用保留的假设和互补的程序组件，使局部成果能够支持新的研究。递归群体演化将这两种机制整合到一个反馈循环中，利用新的实验证据指导后续研究。在 OpenProblems、NatureBench 和 MLE-Bench Lite 上的实验表明，SwarmRSI 达到了当前最先进（SOTA）的性能水平。进一步评估显示，积累的研究经验能够提升其在留出任务上的表现。生物学家还复现了其生成的程序，用于后续生物学分析。