คำตอบเผยแพร่แล้ว17 แหล่งที่มา
จากการหาแพตเทิร์นสู่การเข้าใจกลไก: ชิงหัววางโจทย์ใหม่ให้ AI วิทยาศาสตร์
นักวิจัยจากมหาวิทยาลัยชิงหัวเสนอเครื่องมือสองส่วน: SRHarness สำหรับช่วยเอเจนต์ AI ค้นหาสูตรทางคณิตศาสตร์จากข้อมูล และ MechBench สำหรับทดสอบว่า AI ค้นพบกลไกที่ทำให้เกิดสูตรนั้นได้หรือไม่ [10][11] ผลทดสอบ LSR Transform ระบุว่า SRHarness ทำคะแนนการกู้คืนสัญลักษณ์ได้ 93.69% เมื่อคงบริบททางวิทยาศาสตร์ไว้ และ 72.97% เมื่อ...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- นักวิจัยจากมหาวิทยาลัยชิงหัวเสนอเครื่องมือสองส่วน: SRHarness สำหรับช่วยเอเจนต์ AI ค้นหาสูตรทางคณิตศาสตร์จากข้อมูล และ MechBench สำหรับทดสอบว่า AI ค้นพบกลไกที่ทำให้เกิดสูตรนั้นได้หรือไม่ [10][11]
- ผลทดสอบ LSR Transform ระบุว่า SRHarness ทำคะแนนการกู้คืนสัญลักษณ์ได้ 93.69% เมื่อคงบริบททางวิทยาศาสตร์ไว้ และ 72.97% เมื่อซ่อนคำอธิบายกับความหมายของตัวแปร [1][2]
- บนชุดทดสอบหลักของ MechBench Codex ที่ใช้ GPT 5.6 sol กู้คืนกฎได้ 35.00% แต่กู้คืนกลไกได้ 13.75% สะท้อนว่าการจับรูปแบบยังง่ายกว่าการอธิบายสาเหตุ [8][11]
AI พรอมต์
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
งานวิจัยจากห้องปฏิบัติการ Data Science and Intelligence ในภาควิชาวิศวกรรมอิเล็กทรอนิกส์ มหาวิทยาลัยชิงหัว ซึ่งมีรายงานเมื่อวันที่ 14 ตุลาคม 2026 เสนอผลงานสองชิ้นที่ตอบโจทย์คนละขั้นของการค้นพบทางวิทยาศาสตร์ ได้แก่ SRHarness ซึ่งเป็นระบบช่วยเอเจนต์ AI ค้นหาสูตรจากข้อมูล และ MechBench ซึ่งใช้ประเมินว่า AI ไปไกลกว่าการหาสูตร จนค้นพบกลไกที่อยู่เบื้องหลังได้หรือไม่ 10
11
ใจความสำคัญคือ การพบความสัมพันธ์ในข้อมูลไม่เท่ากับการรู้ว่าเหตุใดความสัมพันธ์นั้นจึงเกิดขึ้น นักวิจัยอธิบายความต่างนี้ด้วยภาพเปรียบเทียบระหว่างเคปเลอร์กับนิวตัน: กฎของเคปเลอร์บรรยายการเคลื่อนที่ของดาวเคราะห์ ส่วนทฤษฎีแรงโน้มถ่วงของนิวตันเสนอคำอธิบายเบื้องหลังพฤติกรรมนั้น 11
SRHarness ช่วยเอเจนต์ค้นหาสูตรอย่างไร
SRHarness เป็นระบบรันไทม์เฉพาะทางสำหรับ การถดถอยเชิงสัญลักษณ์แบบใช้เอเจนต์ หรือการค้นหาสมการที่อธิบายข้อมูลได้ โดยเอเจนต์ที่ใช้โมเดลภาษาเตรียมข้อมูลทางวิทยาศาสตร์ เรียกใช้เครื่องมือวิเคราะห์และฟิตสมการที่นำมาประกอบใช้ร่วมกันได้ เก็บสมมติฐานที่ผ่านการประเมิน และปรับสูตรที่ตีความได้ตลอดการค้นหาระยะยาว 9
กล่าวอีกอย่างคือ SRHarness วางโครงสร้างและเครื่องมือให้เอเจนต์ทำงานค้นหาสูตรได้เป็นขั้นเป็นตอน แต่ผลที่รายงานไม่ได้หมายความว่าเอเจนต์ค้นพบกลไกทางฟิสิกส์แล้ว การหารูปแบบที่ตรงกับข้อมูลเป็นคนละความสามารถกับการอธิบายว่าอะไรทำให้รูปแบบนั้นเกิดขึ้น 1
8
ผลทดสอบการกู้คืนสูตร
