ScienceDiscovery让AI自主发现规律：不训练模型，小时级推导通用积分器

ScienceDiscovery近日展示了一种由树搜索驱动的自主科学发现方法：它不重新训练基础模型，也不依赖针对任务的参数调优，而是把大模型放在“科学家”的位置上，通过搜索、实验、验证和回溯，持续探索可能成立的新假设。

这项工作的关键不是让模型一次性给出正确答案，而是让模型在一个结构化的搜索空间里不断试错。研究结果显示，ScienceDiscovery可以在小时级时间内写出具有通用性的积分器，并从物理科学问题中提炼出可迁移的规律。换句话说，它尝试把大模型从“会回答科学问题的助手”，推进到“能够组织科学探索流程的研究代理”。

ScienceDiscovery是什么：把自主科学发现变成一棵搜索树

自主科学发现（Research-level Scientific Intelligence，RSI）是指AI系统能够自行提出研究假设、设计验证实验、分析结果，并根据反馈继续推进科学研究，而不只是执行人类已经明确描述的任务。

传统AI for Science通常有两条路线。第一条路线是训练专用模型，例如用大量流体、材料或基因组数据训练预测模型；第二条路线是让通用大模型辅助科学家写代码、推公式、查文献。但这两条路线都存在明显边界：前者需要昂贵的数据和训练，后者往往停留在“生成候选答案”，真正的实验设计和结果筛选仍由人完成。

ScienceDiscovery选择了第三条路线：不把主要资源投入模型训练，而是把计算预算投入搜索过程。系统把一个科学问题拆成多个节点，每个节点代表一个假设、一个程序实现、一个实验结果或一个中间结论；从根节点出发，系统不断扩展更有希望的分支，淘汰失败分支，必要时回到上游节点重新规划。

这种方法与普通聊天式问答的区别，可以类比为“让模型参加一场有记录的科研竞赛”。普通对话只需要生成一段看起来合理的答案；树搜索则要求每个分支都留下可复查的假设、实验条件、代码结果和失败原因。一个分支如果无法通过数值实验、符号检查或已知规律验证，就不能仅凭语言表达继续存活。

树搜索（Tree Search）是一种通过逐步扩展候选决策、评估中间结果并回溯失败路径来寻找高质量解的方法。它在棋类程序、规划系统和定理证明中已经被广泛使用，ScienceDiscovery则把这种机制搬到了科学研究流程中。

它为什么不需要训练模型

ScienceDiscovery的核心变化，是把“提升能力”的方向从训练模型改成了优化推理流程。

在常见的科学大模型方案中，研究者通常需要准备领域数据、设计损失函数、微调模型，并通过验证集评估模型是否学会了目标规律。这种方案适合任务边界明确、数据规模足够的场景，但面对真正的新规律发现时，训练数据本身可能并不存在。模型如果只是在已有数据分布内拟合，很难处理超出训练集的新问题。

ScienceDiscovery不训练模型，意味着它直接调用现有的大型推理模型，把模型当作候选假设生成器、程序编写器和策略规划器。系统能力主要来自三部分：

• 搜索策略：决定下一步扩展哪个假设，而不是随机生成更多答案。
• 工具反馈：通过数值计算、符号推导、仿真或数据分析判断候选方案是否成立。
• 过程记忆：记录哪些假设已经失败、哪些实验有效，避免反复走回同一条死路。

不调参数也意味着，ScienceDiscovery不需要为每一个新物理问题重新寻找学习率、批大小、网络结构或专用提示词。面对新的任务，它更像一个通用科研工作流：输入问题，生成候选表示，调用工具做实验，再根据实验结果调整方向。

这并不代表模型本身不重要。更准确地说，模型负责“提出和解释”，搜索系统负责“安排和筛选”，外部工具负责“计算和验收”。三者分工之后，大模型的随机性不再直接等价于最终结论的随机性。

小时级写出通用积分器，价值不在于“写代码”

ScienceDiscovery此次最值得关注的展示之一，是在小时级时间内推导出通用积分器。

积分器（Integrator）是用于近似求解微分方程随时间演化过程的算法。物理仿真、天体运动、分子动力学、流体计算和工程模拟，都需要把连续时间过程切分成一个个离散时间步，再计算系统如何从当前状态演化到下一状态。

