ScienceDiscovery实现树搜索驱动RSI，加速科学发现，小时级写出通用积分器，低成本找出物理科学规律

ScienceDiscovery实现树搜索驱动的递归自我改进（RSI），将科研代码的试错迭代交由程序自主完成。其核心机制是：每版代码作为树节点，经模型改写、沙箱评分后挂载，失败版本亦入树隔离，选择规则平衡深挖与铺开，无需人工干预。 案例一：半无穷区间振荡积分，搜索119版后生成247行通用求解器，19道测试题全部算准，平均误差0.07%，耗时2小时，此前无通用工具。案例二：高斯超几何函数求值，48次扩展产出199行程序，平均有效位数从9.836升至11.771。案例三：AlgoTune基准上，代码加速平均2.279倍，优于官方最优的1.837。案例四：从观测数据反推方程，111题中41.4%写出正确表达式，每题平均16.5次模型调用，成本不足3元。 系统采用现成模型（deepseek-v4-flash、glm-5.2），无需训练或预设技术路线。底座提供沙箱隔离与四插槽演进框架，可适配不同搜索算法。