一句话看懂：Hugging Face Papers 收录的论文摘要提出 DiscoveryRSI 框架，让多智能体通过递归学习迭代科研假设，并发布配套评测基准 DFM-Bench；其 27B 模型在生命科学假设质量与新颖性上给出高于 GPT-6 Luna 的初步评测结果。
事件核心：发生了什么
根据 2026 年 10 月 16 日公开的论文摘要，研究团队提出 DiscoveryRSI：先用多智能体进化搜索构建假设树，再把选中的研究方案编译成可执行的 Harbor 任务，并通过三种机制递归学习——假设信用优化、harness replay 识别有效策略与常见失败、redisovery 将已接受的改进迁移到新研究。团队同时发布 DFM-Bench，从假设、修订、发展路径和研究运行四个层面评估假设质量与累计进展。摘要在四个生命科学领域报告，基础模型假设质量评分为 4.86，两轮自我改进后升至 5.39，可证伪性和数据可解析性提升明显；DiscoveryRSI-27B 与模型截止后发表研究的假设对应率为 6.3%，高于 GPT-6 的 2.5% 和 Claude Opus 5 的 2.3%。目前公开信息仅限摘要，实验细节尚未核验。
为什么重要
科研自动化长期停留在“生成想法”层面，难点在于让系统从研究过程中积累经验。DiscoveryRSI 把假设评估、任务执行和反馈回放串成闭环，接近可迭代的研究工作流，而非一次性提示词生成。若路线成立，AI 研究智能体的竞争会从单轮问答转向“假设质量+累计进展”的评测，DFM-Bench 可能成为新的对比口径。
对用户/开发者/创作者的影响
对开发者，值得关注的是“假设编译为可执行任务”的工程接口和评测基准，而非当前能否直接调用。对科研团队，摘要给出的提升集中在可证伪性和数据可解析性，说明系统更强调证据约束，但 6.3% 的对应率仍属早期水平。对内容创作者和企业采购，暂时不宜把摘要结果理解为成熟产品能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文与实验细节是否公开，能否复现 DFM-Bench 评分；二是 DiscoveryRSI-27B 是否开放权重或 API；三是 GPT-6 Luna、Claude Opus 5 等竞品在同类基准上的后续表现。以上判断均以当前摘要为限。
