RespostasPublicado18 fontes
IA encontra fórmulas — mas consegue explicar por que elas funcionam?
Apresentados em 14 de outubro de 2026, SRHarness e MechBench abordam etapas diferentes da descoberta científica por IA: encontrar fórmulas e investigar os mecanismos que as explicam. No teste LSR Transform, o SRHarness obteve 93,69% de recuperação simbólica; em uma versão sem descrições científicas e significados da...
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- Apresentados em 14 de outubro de 2026, SRHarness e MechBench abordam etapas diferentes da descoberta científica por IA: encontrar fórmulas e investigar os mecanismos que as explicam.
- No teste LSR Transform, o SRHarness obteve 93,69% de recuperação simbólica; em uma versão sem descrições científicas e significados das variáveis, marcou 72,97%.
- No conjunto principal do MechBench, o Codex com GPT 5.6 sol recuperou leis em 35% dos casos, mas mecanismos em 13,75% — uma diferença entre identificar padrões e explicar sua origem.
Prompt de IA
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
Pesquisadores do Laboratório de Ciência de Dados e Inteligência do Departamento de Engenharia Eletrônica da Universidade Tsinghua apresentaram dois projetos voltados à descoberta científica com inteligência artificial. O SRHarness ajuda agentes de IA a encontrar fórmulas a partir de dados; o MechBench avalia se eles também conseguem recuperar os mecanismos que dão origem a essas fórmulas. As iniciativas foram noticiadas em 14 de outubro de 2026. 8
10
A diferença entre os objetivos pode ser resumida com uma comparação clássica: as leis de Kepler descrevem padrões no movimento dos planetas; a gravitação de Newton oferece uma explicação para esse comportamento. Na ciência, encontrar uma regularidade observável é um avanço, mas não equivale, por si só, a entender o que a produz. 6
Um ambiente para agentes que buscam fórmulas
O SRHarness é um ambiente de execução especializado em regressão simbólica — técnica que busca expressar relações observadas em dados como fórmulas matemáticas interpretáveis. Nele, agentes baseados em modelos de linguagem podem preparar dados científicos, acionar ferramentas de análise e ajuste, guardar hipóteses avaliadas e refinar fórmulas ao longo de buscas prolongadas. 9
A estrutura também contempla ciclos de refinamento e reinicialização que aproveitam resultados anteriores para continuar a busca. O foco, portanto, é oferecer aos agentes ferramentas e condições para testar hipóteses por etapas, em vez de se limitar a uma resposta isolada no chat.
O repositório do SRHarness está disponível no GitHub, em tsinghua-fib-lab/SRHarness. 9
Como foram os resultados do SRHarness
No teste LSR-Transform, com o modelo DeepSeek-v4-flash-0731, o SRHarness alcançou 93,69% de precisão na recuperação simbólica, ante 62,16% do SR-Scientist. 1
Em uma versão anonimizada do teste, que remove as descrições científicas e o significado das variáveis, o resultado do SRHarness foi de 72,97%, contra 39,64% do SR-Scientist. Com a mesma base DeepSeek, o Codex obteve 20,72%. O relato também descreve o desempenho anonimizado do SRHarness como comparável ao do Codex com GPT-5.5, mas não informa uma taxa exata para essa comparação. 1
| Condição do teste LSR-Transform | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| Contexto científico e significado das variáveis mantidos | 93,69% |
62,16% |
— |
| Descrições e significados das variáveis removidos | 72,97% |
39,64% |
20,72% com a mesma base DeepSeek |
Esses números medem a recuperação de fórmulas. Sozinhos, não demonstram que um agente identificou o mecanismo físico subjacente. 1
6
MechBench separa lei de mecanismo
O MechBench foi criado para avaliar uma pergunta diferente: além de recuperar uma relação entre dados de entrada e resultados observados, o agente consegue identificar o mecanismo oculto que a produz? Assim, o benchmark distingue a recuperação de uma lei observável da recuperação de sua explicação. 2
15
No conjunto principal do teste, o Codex com GPT-5.6-sol recuperou leis em 35% dos casos, mas mecanismos em apenas 13,75%. 4
6 O resultado aponta uma diferença importante: encontrar padrões nos dados foi bem mais fácil do que identificar, nesse benchmark, o processo que os gera.
A contribuição do MechBench é medir essas duas capacidades separadamente. Isso ajuda a evitar que o sucesso em ajustar uma fórmula seja tratado automaticamente como prova de compreensão científica — e oferece uma forma mais clara de acompanhar avanços na descoberta de mecanismos. 2
4
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "IA encontra fórmulas — mas consegue explicar por que elas funcionam?"?
Apresentados em 14 de outubro de 2026, SRHarness e MechBench abordam etapas diferentes da descoberta científica por IA: encontrar fórmulas e investigar os mecanismos que as explicam.
Quais são os pontos-chave para validar primeiro?
Apresentados em 14 de outubro de 2026, SRHarness e MechBench abordam etapas diferentes da descoberta científica por IA: encontrar fórmulas e investigar os mecanismos que as explicam. No teste LSR Transform, o SRHarness obteve 93,69% de recuperação simbólica; em uma versão sem descrições científicas e significados das variáveis, marcou 72,97%.
O que devo fazer a seguir na prática?
No conjunto principal do MechBench, o Codex com GPT 5.6 sol recuperou leis em 35% dos casos, mas mecanismos em 13,75% — uma diferença entre identificar padrões e explicar sua origem.