AnswersPublished17 sources
Tsinghua mette alla prova il confine tra scoprire una legge e capirne il meccanismo
Il 14 ottobre 2026, il laboratorio di Data Science and Intelligence di Tsinghua ha presentato SRHarness, un runtime per la regressione simbolica agentica, e MechBench, un benchmark per valutare la scoperta dei meccani... Con DeepSeek v4 flash 0731, SRHarness ha ottenuto il 93,69% di accuratezza simbolica su LSR Tran...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- Il 14 ottobre 2026, il laboratorio di Data Science and Intelligence di Tsinghua ha presentato SRHarness, un runtime per la regressione simbolica agentica, e MechBench, un benchmark per valutare la scoperta dei meccani...
- Con DeepSeek v4 flash 0731, SRHarness ha ottenuto il 93,69% di accuratezza simbolica su LSR Transform; nella versione senza descrizioni scientifiche e significato delle variabili, il risultato è stato del 72,97%.
- Su MechBench, Codex con GPT 5.6 sol ha recuperato le leggi nel 35% dei casi, ma i meccanismi sottostanti solo nel 13,75%: trovare una regolarità non equivale a spiegarla.
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
Il laboratorio di Data Science and Intelligence del Dipartimento di Ingegneria elettronica della Tsinghua University ha presentato due progetti complementari: SRHarness, un ambiente di esecuzione per agenti AI che cercano formule nei dati, e MechBench, un benchmark che verifica se gli agenti riescono anche a ricostruire i meccanismi che producono quelle formule. La notizia è stata riportata il 14 ottobre 2026. 6
8
10
La distinzione chiave è tra descrivere un fenomeno e spiegare perché si verifica. Un esempio è il passaggio dalle leggi di Keplero, che descrivono il moto dei pianeti, alla teoria della gravitazione di Newton, che ne offre una spiegazione. L’obiettivo è dunque spostare la valutazione dell’AI dalla capacità di adattare una formula alle osservazioni a quella di individuare ciò che genera il fenomeno. 11
SRHarness: cercare formule in modo strutturato
SRHarness è un runtime specializzato nella regressione simbolica agentica: permette agli agenti basati su modelli linguistici di preparare dati scientifici, usare strumenti componibili per l’analisi e il fitting, conservare ipotesi già valutate e perfezionare formule interpretabili nel corso di ricerche prolungate. 9
Il punto non è imporre una specifica strategia di ricerca, ma fornire all’agente strumenti con cui esplorare e confrontare possibili formule. Le fonti disponibili descrivono queste funzioni generali, ma non consentono di verificare nel dettaglio tutte le caratteristiche richieste per la gestione dello stato persistente e delle diverse fasi di una ricerca, come riprenderla, ramificarla o arrestarla.
Il repository SRHarness è disponibile su GitHub all’indirizzo tsinghua-fib-lab/SRHarness. 9 Le fonti fornite non permettono invece di confermare un pacchetto PyPI o l’indirizzo di una demo online.
I risultati nella ricostruzione delle formule
Gli autori hanno valutato SRHarness sul benchmark LSR-Transform usando DeepSeek-v4-flash-0731. I risultati riguardano la ricostruzione simbolica: quanto spesso il sistema recupera la formula corretta. 1
| Condizione di test | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| Descrizioni scientifiche e significato delle variabili disponibili | 93,69% | 62,16% | Dato non indicato nelle fonti disponibili |
| Descrizioni e significato delle variabili rimossi | 72,97% | 39,64% | 20,72%, con lo stesso modello DeepSeek |
Nel test anonimizzato, il risultato di SRHarness è stato descritto come paragonabile a quello di Codex con GPT-5.5, ma le fonti disponibili non riportano il tasso esatto di quest’ultimo. Queste percentuali misurano il recupero delle formule: da sole non dimostrano che un sistema abbia ricostruito il meccanismo fisico che le genera. 1
8
MechBench separa le leggi dai meccanismi
MechBench affronta proprio questo limite: valuta separatamente se un agente sa recuperare una legge osservabile e se sa individuare il meccanismo sottostante. 2
8 Le fonti qui disponibili non descrivono abbastanza nel dettaglio il funzionamento delle verifiche sulle quantità interne o dei controlli per distinguere meccanismi diversi che producono osservazioni equivalenti.
Sul set principale del benchmark, Codex con GPT-5.6-sol ha recuperato le leggi nel 35% dei casi e i meccanismi nel 13,75%. 8
11 Il divario suggerisce una conclusione circoscritta ma importante: almeno in questa valutazione, trovare una regolarità osservabile è stato molto più facile che ricostruire la causa che la produce.
È qui che sta il valore di MechBench: misurare separatamente le due capacità, senza trattare il successo nel trovare una formula come prova automatica di comprensione scientifica. 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 "Tsinghua mette alla prova il confine tra scoprire una legge e capirne il meccanismo"?
Il 14 ottobre 2026, il laboratorio di Data Science and Intelligence di Tsinghua ha presentato SRHarness, un runtime per la regressione simbolica agentica, e MechBench, un benchmark per valutare la scoperta dei meccani...
What are the key points to validate first?
Il 14 ottobre 2026, il laboratorio di Data Science and Intelligence di Tsinghua ha presentato SRHarness, un runtime per la regressione simbolica agentica, e MechBench, un benchmark per valutare la scoperta dei meccani... Con DeepSeek v4 flash 0731, SRHarness ha ottenuto il 93,69% di accuratezza simbolica su LSR Transform; nella versione senza descrizioni scientifiche e significato delle variabili, il risultato è stato del 72,97%.
What should I do next in practice?
Su MechBench, Codex con GPT 5.6 sol ha recuperato le leggi nel 35% dei casi, ma i meccanismi sottostanti solo nel 13,75%: trovare una regolarità non equivale a spiegarla.