# DFM-Bench

研究智能体能否从自己的研究经历中持续改进，取决于能否把假设变成可执行、可检验的调查，并知道该强化哪一步贡献。DiscoveryRSI 用多智能体演化搜索构建假设树，保留每个提案与修订背后的证据和决策，再据此训练模型、改进工作流。两轮自我提升后，平均假设质量从 4.86 升到 5.39，增益集中在可检验性：可证伪性从 4.00 升到 6.20，数据可解析性从 3.73 升到 4.99。

研究智能体能否从自己的研究经历中持续改进，取决于能否把假设变成可执行、可检验的调查，并知道该强化哪一步贡献。DiscoveryRSI 用多智能体演化搜索构建假设树，保留每个提案与修订背后的证据和决策，再据此训练模型、改进工作流。两轮自我提升后，平均假设质量从 4.86 升到 5.39，增益集中在可检验性：可证伪性从 4.00 升到 6.20，数据可解析性从 3.73 升到 4.99。