บนชุดทดสอบ LSR-Transform ซึ่งเน้นการกู้คืนสมการเชิงสัญลักษณ์ นักวิจัยรายงานผลของ SRHarness เมื่อใช้ DeepSeek-v4-flash-0731 ดังนี้ 1
2
| เงื่อนไขทดสอบ | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| มีคำอธิบายทางวิทยาศาสตร์และความหมายของตัวแปร | 93.69% |
62.16% |
ไม่มีตัวเลขเปรียบเทียบในข้อมูลที่อ้างถึง |
| ตัดคำอธิบายทางวิทยาศาสตร์และความหมายของตัวแปรออก | 72.97% |
39.64% |
20.72% เมื่อใช้โมเดลพื้นฐาน DeepSeek เดียวกัน |
ในเงื่อนไขที่ซ่อนบริบททางวิทยาศาสตร์ ผลของ SRHarness ยังใกล้เคียงกับ Codex ที่ใช้ GPT-5.5 ตามรายงาน แต่ข้อมูลที่อ้างถึงไม่ได้ระบุเปอร์เซ็นต์ของ GPT-5.5 ไว้ จึงไม่ควรตีความเป็นตัวเลขที่แน่นอน
MechBench ถามต่อว่า “รู้สูตร” แล้วรู้เหตุผลหรือยัง
MechBench แยกการประเมินออกเป็นสองเป้าหมาย คือการกู้คืนกฎที่สังเกตได้จากข้อมูล และการกู้คืนกลไกที่สร้างกฎนั้นขึ้นมา ผลบนชุดทดสอบหลักแสดงให้เห็นช่องว่างชัดเจน: Codex ที่ใช้ GPT-5.6-sol กู้คืนกฎได้ 35.00% แต่กู้คืนกลไกได้เพียง 13.75% 8
11
ตัวเลขนี้ไม่ได้พิสูจน์ว่า AI เข้าใจหรือไม่เข้าใจวิทยาศาสตร์ในภาพรวม แต่ชี้ให้เห็นว่าในเกณฑ์ทดสอบนี้ การจับความสัมพันธ์ที่ปรากฏในข้อมูลยังทำได้ง่ายกว่าการอนุมานถึงกระบวนการที่ทำให้เกิดความสัมพันธ์นั้น MechBench จึงมีประโยชน์ตรงที่แยกวัดสองความสามารถนี้ แทนที่จะถือว่าการหาสมการได้คือการเข้าใจคำอธิบายทางวิทยาศาสตร์แล้ว 8
11
SRHarness เปิดให้ใช้งานผ่าน GitHub ในคลัง tsinghua-fib-lab/SRHarness 16 ขณะที่ผลงานสองชิ้นนี้โดยรวมชวนให้มองความก้าวหน้าของ AI วิทยาศาสตร์อย่างรอบคอบ: การหา “กฎที่เห็น” เป็นก้าวหนึ่ง ส่วนการค้นพบ “เหตุที่อยู่เบื้องหลัง” เป็นโจทย์อีกระดับหนึ่ง
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "จากการหาแพตเทิร์นสู่การเข้าใจกลไก: ชิงหัววางโจทย์ใหม่ให้ AI วิทยาศาสตร์" คืออะไร
นักวิจัยจากมหาวิทยาลัยชิงหัวเสนอเครื่องมือสองส่วน: SRHarness สำหรับช่วยเอเจนต์ AI ค้นหาสูตรทางคณิตศาสตร์จากข้อมูล และ MechBench สำหรับทดสอบว่า AI ค้นพบกลไกที่ทำให้เกิดสูตรนั้นได้หรือไม่ [10][11]
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
นักวิจัยจากมหาวิทยาลัยชิงหัวเสนอเครื่องมือสองส่วน: SRHarness สำหรับช่วยเอเจนต์ AI ค้นหาสูตรทางคณิตศาสตร์จากข้อมูล และ MechBench สำหรับทดสอบว่า AI ค้นพบกลไกที่ทำให้เกิดสูตรนั้นได้หรือไม่ [10][11] ผลทดสอบ LSR Transform ระบุว่า SRHarness ทำคะแนนการกู้คืนสัญลักษณ์ได้ 93.69% เมื่อคงบริบททางวิทยาศาสตร์ไว้ และ 72.97% เมื่อซ่อนคำอธิบายกับความหมายของตัวแปร [1][2]
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
บนชุดทดสอบหลักของ MechBench Codex ที่ใช้ GPT 5.6 sol กู้คืนกฎได้ 35.00% แต่กู้คืนกลไกได้ 13.75% สะท้อนว่าการจับรูปแบบยังง่ายกว่าการอธิบายสาเหตุ [8][11]