科学のための再帰的自己改善
再帰的自己改善のための科学データセットとベンチマークを集めるコミュニティ。
データをダウンロードし、モデルの回答を検証し、開発用フィードバックを改善に活用できます。データセットを提供して、ほかの研究者の取り組みにつなげてください。
これらのリソースがRSIを支える仕組みMolP2SBench 分子探索
既知の構造の一部を隠し、計算された物性値からモデルに復元させます。元の記録が参照解を提供し、証拠を変えることでモデルの選択を調べられます。
これは分子設計の一部を切り出した、検証可能な問題です。長期的には、復元タスクでの学習が有用な分子の提案に役立つかを問います。
デモは観測2件、候補2個、分子ファミリー1組を使います。元のデータは物性チャネルごとに136件の問題を含み、各タスクに2～4個の候補があります。
1.45724 D
5.37590 D
同じ候補に対する2つの問いです。それぞれの選択を参照解答と比べ、予測の成功と失敗を確認します。
この例を試す1つの学習用ファミリー · 計算された双極子モーメントの大きさ科学的発見には、多数の仮説や設計案があります。次の一手を選ぶ方法が改善すれば、無駄な試行を減らせる可能性があります。その効果を検証するためのリソースを集めています。
再帰的自己改善（RSI）は、システムの現在の能力を使って自身を改善し、更新された能力を次の改善に活用する過程です。 仕組みを見る.
データソースの提案はリンクと一例から始められます。独立したテストセットは後から整備できます。
研究ピックアップ · 確認日
MASS trains a shared model on selected agent trajectories, then uses the updated model to execute, optimize and evaluate the next round. It connects learning from task experience with later self-improvement.
Sakana AI update · 2026年10月12日
Two cycles; longer-run scientific improvement remains open.
CISE uses calibrated reward intervals to guide materials search. It addresses a practical dataset question: how can feedback prevent promising-looking but infeasible candidates from steering later trials?
A feedback method for materials search; recursive self-revision is untested.
AIDE² evolves research-agent code. Its separate ignition test puts an evolved agent back into the role of improving agents—the return path that matters for recursive self-improvement.
Later improver reuse was tested; its advantage remains unresolved.
ともにつくる科学データのコレクション
