Repolode
Enviar
Gen-Verse

Gen-Verse/DiscoveryRSI

Framework de pesquisa aberto e modelo de 27B que desenvolvem e avaliam hipóteses científicas de forma recursiva, com foco em ciências da vida.

Ver no GitHubSite
Estrelas
107
Forks
8
Issues abertas
0
Último commit
há 15 horas

O que é?

O DiscoveryRSI trata a pesquisa científica como um ciclo recursivo centrado em hipóteses. Cada proposta é um objeto de pesquisa versionado que combina uma afirmação fundamentada em evidências, um plano de investigação, critérios de decisão explícitos e explicações alternativas. Uma busca multiagente desenvolve essas hipóteses em um grafo de pesquisa, e investigações computacionais selecionadas são compiladas em tarefas executáveis do Harbor. As evidências e revisões por trás de cada etapa são armazenadas para reutilização.

O projeto inclui o DiscoveryRSI-27B, um modelo de 27B treinado com Hypothesis Credit Optimization, que vincula avaliações de qualidade científica a contribuições específicas, como adicionar evidências ou um comparador. O harness público oferece o núcleo agêntico, adaptadores de provedores para endpoints compatíveis com OpenAI, prompts para cada função, um registro de ferramentas, um armazenamento de reexecuções e manifestos de campanhas. Ele pode ser executado com uma demonstração local ou com um modelo servido via vLLM.

O DFM-Bench, projeto complementar, avalia o progresso da pesquisa no nível de hipóteses individuais, revisões, execuções completas de pesquisa e contribuições deduplicadas, com um cenário de ciências da vida e uma extensão para ciência de baterias. Os resultados se destinam à análise por especialistas e à verificação independente, não à tomada de decisões clínicas.

Recursos principais

  • 01Gera hipóteses versionadas com evidências, planos de investigação e critérios de decisão.
  • 02Acompanha os vínculos com as hipóteses de origem e a linhagem de revisões ao longo das iterações de pesquisa.
  • 03Compila investigações computacionais selecionadas em tarefas executáveis do Harbor.
  • 04Disponibiliza o modelo DiscoveryRSI-27B por meio de um endpoint compatível com OpenAI.
  • 05Inclui uma demonstração local, testes e armazenamento de reexecuções das campanhas.
  • 06É integrado ao DFM-Bench para avaliar o progresso acumulado da pesquisa.

Casos de uso

  • Gerar e refinar hipóteses testáveis em pesquisas de ciências da vida.
  • Priorizar alvos terapêuticos ou explorar mecanismos de doenças com dados autorizados.
  • Estudar como agentes de pesquisa de IA desenvolvem ideias ao longo de várias iterações.
  • Avaliar sistemas de agentes de pesquisa considerando trajetórias completas de pesquisa.

Início rápido

  1. 1

    Clone o repositório

    git clone https://github.com/Gen-Verse/DiscoveryRSI.git
  2. 2

    Acesse o diretório do projeto

    cd DiscoveryRSI
  3. 3

    Instale o harness público

    python -m pip install -e .
  4. 4

    Execute a demonstração local determinística

    discovery-rsi demo --iterations 2

Antes de usar

  • Para servir o modelo 27B durante todo o fluxo de trabalho da campanha, é necessário hospedar por conta própria um endpoint compatível com OpenAI, por exemplo, usando vLLM.
  • As hipóteses geradas podem parecer plausíveis, mas não ter respaldo; elas exigem revisão de especialistas e verificação independente.
  • O sistema não é um dispositivo médico e não deve ser usado em decisões clínicas nem em outras decisões de alto risco.
  • Só podem ser adicionados dados cujo uso você esteja autorizado a fazer, pois não são incluídos dados de pacientes nem conjuntos de dados de acesso restrito.

Tópicos

#ai-for-science#llm-agents#agent-framework#hypothesis-generation#life-science#benchmark#research-automation#agentic-workflow#aiforscience#recursive-self-improvement

Perguntas frequentes

O que é DiscoveryRSI?
Framework de pesquisa aberto e modelo de 27B que desenvolvem e avaliam hipóteses científicas de forma recursiva, com foco em ciências da vida. O DiscoveryRSI trata a pesquisa científica como um ciclo recursivo centrado em hipóteses. Cada proposta é um objeto de pesquisa versionado que combina uma afirmação fundamentada em evidências, um plano de investigação, critérios de decisão explícitos e explicações alternativas. Uma busca multiagente desenvolve essas hipóteses em um grafo de pesquisa, e investigações computacionais selecionadas são compiladas em tarefas executáveis do Harbor. As evidências e revisões por trás de cada etapa são armazenadas para reutilização.
DiscoveryRSI é gratuito? Qual é a licença?
DiscoveryRSI é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
DiscoveryRSI ainda é mantido?
Manutenção ativa. O último commit de DiscoveryRSI foi em 20 de out. de 2026.
Para que posso usar DiscoveryRSI?
Gerar e refinar hipóteses testáveis em pesquisas de ciências da vida. Priorizar alvos terapêuticos ou explorar mecanismos de doenças com dados autorizados. Estudar como agentes de pesquisa de IA desenvolvem ideias ao longo de várias iterações. Avaliar sistemas de agentes de pesquisa considerando trajetórias completas de pesquisa.
Como instalar DiscoveryRSI?
Clone o repositório: git clone https://github.com/Gen-Verse/DiscoveryRSI.git Acesse o diretório do projeto: cd DiscoveryRSI Instale o harness público: python -m pip install -e . Execute a demonstração local determinística: discovery-rsi demo --iterations 2
Onde consigo DiscoveryRSI?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Gen-Verse/DiscoveryRSI

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados