JawabanDipublikasikan17 sumber
AI bisa menemukan rumus—tetapi mampukah ia menjelaskan mengapa rumus itu berlaku?
SRHarness adalah runtime yang membantu agen AI menganalisis data ilmiah, mencoba hipotesis, dan mencari rumus yang dapat ditafsirkan. MechBench menguji kemampuan yang berbeda: apakah AI dapat menemukan mekanisme penyebab, bukan hanya pola atau hukum yang terlihat.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- SRHarness adalah runtime yang membantu agen AI menganalisis data ilmiah, mencoba hipotesis, dan mencari rumus yang dapat ditafsirkan.
- MechBench menguji kemampuan yang berbeda: apakah AI dapat menemukan mekanisme penyebab, bukan hanya pola atau hukum yang terlihat.
- Pada pengujian MechBench, Codex dengan GPT 5.6 sol menemukan hukum pada 35% kasus, tetapi mekanisme hanya pada 13,75% kasus.
AI Perintah
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
Pada 14 Oktober 2026, peneliti dari Data Science and Intelligence Lab di Departemen Teknik Elektronika Tsinghua University memperkenalkan dua proyek yang saling melengkapi: SRHarness, kerangka kerja untuk membantu agen AI menemukan rumus dari data, dan MechBench, tolok ukur untuk menguji apakah agen itu juga bisa mengungkap mekanisme di balik rumus tersebut. 6
8
Gagasan utamanya: menemukan pola yang cocok dengan pengamatan belum sama dengan menjelaskan penyebab pola itu terjadi.
Dari hukum Kepler ke penjelasan Newton
Perbedaan ini bisa dibayangkan lewat contoh astronomi. Hukum Kepler menggambarkan pola gerak planet, sedangkan teori gravitasi Newton menawarkan penjelasan tentang gaya yang mendasari gerak tersebut. Analogi itu menunjukkan pergeseran yang ingin diukur para peneliti: dari sekadar mencocokkan pengamatan menuju upaya memahami mekanisme. 6
SRHarness membantu agen mencari rumus
SRHarness merupakan runtime khusus untuk agentic symbolic regression—pencarian rumus matematis dari data dengan bantuan agen AI. Kerangka ini memungkinkan agen menyiapkan data ilmiah, menggunakan alat analisis dan pencocokan yang dapat dirangkai, menyimpan hipotesis yang telah dievaluasi, lalu memperbaiki rumus yang bisa ditafsirkan sepanjang proses pencarian. 9
Dengan kata lain, SRHarness menyediakan perangkat kerja bagi agen untuk menguji dan menyempurnakan dugaan, bukan sekadar memberikan satu jawaban langsung. Informasi yang tersedia menjelaskan fungsi-fungsi tersebut, tetapi tidak cukup untuk memastikan seluruh rincian tentang pengelolaan status di luar konteks percakapan atau cara pencarian dapat dilanjutkan, dicabangkan, dimulai ulang, dan dihentikan.
Repositori SRHarness tersedia di GitHub dengan nama tsinghua-fib-lab/SRHarness. 9
Hasil pencarian rumus
Dalam pengujian LSR-Transform dengan model dasar DeepSeek-v4-flash-0731, SRHarness mencatat akurasi pemulihan simbolik 93,69%, dibandingkan 62,16% untuk SR-Scientist. 1
Ketika deskripsi ilmiah dan arti variabel dihilangkan, akurasi SRHarness turun menjadi 72,97%, sementara SR-Scientist mencapai 39,64%. Dalam kondisi anonim yang sama, Codex dengan model dasar DeepSeek yang sama mencatat 20,72%. 1
| Kondisi pengujian | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| Konteks ilmiah dan arti variabel tersedia | 93,69% |
62,16% |
— |
| Deskripsi ilmiah dan arti variabel dihilangkan | 72,97% |
39,64% |
20,72% |
Laporan yang tersedia juga menyebut hasil SRHarness pada pengujian anonim sebanding dengan Codex yang menggunakan GPT-5.5, tetapi tidak mencantumkan angka pasti untuk perbandingan tersebut.
MechBench menguji lebih dari sekadar kecocokan rumus
MechBench membedakan dua sasaran: menemukan hukum yang menghubungkan masukan dan keluaran yang teramati, serta menemukan mekanisme tersembunyi yang menghasilkan hubungan tersebut. 2
15 Karena itu, nilai tinggi dalam menemukan rumus tidak otomatis berarti agen sudah mengetahui proses yang mendasarinya.
Pada core set MechBench, Codex dengan GPT-5.6-sol berhasil memulihkan hukum pada 35,00% kasus, tetapi memulihkan mekanisme hanya pada 13,75% kasus. 4
6 Rincian yang tersedia di sini belum cukup untuk menjelaskan secara spesifik bagaimana setiap probe atas besaran internal dirancang atau bagaimana mekanisme yang setara secara observasional disaring.
Hasil tersebut menunjukkan adanya jarak antara mengenali pola dan mengungkap penyebabnya pada tolok ukur ini. Peran MechBench adalah menilai kedua kemampuan itu secara terpisah, sehingga kemajuan dalam pencarian rumus tidak langsung disamakan dengan pemahaman mekanisme ilmiah. 2
4
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "AI bisa menemukan rumus—tetapi mampukah ia menjelaskan mengapa rumus itu berlaku?"?
SRHarness adalah runtime yang membantu agen AI menganalisis data ilmiah, mencoba hipotesis, dan mencari rumus yang dapat ditafsirkan.
Apa poin penting yang harus divalidasi terlebih dahulu?
SRHarness adalah runtime yang membantu agen AI menganalisis data ilmiah, mencoba hipotesis, dan mencari rumus yang dapat ditafsirkan. MechBench menguji kemampuan yang berbeda: apakah AI dapat menemukan mekanisme penyebab, bukan hanya pola atau hukum yang terlihat.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Pada pengujian MechBench, Codex dengan GPT 5.6 sol menemukan hukum pada 35% kasus, tetapi mekanisme hanya pada 13,75% kasus.