// Modelle & Forschung 19.10.2026 · 15:24 Uhr 8 Min. Lesezeit

DiscoveryRSI soll Forschungshypothesen durch dokumentiertes Feedback verbessern

Mindverse News

KI-gestützt erstellt 3 Quellen Originalmeldung: arxiv.org Arbeitsweise

KI-generierte Illustration: DiscoveryRSI soll Forschungshypothesen durch dokumentiertes Feedback verbessern — KI-generierte Illustration

Das Wichtigste in Kürze

Das Framework definiert eine wertvolle, testbare Forschungshypothese als Verbindung von evidenzbasierter Aussage, Untersuchungsplan, Entscheidungskriterien und Alternativerklärungen. [1] [3]
Drei Lernmechanismen sollen Bewertungen auf dokumentierte Beiträge zurückführen, wiederkehrende Fehler im Forschungsablauf erkennen und akzeptierte Änderungen in neue Untersuchungen übernehmen. [3]
Die Autoren berichten für vier lebenswissenschaftliche Bereiche einen Anstieg des automatischen Hypothesenqualitätswerts von 4,86 auf 5,39 nach zwei Verbesserungsrunden. [1] [3]
Vergleiche mit nach dem Wissensstichtag veröffentlichter Forschung messen Übereinstimmungen mit konkreten Forschungsbezügen, nicht die unabhängige Bestätigung neu entdeckter Ergebnisse. [3]
Das Projekt-Repository stellt einen öffentlichen Agenten-Harness und ein 27-Milliarden-Parameter-Modell vor; die Autoren warnen zugleich vor unbelegten Aussagen und nicht umsetzbaren Experimentvorschlägen. [2]

// Inhalt · 7 Abschnitte

Ein Forschungsagent soll aus dem Verlauf seiner Arbeit lernen
Hypothese, Prüfplan und Kriterien als gemeinsames Objekt
Von mehreren Agenten zum ausführbaren Auftrag
Drei Wege für rekursives Lernen
DFM-Bench bewertet auch den Weg zur Hypothese
Die berichteten Verbesserungen und ihre Grenzen
Was Unternehmen aus dem Ansatz ableiten können
Quellen

Ein Forschungsagent soll aus dem Verlauf seiner Arbeit lernen

Ein Forschungssystem kann plausible Hypothesen formulieren und trotzdem an der entscheidenden Frage scheitern: Lässt sich aus der Idee eine Untersuchung machen, deren mögliche Ergebnisse die Hypothese tatsächlich stützen oder schwächen? Das Framework DiscoveryRSI setzt genau an dieser Lücke an. Es verbindet die Entwicklung von Hypothesen mit konkreten Untersuchungsplänen und versucht, aus den dokumentierten Entscheidungen und Ergebnissen einer Forschungsrunde Verbesserungen für spätere Runden abzuleiten. [1] [3]

Das zugehörige Paper wurde am 16. Oktober 2026 als Version 1 auf arXiv eingereicht. Die dort dargestellten Ergebnisse sind Angaben der Autorinnen und Autoren; das vorliegende Material weist keine unabhängige Bestätigung der Leistungswerte aus. Ein ergänzendes Projekt-Repository beschreibt Code, Agenten-Harness und ein 27-Milliarden-Parameter-Modell. Diese Projektangaben sind von den Ergebnissen des Papers zu unterscheiden. [1] [2]

Hypothese, Prüfplan und Kriterien als gemeinsames Objekt

DiscoveryRSI fasst eine Forschungshypothese nicht als isolierten Satz auf. Sie besteht im Modell der Autoren aus vier verknüpften Teilen: einer evidenzbasierten Aussage, einem Plan für die Untersuchung, vorab festgelegten Kriterien zur Interpretation der Ergebnisse und relevanten Alternativerklärungen. Hinzu kommen die dokumentierte Evidenzbasis sowie die Daten-, Versuchs- und Ressourcenbedingungen, unter denen die Untersuchung stattfinden soll. [3]

Als wertvoll gilt eine Hypothese, wenn die Klärung ihrer Unsicherheit einen bedeutsamen Beitrag zum Verständnis oder zu einer begründeten Forschungsentscheidung leisten könnte. Testbar ist sie nach dieser Definition dann, wenn ein unter den angegebenen Bedingungen durchführbarer Plan beobachtbare Ergebnisse liefert, die die Aussage stützen, schwächen oder in ihrer Reichweite begrenzen können. Was sich mit verfügbaren Daten oder Experimenten nicht unterscheiden lässt, soll als offene Grenze oder Abhängigkeit sichtbar bleiben. [3]