普通数值积分器并不只是“把公式翻译成代码”。一个好的积分器需要同时考虑精度、稳定性、计算成本以及是否保留系统的物理结构。例如，简单的欧拉方法实现容易，但在长时间模拟中可能积累较大误差；更复杂的高阶方法精度更高，却可能增加计算量；针对哈密顿系统的辛积分器，则会优先保持能量和相空间结构，适合长期轨道模拟。

因此，所谓“写出一个积分器”，真正难的地方在于发现适合目标问题的更新规则，并证明或验证它在不同条件下具有稳定性和泛化能力。ScienceDiscovery不是把已有积分器模板换一套变量名，而是通过提出候选结构、生成实现、运行基准实验、检查误差与守恒量，再回到搜索树中继续改进。

这里的“通用”也需要谨慎理解。它并不意味着一个算法可以无条件解决所有微分方程，而是指该方法不是只针对单个固定方程拟合出来的特例，能够在一类问题或多个测试条件下复用。公开资料目前强调的是小时级推导和低成本探索，至于其在更广泛方程族、长时间积分稳定性以及与成熟数值分析方法的全面对比，仍需要更完整的论文和可复现实验来确认。

与现有AI科学研究工具相比，ScienceDiscovery强在哪里

ScienceDiscovery的优势不在于单点模型分数，而在于它把科学发现从一次性生成任务变成了连续决策任务。

| 路线 | 主要方法 | 是否需要训练 | 结果形态 | 主要瓶颈 | |---|---|---:|---|---| | 领域专用科学模型 | 使用领域数据预训练或微调 | 通常需要 | 预测、分类、模拟 | 数据成本高，超出分布后性能不确定 | | 大模型科研助手 | 对话、写代码、推导公式 | 通常不需要 | 候选答案或实验方案 | 容易生成看似合理但未经验证的结果 | | AI定理证明系统 | 搜索证明步骤并由形式化系统验收 | 通常不需要针对定理训练 | 可验证证明 | 依赖形式化表达，难覆盖真实物理实验 | | ScienceDiscovery | 树搜索连接假设、程序、实验和回溯 | 不训练模型、不调任务参数 | 候选规律、算法和可复现实验 | 搜索成本、工具可靠性和物理验证仍是难点 |

以普通大模型为例，它可能很快给出一个漂亮的推导，但无法保证推导中的边界条件、单位、符号约定和数值误差都正确。ScienceDiscovery的思路是把这些问题转化为检查节点：公式能否通过符号验证，代码能否运行，结果是否符合已知极限，误差是否随步长按预期下降，物理守恒量是否保持。

这也是它比单纯“让模型多思考几轮”更有价值的地方。多轮对话通常只是延长文本生成链路，而树搜索会显式保留多个候选方案，并让实验结果决定资源分配。一个失败的想法不是被一句“换个思路”带过，而是成为搜索树中的负反馈。

它真正解决的是科学研究中的“验证瓶颈”

AI科学发现最大的瓶颈通常不是提出想法，而是判断想法是否值得继续。

人类研究者每天可以阅读的论文、检查的公式和运行的实验数量都有限。大模型则可以在较低边际成本下生成大量候选假设，但如果没有自动验证机制，候选数量越多，人工筛选压力反而越大。AI生成80%的研究草稿，并不意味着科研效率提高80%；如果每一份草稿都需要专家从头检查，验证成本可能吞掉全部收益。

ScienceDiscovery试图把验证尽可能前置并自动化。它可以先用低成本测试淘汰明显错误的假设，再把更有潜力的分支交给高成本仿真或更精细的分析。这个过程类似软件工程中的持续集成：代码不是写完才统一测试，而是每次修改后都通过自动测试，尽早阻止错误进入后续流程。

不过，自动验证的边界也很清楚。数学恒等式、数值误差、程序运行结果和某些守恒关系可以由工具检查；一个规律是否具有真正的物理意义、是否适用于现实世界、是否值得实验验证，则不能只靠代码通过测试来决定。

物理学和数学在这里存在根本差异。数学命题可以在形式化公理体系内获得证明，物理规律则必须最终接受现实世界的观测或实验检验。AI可以帮助研究者缩小候选空间、设计更有效的实验、发现数据中的异常结构，但“搜索树中的高分分支”不等于“自然界已经承认的定律”。

