AnswersPublished18 sources
AI może znaleźć wzór, ale czy rozumie, co za nim stoi?
14 października 2026 r. opisano dwa projekty zespołu z Uniwersytetu Tsinghua: SRHarness do odkrywania równań oraz MechBench do oceny rozpoznawania mechanizmów stojących za nimi.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- 14 października 2026 r. opisano dwa projekty zespołu z Uniwersytetu Tsinghua: SRHarness do odkrywania równań oraz MechBench do oceny rozpoznawania mechanizmów stojących za nimi.
- W teście LSR Transform SRHarness uzyskał 93,69% skuteczności odzyskiwania wzorów, a po usunięciu opisów naukowych i znaczeń zmiennych — 72,97%.
- Na podstawowym zestawie MechBench Codex z GPT 5.6 sol odtworzył prawa w 35,00% przypadków, ale mechanizmy tylko w 13,75%.
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
Zespół Laboratorium Nauki o Danych i Inteligencji na Wydziale Inżynierii Elektronicznej Uniwersytetu Tsinghua przedstawił dwa powiązane projekty. SRHarness to środowisko pracy dla agentów AI, które mają odkrywać równania na podstawie danych. MechBench to benchmark sprawdzający, czy potrafią również odtworzyć mechanizm kryjący się za takim równaniem. O projektach informowano 14 października 2026 r. 8
10
Różnicę można zobaczyć w zestawieniu Keplera z Newtonem: prawa Keplera opisują, jak poruszają się planety, a teoria grawitacji Newtona próbuje wyjaśnić, dlaczego tak się dzieje. To analogia między znalezieniem regularności w obserwacjach a wyjaśnieniem jej przyczyny. 11
SRHarness: szukanie wzorów w danych
SRHarness ma wspierać agentów wykorzystujących modele językowe w pracy naukowej. Mogą one przygotować dane, korzystać z łączonych narzędzi analitycznych i dopasowujących, zachowywać ocenione hipotezy, a następnie iteracyjnie poprawiać czytelne wzory w trakcie dłuższego poszukiwania. 9
Opisy projektu wskazują też na trwały stan pracy i zarządzanie przebiegiem poszukiwań. Dokumentacja pokazuje m.in. iterowanie nad rozwiązaniem oraz ponowne uruchamianie pętli z wykorzystaniem dotychczasowych najlepszych wyników. Nie wszystkie szczegóły — w tym pełny zestaw opcji zatrzymywania i rozgałęziania poszukiwań ani to, w jakim sensie framework pozostaje niezależny od strategii — da się jednoznacznie potwierdzić na podstawie dostępnych opisów.
Wyniki zespołu na teście LSR-Transform przedstawiają się następująco:
| Warunek testu | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| Zachowane opisy naukowe i znaczenie zmiennych | 93,69% |
62,16% |
Brak potwierdzonego wyniku w dostępnych materiałach |
| Usunięte opisy naukowe i znaczenie zmiennych | 72,97% | 39,64% |
20,72% przy tym samym modelu bazowym DeepSeek |
W drugim wariancie SRHarness zachował wyraźnie wyższą skuteczność niż SR-Scientist i Codex. Autorzy podali też, że wynik był porównywalny z Codexem korzystającym z GPT-5.5, ale dostępne materiały nie podają dokładnego odsetka dla tego porównania.
Repozytorium SRHarness jest dostępne na GitHubie pod nazwą tsinghua-fib-lab/SRHarness. 9 W dostępnych źródłach nie udało się potwierdzić adresu pakietu PyPI ani demonstracji online.
MechBench: wzór to jeszcze nie mechanizm
MechBench rozdziela dwa zadania: odtworzenie obserwowalnego prawa opisującego zależność między wejściem a wyjściem oraz wskazanie ukrytego mechanizmu, który tę zależność wytwarza. 2
15 To ważne rozróżnienie, bo równanie może dobrze pasować do danych, nie wyjaśniając jeszcze, co dzieje się w badanym układzie.
Na podstawowym zestawie testowym Codex z GPT-5.6-sol odtworzył prawa w 35,00% przypadków, ale mechanizmy tylko w 13,75%. 2
4 Dostępne fragmenty źródeł nie wystarczają, by szczegółowo opisać sposób użycia sond dotyczących wielkości wewnętrznych ani filtrowania mechanizmów, które są równoważne z punktu widzenia samych obserwacji.
Wyniki nie dowodzą, że AI „rozumie naukę”. Pokazują coś bardziej konkretnego: w tym benchmarku znalezienie wzoru jest łatwiejsze niż odtworzenie procesu, który go generuje. MechBench pomaga mierzyć te umiejętności osobno, zamiast utożsamiać sukces w dopasowaniu równania ze zrozumieniem mechanizmu. 2
4
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 "AI może znaleźć wzór, ale czy rozumie, co za nim stoi?"?
14 października 2026 r. opisano dwa projekty zespołu z Uniwersytetu Tsinghua: SRHarness do odkrywania równań oraz MechBench do oceny rozpoznawania mechanizmów stojących za nimi.
What are the key points to validate first?
14 października 2026 r. opisano dwa projekty zespołu z Uniwersytetu Tsinghua: SRHarness do odkrywania równań oraz MechBench do oceny rozpoznawania mechanizmów stojących za nimi. W teście LSR Transform SRHarness uzyskał 93,69% skuteczności odzyskiwania wzorów, a po usunięciu opisów naukowych i znaczeń zmiennych — 72,97%.
What should I do next in practice?
Na podstawowym zestawie MechBench Codex z GPT 5.6 sol odtworzył prawa w 35,00% przypadków, ale mechanizmy tylko w 13,75%.