答え公開済み18 ソース
公式を見つけるAI、その背後の仕組みも説明できる？
SRHarnessは科学データから数式を探すAIエージェント向けの実行環境、MechBenchは数式の背後にある機構を見つけられるか測るベンチマークです。[1][2] DeepSeek v4 flash 0731を使った評価では、SRHarnessの記号復元率は通常条件で93.69％、科学的説明や変数の意味を伏せた条件でも72.97％でした。[1][17] MechBenchのコアセットでは、GPT 5.6 sol搭載のCodexが法則を35.00％で復元した一方、機構の復元は13.75％にとどまりました。[8][11]
公開者GPT-6 Luna で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- SRHarnessは科学データから数式を探すAIエージェント向けの実行環境、MechBenchは数式の背後にある機構を見つけられるか測るベンチマークです。[1][2]
- DeepSeek v4 flash 0731を使った評価では、SRHarnessの記号復元率は通常条件で93.69％、科学的説明や変数の意味を伏せた条件でも72.97％でした。[1][17]
- MechBenchのコアセットでは、GPT 5.6 sol搭載のCodexが法則を35.00％で復元した一方、機構の復元は13.75％にとどまりました。[8][11]
- 結果が示すのは、観測パターンを見つけることと、そのパターンを生む仕組みを解き明かすことの間には、なお差があるということです。[8][11]
AI プロンプト
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
清華大学電子工程系のデータ科学・知能研究室は、AIエージェントがデータから数式を探すための実行環境「SRHarness」と、数式を生み出す仕組みまで解明できるかを測るベンチマーク「MechBench」を発表しました。2026年10月14日に報じられたこの二つの取り組みは、科学的発見を「観測された規則性を見つけること」と「なぜその規則が生じるのか説明すること」に分けて捉えます。10
16
ケプラーが記述し、ニュートンが説明したこと
たとえば、惑星の運動を法則として記述したケプラーと、その運動を万有引力によって説明したニュートンを思い浮かべると、二つの目標の違いが分かりやすくなります。観測に合う式を見つけるだけでなく、その式の背後にある機構を解き明かせるか。研究チームが掲げるのは、科学AIを「観測データへの当てはめ」から「機構の理解」へ進めるための評価です。11
SRHarnessは数式探索を支える
SRHarnessは、言語モデルを使う科学エージェントがデータを準備し、分析・フィッティング用のツールを組み合わせ、評価した仮説を保持しながら、解釈しやすい数式を長い探索過程で磨くための実行環境です。9
論文では、組み合わせ可能な科学的アクションが中核要素の一つとして説明されています。1 ただし、利用可能な資料からは、探索戦略をどこまで自由に選べるのか、数式と証拠をチャットの文脈外にどう保存するのか、探索の継続・分岐・再開・停止をどう管理するのかといった細部までは確認できません。
確認できる公開先はGitHubの tsinghua-fib-lab/SRHarness です。9
16 PyPIの配布名やオンラインデモのURLは、参照できる資料では確認できません。
数式の復元率は高いが、条件によって差が出る
論文が報告したLSR-Transformの記号復元率を比べると、同じDeepSeek-v4-flash-0731を使った条件で、SRHarnessはSR-Scientistを上回りました。1
| 評価条件 | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| 科学的な説明と変数の意味を保持 | 93.69％ |
62.16％ |
資料で確認できず |
| 科学的説明と変数の意味を除去 | 72.97％ |
39.64％ |
20.72％（同じDeepSeekのモデル） |
研究紹介では、匿名化条件でのSRHarnessの成績はGPT-5.5搭載Codexに匹敵するとされていますが、GPT-5.5の具体的な復元率は参照資料に示されていません。 また、ここで測っているのは数式の復元であり、物理的な機構まで解明できたことを意味するわけではありません。1
8
MechBenchが測る「法則」と「機構」の隔たり
MechBenchは、観測できる入出力の関係を表す法則と、その関係を生み出す隠れた機構を別の評価対象として扱います。2
15 ただし、内部量を問うプローブや、同じ観測結果を説明できる複数の機構をどうふるい分けるかという設計の細部は、利用可能な資料だけでは確認できません。
コアセットでは、GPT-5.6-sol搭載のCodexが法則を35.00％の割合で復元した一方、機構の復元率は13.75％でした。8
11 少なくともこのベンチマークでは、観測パターンを見つけることのほうが、それを生み出す仕組みまで特定することより容易だったと読めます。
8
11
この結果だけで「AIが科学を理解した」と結論づけることはできません。むしろ、数式を当てる力と、その背後の機構を説明する力を分けて測ることが、進歩を見極めるうえで重要だと示しています。SRHarnessが数式探索を支え、MechBenchが機構発見を独立して評価する――二つの成果は、科学AIの能力をより細かく測ろうとする試みです。8
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「公式を見つけるAI、その背後の仕組みも説明できる？」の短い答えは何ですか?
SRHarnessは科学データから数式を探すAIエージェント向けの実行環境、MechBenchは数式の背後にある機構を見つけられるか測るベンチマークです。[1][2]
最初に検証する重要なポイントは何ですか?
SRHarnessは科学データから数式を探すAIエージェント向けの実行環境、MechBenchは数式の背後にある機構を見つけられるか測るベンチマークです。[1][2] DeepSeek v4 flash 0731を使った評価では、SRHarnessの記号復元率は通常条件で93.69％、科学的説明や変数の意味を伏せた条件でも72.97％でした。[1][17]
次の実践では何をすればいいでしょうか？
MechBenchのコアセットでは、GPT 5.6 sol搭載のCodexが法則を35.00％で復元した一方、機構の復元は13.75％にとどまりました。[8][11]