उत्तरप्रकाशित18 स्रोत
त्सिंगहुआ के SRHarness और MechBench: सूत्र खोजने और तंत्र समझने की अलग कसौटी
14 अक्टूबर 2026 को रिपोर्ट किए गए SRHarness और MechBench, वैज्ञानिक खोज में AI की दो अलग क्षमताओं पर ध्यान देते हैं: सूत्र खोजना और उनके पीछे का तंत्र पहचानना। [10][16] DeepSeek v4 flash 0731 के साथ SRHarness ने LSR Transform पर 93.69% और वैज्ञानिक संदर्भ हटाए गए परीक्षण में 72.97% प्रतीकात्मक सटीकता हासिल की। [1][1...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- 14 अक्टूबर 2026 को रिपोर्ट किए गए SRHarness और MechBench, वैज्ञानिक खोज में AI की दो अलग क्षमताओं पर ध्यान देते हैं: सूत्र खोजना और उनके पीछे का तंत्र पहचानना। [10][16]
- DeepSeek v4 flash 0731 के साथ SRHarness ने LSR Transform पर 93.69% और वैज्ञानिक संदर्भ हटाए गए परीक्षण में 72.97% प्रतीकात्मक सटीकता हासिल की। [1][17]
- MechBench के कोर सेट पर Codex और GPT 5.6 sol ने नियम 35% मामलों में, लेकिन तंत्र सिर्फ 13.75% मामलों में पुनः प्राप्त किए। [4]
AI संकेत
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
त्सिंगहुआ विश्वविद्यालय के इलेक्ट्रॉनिक इंजीनियरिंग विभाग की डेटा साइंस एंड इंटेलिजेंस लैब ने वैज्ञानिक खोज में AI की दो अलग-अलग क्षमताओं के लिए SRHarness और MechBench पेश किए। 14 अक्टूबर 2026 की रिपोर्ट के मुताबिक, SRHarness डेटा से गणितीय सूत्र खोजने वाले AI एजेंटों के लिए रनटाइम ढाँचा है, जबकि MechBench जाँचता है कि AI उन सूत्रों के पीछे काम करने वाला तंत्र भी खोज सकता है या नहीं। 6
10
16
इस फर्क को एक परिचित वैज्ञानिक उदाहरण से समझा जा सकता है: केप्लर के नियम ग्रहों की गति का वर्णन करते हैं; न्यूटन का गुरुत्वाकर्षण सिद्धांत यह समझाने की कोशिश करता है कि ऐसी गति क्यों होती है। पहला देखे गए पैटर्न को पकड़ता है, दूसरा उसके पीछे का कारण बताता है। यही अंतर इन दोनों परियोजनाओं का केंद्र है। 6
SRHarness: सूत्र खोजने वाले एजेंटों के लिए ढाँचा
SRHarness ऐसा डोमेन-विशिष्ट रनटाइम है जिसमें भाषा-मॉडल आधारित एजेंट वैज्ञानिक डेटा तैयार कर सकते हैं, विश्लेषण और फिटिंग के लिए संयोज्य टूल चला सकते हैं, जाँची गई परिकल्पनाएँ सँभाल सकते हैं और लंबी खोज के दौरान समझने योग्य सूत्रों को बेहतर बना सकते हैं। 9
सरल शब्दों में, यह एजेंट को केवल एक बार जवाब देने के बजाय कई चरणों में संभावित सूत्रों को जाँचने और सुधारने के लिए साधन देता है। उपलब्ध विवरण इसे खोज-प्रक्रिया का ढाँचा बताते हैं; उनसे यह निष्कर्ष नहीं निकलता कि यह एजेंट के लिए कोई एक तय खोज-रणनीति निर्धारित करता है। 9
परीक्षणों में प्रदर्शन
लेखकों के बताए नतीजों में, DeepSeek-v4-flash-0731 के साथ SRHarness ने LSR-Transform परीक्षण पर 93.69% प्रतीकात्मक सटीकता हासिल की। उसी आधार मॉडल के साथ SR-Scientist का परिणाम 62.16% था। 1
जब परीक्षण से वैज्ञानिक विवरण और चरों के अर्थ हटा दिए गए, तब SRHarness की सटीकता 72.97% रही, जबकि SR-Scientist ने 39.64% हासिल किया। उसी DeepSeek मॉडल वाले Codex का परिणाम 20.72% बताया गया। 1
