RSI

用 harness 把"提假设、做实验、记结论"跑成一个可回溯的搜索树

这是什么

pi-rsi 是一个自动研究 harness：给它一个任务包（问题描述、起始代码、一个冻结的评估器），它就生成一棵假设搜索树， 让无头的编码 agent 在各自的 git worktree 里实现一个假设、跑评估、写 handoff，再由审计员核对数字、记录 insight 和 dead end。调度器按"最好的可扩展节点优先"选下一个节点，宽度和深度有上限，连续无提升会停下。

代码暂未公开。

怎么读这些页面

• 每个实验一页：配置、baseline 与最佳分数、held-out 结果、最佳路径、所有节点表，以及审计员核实的 insights。
• 每页顶部有"交互式搜索树"：点节点看 handoff、进度日志、官方 metrics、提案和数字核对。
• 数字的来源规则：官方分数由 harness 用冻结评估器算；worker 自己报的 quick 集数字一律标注为 quick。
• 实验日志 按次列出；分析记录 放跨实验对比。

已有实验

• Kaggriculture（Kaggle 农场模拟赛，本地评估，CPU）：baseline 3,587，grok-4.5 一小时内到 37,329，grok-4.6 到 24,614。 见 grok46-vs-grok45。
• Kaggle House Prices（入门赛，回归，RMSLE 越低越好）：baseline 0.184 → 隐藏 holdout 0.136，公开榜 0.1166，10 个节点 1 小时。 见 hp-grok46。
• Kaggle Spaceship Titanic（入门赛，二分类，accuracy）：baseline 0.772 → 隐藏 holdout 0.819，公开榜 0.803（两轮，共 14 个节点，第二轮用 rsi continue 接着跑）。 见 st-grok46。

两个 Kaggle 实验的 worker 都是 grok-4.6（xhigh），utility 都是 grok-4.5（low）；最终提交由 harness 在结束时自动完成，一次一个。