Die Definition ist wichtig, weil sie wissenschaftlichen Wert und Prüfbarkeit auseinanderhält, aber in einem Arbeitsobjekt zusammenführt. Ein interessanter Gedanke ist demnach noch kein belastbarer Forschungsplan. Der Plan muss etwa benennen, welche Population oder welches biologische System untersucht wird, welche Messungen und Vergleiche nötig sind und was als uneindeutiges Ergebnis gelten würde. Alternativerklärungen sollen mögliche Störfaktoren oder Grenzen der Messung berücksichtigen. [3]

Die Autoren betonen, dass solche Kriterien zunächst die Qualität einer Forschungsgelegenheit beschreiben. Sie beweisen nicht, dass die behaupteten Zusammenhänge stimmen. Auch ein ausführbarer Plan und ein erfolgreiches technisches Prüfverfahren sind noch kein wissenschaftlicher Nachweis für die zugrunde liegende Hypothese. [3]

Von mehreren Agenten zum ausführbaren Auftrag

Im Kern entwickelt DiscoveryRSI Hypothesen in einem mehrstufigen, agentengestützten Prozess. Versionen werden zu Forschungsbäumen beziehungsweise -graphen verbunden: Eine Überarbeitung hat einen Vorgänger, während eine Kombination aus mehreren früheren Ansätzen hervorgehen kann. Die Forschungsverläufe bleiben so nachvollziehbar, auch wenn sie nicht immer eine einfache lineare Abfolge bilden. [3]

Die Arbeitsrollen umfassen unter anderem eine koordinierende Instanz, die Forschungsrichtungen und Operationen auswählt, sowie Agenten, die Evidenz prüfen und Vorschläge entwickeln oder überarbeiten. Eine Kritikfunktion vergleicht den wissenschaftlichen Wert von Hypothesen; eine Fortschrittsbewertung soll zusätzlich prüfen, ob eine Überarbeitung gegenüber ihren tatsächlichen Vorgängern substanziell weiterführt, einen notwendigen Fehler behebt oder lediglich Arbeit wiederholt. Die Bewertungen und Änderungen werden in den Forschungsaufzeichnungen festgehalten. [3]

Zu diesen Aufzeichnungen gehören nach Beschreibung des Papers nicht nur Hypothesen, sondern auch Belege, Daten, Entwürfe, unterstützende Artefakte, Bewertungen, Beiträge einzelner Agenten und Ausführungsprotokolle. Diese Verknüpfungen sollen später erkennen lassen, welche konkreten Änderungen zu einer besseren Hypothese beigetragen haben und an welcher Stelle ein wiederkehrendes Problem entstanden ist. [3]

Ausgewählte rechnergestützte Untersuchungspläne werden in ausführbare Harbor-Aufgaben überführt. Ein solcher Auftrag enthält konkrete Eingaben, eine vorgesehene Umgebung, verlangte Ausgaben und Prüfschritte. Daten, die nicht verfügbar sind, oder physische Experimente, die sich nicht in der Umgebung ausführen lassen, bleiben laut Paper explizite Abhängigkeiten. Die technischen Prüfungen klären, ob das Aufgabenpaket seinen Ausführungsvertrag erfüllt; sie entscheiden nicht, ob eine Hypothese wissenschaftlich richtig ist. [3]

Drei Wege für rekursives Lernen

DiscoveryRSI verbindet drei Mechanismen, um Erfahrungen aus Forschungsrunden in spätere Arbeit einfließen zu lassen. Der erste, Hypothesis Credit Optimization, versucht, Bewertungen einer Hypothese auf dokumentierte Beiträge zurückzuführen. Dazu können etwa das Finden relevanter Evidenz, ein zusätzlicher Vergleich, eine präzisere Messung oder die Reparatur eines unzureichenden Falsifikationskriteriums gehören. Die Forschungsbewertung soll so nicht nur dem Endprodukt zugerechnet werden, sondern auch den Handlungen, die zu ihm geführt haben. [3]

Der zweite Mechanismus, Harness Replay, wertet Forschungsabläufe aus, um produktive Strategien und wiederkehrende Fehler zu identifizieren. Daraus sollen gezielte Änderungen an der Arbeitsumgebung oder Koordination der Agenten folgen. Das Paper beschreibt diesen Zweig als Workflow-Verbesserung, bei der das Modell selbst unverändert bleiben kann. Vorgeschlagene Änderungen werden geprüft, bevor sie in eine weitere Runde eingehen. [3]

