AnswersPublished18 sources
Tsinghuan tutkijat erottavat kaavan löytämisen sen selittämisestä
SRHarness on tieteelliseen kaavanhakuun tarkoitettu ympäristö, ja MechBench arvioi, löytääkö tekoäly kaavan lisäksi myös sen taustalla olevan mekanismin. DeepSeek v4 flash 0731 mallilla SRHarness palautti LSR Transform testissä oikein 93,69 % kaavoista; kun tieteenalan kuvaukset ja muuttujien merkitykset poistettiin...
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- SRHarness on tieteelliseen kaavanhakuun tarkoitettu ympäristö, ja MechBench arvioi, löytääkö tekoäly kaavan lisäksi myös sen taustalla olevan mekanismin.
- DeepSeek v4 flash 0731 mallilla SRHarness palautti LSR Transform testissä oikein 93,69 % kaavoista; kun tieteenalan kuvaukset ja muuttujien merkitykset poistettiin, tulos oli 72,97 %.
- MechBenchin ydinkokonaisuudessa Codex GPT 5.6 sol mallilla löysi säännön 35,00 %:ssa tapauksista mutta mekanismin vain 13,75 %:ssa.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did researchers at Tsinghua University’s Data Science and Intelligence Lab in the Department of Electronic Engineering introduce with S. Article summary: Tsinghua University’s Data Science and Intelligence Lab introduced two complementary contributions: SRHarness, a runtime for agents that discover mathematical formulas from data, and MechBench, a benchmark testing whethe. Topic tags: general web, openai, chatgpt, llm, agents. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Tsinghuan yliopiston sähkötekniikan laitoksen Data Science and Intelligence Lab esitteli 14. lokakuuta 2026 kaksi toisiaan täydentävää hanketta: SRHarnessin, joka tukee tekoälyagentteja kaavojen etsimisessä datasta, ja MechBenchin, joka arvioi, pystyvätkö agentit tunnistamaan myös kaavojen taustalla olevia mekanismeja. 8
10
Eroa voi havainnollistaa tähtitieteen historian kautta: Keplerin lait kuvaavat planeettojen liikettä, kun taas Newtonin teoria pyrkii selittämään, miksi liike tapahtuu. Samoin havaintoihin sopivan säännön löytäminen ei vielä tarkoita, että sen synnyttänyt mekanismi olisi selvillä. 11
SRHarness järjestää kaavojen etsintää
SRHarness on kielimallipohjaisille agenteille tarkoitettu ympäristö symboliseen regressioon eli matemaattisten ilmaisujen johtamiseen havaintodatasta. Sen avulla agentti voi valmistella tieteellistä aineistoa, käyttää analyysi- ja sovitustyökaluja, pitää kirjaa arvioiduista hypoteeseista ja hioa tulkittavia kaavoja pitkän hakuprosessin aikana. 9
Tutkijoiden raportoimassa LSR-Transform-testissä SRHarness saavutti DeepSeek-v4-flash-0731-mallilla 93,69 prosentin symbolisen tarkkuuden. Vertailussa SR-Scientistin tulos oli 62,16 prosenttia. 1
Testin anonymisoidussa versiossa tieteelliset kuvaukset ja muuttujien merkitykset poistettiin. SRHarnessin tulos oli tällöin 72,97 prosenttia ja SR-Scientistin 39,64 prosenttia. Samalla DeepSeek-mallilla toimivan Codexin tulos oli 20,72 prosenttia. Raportissa SRHarnessin anonymisoitua tulosta kuvataan myös GPT-5.5-mallia käyttävän Codexin tulokseen verrattavaksi, mutta täsmällistä prosenttilukua ei anneta. 1
SRHarnessin koodi on saatavilla GitHubissa laboratorion SRHarness-repositoriossa. 9
MechBench kysyy, mitä kaavan takana on
Kaavan palauttaminen ja sen selittäminen ovat eri tehtäviä. MechBench on rakennettu arvioimaan, pystyykö tekoäly löytämään havaitun lain lisäksi sitä tuottavan mekanismin. 2
15 Näin testissä ei rinnasteta kaavan sopivuutta siihen, että järjestelmä olisi selvittänyt, miten ilmiö syntyy.
Ero näkyi ydinkokonaisuuden tuloksissa: Codex GPT-5.6-sol-mallilla palautti havaittavan säännön 35,00 prosentissa tapauksista, mutta mekanismin vain 13,75 prosentissa. 4
8
Tulokset eivät osoita, että tekoäly ei voisi koskaan ymmärtää tieteellisiä mekanismeja. Ne kertovat rajatummin, että tässä testissä havaittavien säännönmukaisuuksien löytäminen onnistui selvästi useammin kuin niiden taustalla olevan mekanismin palauttaminen. MechBenchin tarkoitus on mitata näitä kahta kykyä erikseen, jotta kaavan löytämistä ei pidettäisi yksinään selityksenä tai ymmärryksen osoituksena. 8
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Tsinghuan tutkijat erottavat kaavan löytämisen sen selittämisestä"?
SRHarness on tieteelliseen kaavanhakuun tarkoitettu ympäristö, ja MechBench arvioi, löytääkö tekoäly kaavan lisäksi myös sen taustalla olevan mekanismin.
What are the key points to validate first?
SRHarness on tieteelliseen kaavanhakuun tarkoitettu ympäristö, ja MechBench arvioi, löytääkö tekoäly kaavan lisäksi myös sen taustalla olevan mekanismin. DeepSeek v4 flash 0731 mallilla SRHarness palautti LSR Transform testissä oikein 93,69 % kaavoista; kun tieteenalan kuvaukset ja muuttujien merkitykset poistettiin, tulos oli 72,97 %.
What should I do next in practice?
MechBenchin ydinkokonaisuudessa Codex GPT 5.6 sol mallilla löysi säännön 35,00 %:ssa tapauksista mutta mekanismin vain 13,75 %:ssa.