为可重复的改进循环提供基准

什么样的数据有用？

任务需要明确输入与输出、可信的参考答案或检查器、能指导分析的反馈，以及用于评估下一版本的独立样例。

反馈可以指出选错的答案或未满足的约束，帮助定位能力不足。仅有一个正确答案，仍不足以确认模型的推理过程。

从分子选择题到研究问题

MolP2SBench 让模型根据性质证据恢复已知分子中被遮蔽的片段，并用保留的结构核验答案。受控的证据条件可用于研究预测是否响应了提供的信息。

利用开发样例诊断薄弱环节，修改模型或 Agent，再以相同的检查规则和预算，在新的分子问题组上比较版本。两道题的教学演示用于讲解接口，不构成独立评估集。

递归发生在哪里

递归自我改进（RSI）利用系统当前的能力改进自身，再让更新后的能力参与后续改进。 我们提出的协议显式检验这一反馈关系：安装修改后的改进程序，并用它产生后续修改。

基准为这些实验提供证据。单凭任务分数提高，不能证明递归自我改进或分子生成能力已经实现。

根据研究问题选数据

先选择研究赛道，再检查任务、反馈及可用于评估的样例。赛道描述科学领域，每项资源会单独说明它实际测量的能力。

给数据贡献者

论文是可选的。欢迎提供原创数据，或整理已有资源，并说明来源和使用条件。

先提供来源链接、版本、科学用途和访问条件。可核验的数据包还需要任务示例、检查程序和数据划分计划。审核记录会说明实际检查了哪些材料。