ResearchEVO：自动化科学发现与文档撰写的端到端框架

科学突破中一个反复出现的重要模式是两阶段过程：先是产生意外发现的无方向实验探索阶段，随后是解释该发现为何有效并将其纳入既有理论的回顾阶段。我们提出ResearchEVO，一个以计算方式实例化这一『先发现后解释』范式的端到端框架。进化阶段采用LLM引导的二维协同进化——同时优化算法逻辑与整体架构——纯粹以适应度搜索代码实现空间，无需对其产生的解有任何理解。写作阶段随后取表现最佳的算法，通过句子级检索增强生成、显式的反幻觉校验与自动化实验设计，自主生成一篇完整、可发表的研究论文。据我们所知，ResearchEVO是首个端到端覆盖这一完整流程的系统：此前没有工作能同时进行有原则的算法进化与基于文献的科学文档撰写。我们在两个跨学科科学问题上验证该框架——使用真实Google量子硬件数据的量子纠错，以及物理信息神经网络——进化阶段发现了各领域文献中此前未被提出、但人类可解读的算法机制。在两个案例中，写作阶段均自主产出了可编译的LaTeX稿件，通过RAG将这些盲发现正确地锚定在既有理论中，且零伪造引用。