Der dritte Mechanismus heißt Rediscovery: Akzeptierte Verbesserungen werden auf neue Untersuchungen angewandt. Aus diesen neuen Aufgaben sollen wiederum Hypothesen und Erfahrungen hervorgehen, die als Grundlage späterer Lernschritte dienen. „Rekursiv“ bedeutet hier also nicht, dass das System seine Fähigkeiten ohne äußere Prüfung unbegrenzt steigert. Beschrieben wird vielmehr ein wiederholter Prozess aus dokumentierter Forschung, Bewertung, Modell- oder Workflow-Anpassung und erneuter Anwendung. [3]

Die Architektur setzt damit voraus, dass die Qualität der Bewertungen und die Vollständigkeit der Forschungsprotokolle ausreichen, um sinnvolle Beiträge zu erkennen. Das ist eine zentrale Bedingung für die Interpretation der Ergebnisse: Eine Bewertung des Endprodukts kann nur dann verlässlich auf frühere Arbeitsschritte zurückwirken, wenn diese Schritte nachvollziehbar dokumentiert und angemessen beurteilt wurden. Diese Einordnung folgt aus der beschriebenen Funktionsweise des Systems. [3]

DFM-Bench bewertet auch den Weg zur Hypothese

Zusammen mit dem Framework stellen die Autoren DFM-Bench vor. Der Benchmark soll nicht nur einzelne Hypothesen bewerten, sondern auch Überarbeitungen im Verhältnis zu ihren Vorgängern, Entwicklungspfade und vollständige Forschungsläufe. Das erweitert die Bewertung von der Frage „Ist dieser Vorschlag gut?“ auf die Frage, ob sich eine Forschungsrichtung über mehrere Schritte hinweg verbessert und Evidenz sowie unterschiedliche Erklärungen sinnvoll verarbeitet. [1] [3]

Die Unterscheidung zwischen wissenschaftlicher Qualität und technischer Ausführbarkeit ist dabei wesentlich. Das Paper bewertet beides getrennt: Eine Aufgabe kann erfolgreich kompiliert oder ausgeführt werden, ohne dass damit ein wissenschaftlicher Beitrag bestätigt wäre. Das Repository nennt fünf Bewertungsebenen – Hypothese, Übergang, Entwicklungspfad, Forschungskampagne und Entdeckung – und beschreibt zusätzlich eine Erweiterung für Batterieforschung. Die Erweiterung ist eine Angabe des Projekt-Repositorys und nicht mit den berichteten Hauptergebnissen aus den lebenswissenschaftlichen Studien gleichzusetzen. [2] [3]

Die Hauptauswertung umfasst laut Paper vier lebenswissenschaftliche Bereiche. Das Repository führt dafür klinische und bevölkerungsbezogene Gesundheit, die Priorisierung therapeutischer Ziele, Krankheitsmechanismen und bevölkerungsbezogene Multi-Omik auf. Eine weitere Bewertungsebene erfasst deduplizierte wissenschaftliche Beiträge, um ähnliche Vorschläge nicht mehrfach als unterschiedliche Fortschritte zu behandeln. [2] [3]

Die berichteten Verbesserungen und ihre Grenzen

In der automatischen Auswertung steigt der mittlere Hypothesenqualitätswert nach Angaben der Autoren vom Basismodell von 4,86 auf 5,39 nach zwei Runden der Selbstverbesserung. Als besonders deutliche Zuwächse nennen sie Falsifizierbarkeit und die Klärung, ob erforderliche Daten eine Untersuchung tatsächlich auflösen können. Das Paper berichtet außerdem Verbesserungen bei Alternativerklärungen. Die vorliegenden Angaben liefern jedoch keine vollständige Aufschlüsselung sämtlicher Einzelwerte, die eine genauere Einordnung der Skala ermöglichen würde. [1] [3]

Eine vorläufige menschliche Bewertung vergleicht DiscoveryRSI-27B mit anderen Forschungsagenten. Laut Abstract schnitt das Modell bei der Bedeutung von Hypothesen sowie bei der Plausibilität und Evidenzbegrenzung der Aussagen besser ab als GPT-6 Luna. Für die durchschnittliche menschlich bewertete Veränderung pro Überarbeitung nennt der Volltext +0,07 für DiscoveryRSI, +0,03 für GPT-5.6 Sol und −0,01 für GPT-6 Luna. Diese Werte beschreiben die berichtete Entwicklung entlang von Forschungswegen, nicht die Richtigkeit der jeweiligen Hypothesen. [1] [3]

