답변게시됨18 소스
AI는 공식 발견을 넘어 과학적 원리까지 설명할 수 있을까
칭화대 데이터과학·지능 연구실은 데이터에서 수식을 찾는 실행 환경 SRHarness와, 그 배경 메커니즘을 평가하는 MechBench를 소개했다. DeepSeek v4 flash 0731을 사용한 SRHarness는 LSR Transform에서 93.69%의 기호 복원 정확도를 기록했고, 과학 설명과 변수 의미를 가린 시험에서는 72.97%를 기록했다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 칭화대 데이터과학·지능 연구실은 데이터에서 수식을 찾는 실행 환경 SRHarness와, 그 배경 메커니즘을 평가하는 MechBench를 소개했다.
- DeepSeek v4 flash 0731을 사용한 SRHarness는 LSR Transform에서 93.69%의 기호 복원 정확도를 기록했고, 과학 설명과 변수 의미를 가린 시험에서는 72.97%를 기록했다.
- MechBench 핵심 세트에서 Codex와 GPT 5.6 sol은 관측 법칙을 35.00% 복원했지만, 메커니즘 복원율은 13.75%였다. [4][8]
- 연구가 보여주는 핵심은 ‘관측된 패턴 찾기’와 ‘그 패턴을 낳은 원리 설명하기’가 서로 다른 과제라는 점이다.
AI 프롬프트
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
2026년 10월 14일, 칭화대 전자공학과 데이터과학·지능 연구실이 과학 AI를 위한 두 가지 도구를 소개했다. 하나는 데이터에서 수학적 관계식을 찾도록 돕는 실행 환경 SRHarness, 다른 하나는 AI가 그 관계식 너머의 작동 원리까지 알아내는지 평가하는 MechBench다. 두 프로젝트는 관측값에 들어맞는 공식을 찾는 일과, 그 현상이 왜 생기는지 설명하는 일을 구분한다. 8
10
케플러의 법칙을 찾는 일과 뉴턴의 중력을 설명하는 일
이 차이는 케플러와 뉴턴을 떠올리면 이해하기 쉽다. 케플러의 행성 운동 법칙은 행성이 어떻게 움직이는지를 기술하고, 뉴턴의 중력 이론은 그 운동을 일으키는 이유를 설명한다. 비유의 요점은 관측된 규칙성을 찾는 것과 그 규칙을 만들어내는 메커니즘을 밝혀내는 것이 같은 능력은 아니라는 데 있다. 6
SRHarness가 겨냥하는 것은 앞 단계, 즉 데이터로부터 해석 가능한 수식을 발견하는 일이다. MechBench는 한 걸음 더 나아가 AI가 수식뿐 아니라 그 배후의 메커니즘도 복원할 수 있는지 묻는다. 8
15
SRHarness, 과학 에이전트의 수식 탐색을 지원
SRHarness는 언어모델 에이전트가 과학 데이터를 준비하고, 조합 가능한 분석·피팅 도구를 사용하며, 평가한 가설을 바탕으로 해석 가능한 수식을 반복해서 다듬도록 설계된 실행 환경이다. 9
다만 제공된 자료만으로는 검색 전략을 특정 방식으로 제한하지 않는다는 점이나, 대화 문맥 밖에 수식·근거 상태를 저장하는 방식, 검색을 이어 가거나 분기·재시작·중단하는 생애주기 관리의 구체적 구현까지 확인하기 어렵다. 확인 가능한 기능은 에이전트가 도구를 활용하고, 평가된 가설을 축적하며, 긴 탐색 과정에서 수식을 개선하도록 돕는다는 점이다. 9
SRHarness 코드는 GitHub의 tsinghua-fib-lab/SRHarness에서 확인할 수 있다. 9 제공된 자료에서는 PyPI 패키지명이나 온라인 데모 주소는 확인되지 않는다.
수식 복원 성적: 과학적 단서를 가려도 성능 유지
연구진은 LSR-Transform에서 DeepSeek-v4-flash-0731을 사용해 다음 결과를 보고했다. 과학적 설명과 변수 의미를 남긴 조건에서 SRHarness는 93.69%를 기록해 SR-Scientist의 62.16%보다 높았다. 1
| 시험 조건 | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| 과학적 설명과 변수 의미 유지 | 93.69% |
62.16% |
제공된 자료에서 확인 불가 |
| 과학적 설명과 변수 의미 제거 | 72.97% |
39.64% |
20.72% |
변수 이름과 과학적 설명을 제거한 조건에서도 SRHarness는 72.97%의 기호 복원 정확도를 보였다. 같은 DeepSeek 계열 모델을 사용한 Codex의 수치는 20.72%였으며, 연구진은 SRHarness의 익명화 시험 성적이 GPT-5.5를 탑재한 Codex와 비슷한 수준이라고 보고했다. 다만 제공된 자료에는 GPT-5.5 Codex의 정확한 복원율이 제시되지 않았다.
이 수치는 주어진 데이터에서 공식을 복원한 성적이다. 그 자체로 AI가 공식 뒤에 있는 물리적 메커니즘까지 알아냈다는 뜻은 아니다. 1
4
MechBench가 묻는 것: 공식이 아니라 그 배후의 원리
MechBench는 관측 가능한 입력과 출력 사이의 법칙을 찾는 일과, 그 관계를 만들어내는 숨은 메커니즘을 찾는 일을 별개의 평가 대상으로 다룬다. 2
15 제공된 자료는 내부 변수를 묻는 탐침이나 관측 결과가 같은 여러 메커니즘을 선별하는 절차의 구체적인 설계까지는 충분히 설명하지 않는다.
핵심 세트에서 Codex와 GPT-5.6-sol은 관측 법칙을 35.00%의 비율로 복원했지만, 메커니즘 복원율은 13.75%에 그쳤다. 4
8 이 차이는 적어도 해당 벤치마크에서는 관측 패턴을 찾아내는 일이 그 패턴을 낳은 원리를 찾아내는 것보다 쉬웠다는 점을 보여준다.
따라서 이 결과만으로 AI가 과학을 ‘이해한다’거나 전혀 이해하지 못한다고 단정하기는 어렵다. 보다 좁고 분명한 결론은 수식 적합이나 법칙 복원만으로 메커니즘 이해를 판단할 수 없다는 것이다. MechBench의 의의는 두 능력을 나눠 측정해, AI가 패턴 발견에서 원리 설명으로 얼마나 나아가는지를 따로 살펴볼 수 있게 한 데 있다. 2
4
8
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"AI는 공식 발견을 넘어 과학적 원리까지 설명할 수 있을까"에 대한 짧은 대답은 무엇입니까?
칭화대 데이터과학·지능 연구실은 데이터에서 수식을 찾는 실행 환경 SRHarness와, 그 배경 메커니즘을 평가하는 MechBench를 소개했다.
먼저 검증할 핵심 포인트는 무엇인가요?
칭화대 데이터과학·지능 연구실은 데이터에서 수식을 찾는 실행 환경 SRHarness와, 그 배경 메커니즘을 평가하는 MechBench를 소개했다. DeepSeek v4 flash 0731을 사용한 SRHarness는 LSR Transform에서 93.69%의 기호 복원 정확도를 기록했고, 과학 설명과 변수 의미를 가린 시험에서는 72.97%를 기록했다.
실무에서는 다음으로 무엇을 해야 합니까?
MechBench 핵심 세트에서 Codex와 GPT 5.6 sol은 관측 법칙을 35.00% 복원했지만, 메커니즘 복원율은 13.75%였다. [4][8]