| परीक्षण की स्थिति | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| वैज्ञानिक संदर्भ और चरों के अर्थ मौजूद | 93.69% |
62.16% |
उपलब्ध विवरण में तुलनीय आँकड़ा नहीं |
| वैज्ञानिक विवरण और चरों के अर्थ हटाए गए | 72.97% |
39.64% |
20.72%, उसी DeepSeek मॉडल के साथ |
रिपोर्ट में SRHarness के अनामीकृत परीक्षण के नतीजे को GPT-5.5 वाले Codex के प्रदर्शन के तुलनीय बताया गया है, लेकिन उपलब्ध सामग्री में GPT-5.5 की सटीक दर नहीं दी गई। 6 ये आँकड़े सूत्र या प्रतीक पुनः प्राप्त करने की क्षमता मापते हैं—वे अपने आप यह साबित नहीं करते कि AI ने सूत्र के पीछे का भौतिक तंत्र समझ लिया है।
1
4
MechBench: नियम से आगे, वजह की जाँच
MechBench का मकसद देखे जा सकने वाले इनपुट-आउटपुट नियम को पहचानने और उस नियम को पैदा करने वाले छिपे तंत्र को खोजने की क्षमता अलग-अलग मापना है। यानी सही समीकरण लिख देना और यह बताना कि वह समीकरण किस प्रक्रिया से पैदा हुआ—दो अलग कसौटियाँ हैं। 2
15
इसके कोर सेट पर Codex और GPT-5.6-sol ने 35.00% मामलों में नियम पुनः प्राप्त किया, लेकिन तंत्र केवल 13.75% मामलों में खोजा। 4 यह अंतर बताता है कि इस बेंचमार्क पर दिखाई देने वाले पैटर्न को पकड़ना, उसे पैदा करने वाली प्रक्रिया समझने से काफी आसान रहा।
4
उपलब्ध स्रोत यह भी बताते हैं कि MechBench नियम और तंत्र को अलग लक्ष्य मानता है, लेकिन आंतरिक मात्राओं की जाँच और एक जैसे देखे गए परिणाम देने वाले संभावित तंत्रों की छँटाई की तकनीकी प्रक्रिया यहाँ विस्तार से स्पष्ट नहीं है। 2
कहाँ उपलब्ध है?
SRHarness का सत्यापित GitHub रिपॉज़िटरी tsinghua-fib-lab/SRHarness है। 9 उपलब्ध स्रोतों से इसका PyPI पैकेज नाम या ऑनलाइन डेमो का पुष्ट पता तय नहीं होता।
कुल मिलाकर, ये नतीजे यह दावा नहीं करते कि AI अब विज्ञान को मनुष्य की तरह समझता है। वे एक अधिक सीमित, लेकिन अहम बात दिखाते हैं: सूत्र खोजने में अच्छी सफलता, उसके पीछे का कारण समझ लेने के बराबर नहीं है। MechBench का योगदान इसी फर्क को मापने योग्य बनाना है—ताकि वैज्ञानिक AI की प्रगति को केवल सही समीकरणों की गिनती से न आँका जाए। 2
4
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"त्सिंगहुआ के SRHarness और MechBench: सूत्र खोजने और तंत्र समझने की अलग कसौटी" का संक्षिप्त उत्तर क्या है?
14 अक्टूबर 2026 को रिपोर्ट किए गए SRHarness और MechBench, वैज्ञानिक खोज में AI की दो अलग क्षमताओं पर ध्यान देते हैं: सूत्र खोजना और उनके पीछे का तंत्र पहचानना। [10][16]
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
14 अक्टूबर 2026 को रिपोर्ट किए गए SRHarness और MechBench, वैज्ञानिक खोज में AI की दो अलग क्षमताओं पर ध्यान देते हैं: सूत्र खोजना और उनके पीछे का तंत्र पहचानना। [10][16] DeepSeek v4 flash 0731 के साथ SRHarness ने LSR Transform पर 93.69% और वैज्ञानिक संदर्भ हटाए गए परीक्षण में 72.97% प्रतीकात्मक सटीकता हासिल की। [1][17]
मुझे अभ्यास में आगे क्या करना चाहिए?
MechBench के कोर सेट पर Codex और GPT 5.6 sol ने नियम 35% मामलों में, लेकिन तंत्र सिर्फ 13.75% मामलों में पुनः प्राप्त किए। [4]