Ein weiterer Vergleich verknüpft generierte Hypothesen mit nach dem Wissensstichtag des Modells veröffentlichten Forschungsarbeiten. DiscoveryRSI-27B erreichte laut Paper eine Übereinstimmungsrate von 6,3 Prozent; für GPT-6 werden 2,5 Prozent und für Claude Opus 5 2,3 Prozent genannt. Das Kriterium ist dabei spezifischer als eine bloße thematische Ähnlichkeit: Die verknüpfte spätere Arbeit soll einen konkreten Bezug wie eine Designänderung, einen Vergleich, eine Messung oder eine prüfbare Evidenzlücke liefern. [1] [3]

Diese Rate belegt nicht, dass DiscoveryRSI unabhängig bestätigte Entdeckungen gemacht oder die spätere Publikation verursacht hat. Sie ist ein Vergleich der Hypothesen mit späterer Forschung nach dem im Paper beschriebenen Kriterium. Das Repository ergänzt eigene Vergleichswerte für weitere Modelle und bezeichnet die Kennzahl als Rate handlungsrelevanter Referenzen. Solche ergänzenden Zahlen sind als Projektangaben einzuordnen; die verfügbaren Quellen stellen keine unabhängige Replikation der Vergleiche bereit. [2] [3]

Auch die weiteren Leistungszahlen im Repository sind von den Paper-Ergebnissen zu trennen: In passenden Vergleichsläufen habe DiscoveryRSI-27B 16,7 Prozent mehr einzigartige Hypothesen ausgewählt und 50 Prozent mehr Harbor-Aufgaben erfolgreich kompiliert als das Basismodell. Das beschreibt Auswahl und technische Kompilierung, nicht die Qualität oder wissenschaftliche Bestätigung der daraus entstehenden Ergebnisse. [2]

Was Unternehmen aus dem Ansatz ableiten können

Das Repository stellt einen öffentlichen Agenten-Harness, Code, Beispiele für kompilierte Hypothesenaufgaben und einen Modell-Checkpoint vor. Es beschreibt außerdem einen lokalen Demo-Ablauf und Schnittstellen, über die sich unterschiedliche Modellanbieter anbinden lassen. Der Umfang des tatsächlich verfügbaren Systems und die jeweiligen Nutzungsbedingungen sind dabei nicht einheitlich: Das Repository nennt eine Apache-2.0-Lizenz für projektseitigen Code, verweist aber darauf, dass Modellbedingungen und Anforderungen an Datensätze separat festgelegt sind. [2]

Für Unternehmen, die KI in Forschung und Entwicklung einsetzen, liegt der relevante Ansatz weniger in der bloßen Generierung zusätzlicher Ideen als in der strukturierten Dokumentation von Prüfplänen, Alternativerklärungen und Überarbeitungen. Analytisch lässt sich daraus ableiten, dass ein solcher Aufbau die Nachvollziehbarkeit von Agentenarbeit unterstützen kann – sofern Daten, Quellen, Bewertungen und tatsächliche Ausführung ausreichend kontrolliert werden. Die berichteten Ergebnisse zeigen jedoch nicht, dass sich damit bereits Forschungsentscheidungen automatisieren oder Fachprüfung ersetzen lassen. [3]

Die Entwickler nennen selbst Risiken: DiscoveryRSI könne plausible, aber unbelegte Aussagen erzeugen, relevante Evidenz auslassen oder missverstehen und nicht umsetzbare Experimente vorschlagen. Das Repository verlangt deshalb fachkundige Prüfung, Quellenkontrolle und unabhängige Verifikation. Es erklärt das System ausdrücklich nicht zu einem Medizinprodukt und rät davon ab, es ohne qualifizierte Aufsicht für klinische oder andere folgenreiche Entscheidungen zu verwenden. [2]

Für den praktischen Einsatz sind daher vor allem die Trennlinien entscheidend, die das Framework in seiner Methodik vorsieht: zwischen Hypothese und Nachweis, zwischen erfolgreicher Ausführung und wissenschaftlicher Aussagekraft sowie zwischen einer Modellbewertung und unabhängiger Bestätigung. DiscoveryRSI liefert einen Ansatz, um Forschungsarbeit und Feedback systematisch zu verbinden. Ob die rekursiven Verbesserungen über die berichteten Tests hinaus robust sind, lässt sich anhand der verfügbaren Quellen noch nicht beurteilen. [2] [3]

Quellen

[1] [2610.23839v1] DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses — https://arxiv.org/abs/2610.23839v1 (abgerufen am 2026-10-19)
[2] GitHub - Gen-Verse/DiscoveryRSI: DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses · GitHub — https://github.com/Gen-Verse/DiscoveryRSI (abgerufen am 2026-10-19)
[3] DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses — https://arxiv.org/html/2610.23839v1 (abgerufen am 2026-10-19)