树搜索也不是免费午餐

ScienceDiscovery降低了训练成本，却可能把成本转移到了搜索和工具调用上。

如果每个节点都需要生成代码、运行仿真、做符号分析，再由推理模型评估结果，那么搜索树一旦变宽，计算量会迅速增长。假设每个节点平均扩展5个候选分支，连续扩展6层，理论候选数量就可能达到15625个。实际系统会通过剪枝、优先级和早停减少数量，但如何在探索新方向与利用已有好方向之间平衡，仍然是系统设计的核心。

搜索还可能继承模型的偏见。大模型更容易提出符合已有文献表达习惯的假设，不一定更容易发现真正反直觉的新规律。如果评价函数过度奖励短期拟合、低误差或代码简洁，系统可能找到“看起来有效”的捷径，而不是具有解释力和迁移性的理论。

另一个风险是验证器被“钻空子”。当系统同时负责生成候选程序和解释结果时，必须防止它通过修改测试条件、选择性报告数据或利用数值误差来制造成功。可靠的系统需要隔离生成器与验证器，固定基准数据和实验协议，并保存完整的中间轨迹。

因此，ScienceDiscovery目前更适合作为科学家的高强度探索引擎，而不是无人监督的自动实验室。它可以把一周内需要反复试验的计算工作压缩到几个小时，但关键结论仍需要专家复核、独立实现和现实实验验证。

对开发者意味着什么：科研Agent开始从聊天转向工作流

ScienceDiscovery释放出的信号是，下一阶段AI科研工具的竞争重点，可能不再只是“哪个模型知识更多”，而是谁能把模型、工具和验证流程连接得更好。

一个可用的科学发现Agent至少需要具备以下能力：

1. 问题形式化：把自然语言研究问题转化成变量、假设、约束和可观测指标。
2. 候选生成：提出多个理论结构，而不是只给出一个最可能答案。
3. 程序化实验：自动生成可运行的计算实验，并处理依赖、边界条件和异常结果。
4. 多层验证：同时检查符号正确性、数值稳定性、物理一致性与跨任务泛化。
5. 搜索记忆：保存失败路径、实验配置和中间结论，避免重复消耗计算预算。
6. 人工接管：在系统无法判断时，把证据链和争议点交给研究者，而不是输出一个过度自信的结论。

这套范式对开发者的启发也很直接：不要把科学Agent设计成一个“更长的提示词”，而要把它设计成可观测、可回溯、可插拔的执行系统。模型只是其中一个组件，数值求解器、符号引擎、数据管理、实验调度和结果审计同样重要。

判断：它不是AI科学家的终点，但可能是更现实的起点

ScienceDiscovery最有价值的地方，是证明“不训练模型”也可以通过搜索和验证显著扩展大模型在科学任务中的有效工作时间。

它没有解决AI自主科学发现的全部问题：没有自动完成现实实验，没有证明模型能够独立提出人类未知的基础物理定律，也没有替代专家对理论意义和实验可行性的判断。但它把问题从“模型能不能凭空发现科学”改写成了一个更可工程化的问题：如何让模型在受约束的假设空间内持续探索，并让每一步都可验证、可复现、可回溯。

这个变化比再增加几百亿参数更值得关注。对于科学计算而言，最稀缺的资源往往不是生成一段文字，而是找到值得验证的方向。只要树搜索能够有效管理候选假设，工具能够提供可信反馈，基础模型即使不经过专门训练，也可能成为一台低成本的规律搜索机器。

但“小时级推导出结果”与“小时级完成科学发现”之间，仍隔着实验验证、同行评审和长期复现。ScienceDiscovery现在更像一名速度极快、记忆力极强、可以同时跑成千上万次计算实验的研究助理；它能显著扩大探索宽度，却还不能独自决定什么是真正重要的科学。

截至2026年9月4日，ScienceDiscovery更适合被看作自主科学发现的一次方法论突破：它展示了树搜索如何把随机生成的模型能力，组织成一个具有反馈闭环的科学推理过程。接下来真正值得观察的，是这套方法能否从数值积分器和计算物理任务，扩展到材料、化学、生物以及必须依赖现实实验的研究领域。

参考来源

• GitHub ScienceDiscovery 项目检索页：用于检索相关开源代码、实验实现和后续复现项目。
• Hugging Face ScienceDiscovery 相关检索页：用于检索可能公开的模型、数据集或研究复现资源。

本文依据2026年9月4日前公开报道、研究摘要及相关AI for Science讨论整理。由于ScienceDiscovery的完整论文、基准协议和代码开放情况可能持续更新，文中对性能与通用性的判断以目前公开信息为准，具体结论应以官方论文和可复现实验为最终依据。