AnswersPublished19 sources
Yapay zekâ formülü bulabiliyor; peki arkasındaki mekanizmayı açıklayabiliyor mu?
Tsinghua Üniversitesi araştırmacıları, verilerden matematiksel formül arayan SRHarness’i ve formüllerin altında yatan mekanizmaları sınayan MechBench’i tanıttı. DeepSeek v4 flash 0731 ile SRHarness, LSR Transform testinde yüzde 93,69 sembolik doğruluk elde etti; bilimsel açıklamalar ve değişken anlamları çıkarıldığı...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Tsinghua Üniversitesi araştırmacıları, verilerden matematiksel formül arayan SRHarness’i ve formüllerin altında yatan mekanizmaları sınayan MechBench’i tanıttı.
- DeepSeek v4 flash 0731 ile SRHarness, LSR Transform testinde yüzde 93,69 sembolik doğruluk elde etti; bilimsel açıklamalar ve değişken anlamları çıkarıldığında oran yüzde 72,97 oldu.
- MechBench’in çekirdek testinde Codex, GPT 5.6 sol ile yasaları yüzde 35 oranında bulurken mekanizmaları yalnızca yüzde 13,75 oranında geri kazandı.
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
Tsinghua Üniversitesi Elektronik Mühendisliği Bölümü’ne bağlı Veri Bilimi ve Zekâ Laboratuvarı, 14 Ekim 2026’da bilimsel keşif için iki tamamlayıcı çalışma tanıttı: verilerden formül arayan SRHarness ve yapay zekânın bu formüllerin ardındaki mekanizmaları bulup bulamadığını değerlendiren MechBench. 8
10
16
İki çalışmanın odaklandığı temel ayrım basit ama önemli: Bir olguda düzenlilik tespit etmek, o düzenliliğin neden ortaya çıktığını açıklamakla aynı şey değil.
Kepler’in yasalarından Newton’un açıklamasına
Bu farkı anlatmak için Kepler ile Newton arasındaki ayrım kullanılıyor. Kepler’in yasaları gezegenlerin yörüngelerde nasıl hareket ettiğini betimlerken Newton’un yerçekimi kuramı bu hareketin altında yatan açıklamayı sunar. Başka bir deyişle, gözlenen ilişkiyi bulmak ile onu üreten mekanizmayı anlamak farklı hedeflerdir. 11
SRHarness ilk hedefe, yani verilerden denklem ve formül çıkarmaya odaklanıyor. MechBench ise bir adım ileri giderek, yapay zekânın yalnızca formülü değil, o formülü doğuran mekanizmayı da geri çıkarıp çıkaramadığını ölçmeye çalışıyor. 8
15
SRHarness ne yapıyor?
SRHarness, dil modeli ajanlarının bilimsel verileri hazırlamasına, birleştirilebilir analiz ve uyum araçlarını kullanmasına, değerlendirilmiş hipotezleri saklamasına ve uzun arama süreçlerinde yorumlanabilir formülleri geliştirmesine imkân veren bir çalışma ortamı olarak tanımlanıyor. 9
Araştırmacılar, DeepSeek-v4-flash-0731 modeliyle LSR-Transform testinde yüzde 93,69 sembolik doğruluk bildirdi. Aynı modelle karşılaştırmada SR-Scientist yüzde 62,16’da kaldı. Bilimsel açıklamaların ve değişkenlerin anlamlarının kaldırıldığı anonimleştirilmiş testte ise SRHarness yüzde 72,97, SR-Scientist yüzde 39,64 elde etti. 1
Aynı DeepSeek temel modeliyle çalışan Codex’in anonimleştirilmiş testteki sembolik geri kazanım oranı yüzde 20,72 olarak aktarıldı. Araştırmacılar SRHarness’in bu testteki sonucunu GPT-5.5 kullanan Codex’in performansıyla karşılaştırılabilir buldu; ancak mevcut kaynaklarda GPT-5.5 için kesin oran verilmiyor. 10
SRHarness’in kod deposu GitHub’da tsinghua-fib-lab/SRHarness adıyla bulunuyor. 9 Mevcut kaynaklar PyPI paketinin adını veya çevrimiçi demo adresini doğrulamıyor.
MechBench’in ölçtüğü fark
MechBench, gözlenebilir bir girdi-çıktı yasasını bulmayı, bu ilişkiyi ortaya çıkaran gizli mekanizmayı bulmaktan ayrı değerlendiriyor. 2
15 Böylece bir sistemin veriye uyan formülü bulması, otomatik olarak bilimsel açıklamayı kavradığı anlamına gelmiyor.
Çekirdek testte Codex, GPT-5.6-sol ile yasaları vakaların yüzde 35’inde, mekanizmaları ise yalnızca yüzde 13,75’inde geri kazandı. 2
4 Aradaki fark, bu değerlendirmede gözlenen örüntüleri bulmanın onları üreten mekanizmaları saptamaktan daha kolay olduğunu gösteriyor.
MechBench’in katkısı, bu iki beceriyi ayrı ayrı ölçerek formül bulmadaki başarının “bilimsel anlayış” diye yorumlanmasının önüne geçmek. Kaynaklarda, iç değişkenlere yönelik yoklamaların ve gözlemsel olarak eşdeğer mekanizmaların elenmesinin uygulama ayrıntıları ise tam olarak açıklanmıyor. Bu nedenle sonuçlar, yapay zekânın bilimi bütünüyle anladığını değil, mekanizma keşfinin ayrıca sınanması gerektiğini gösteren bir ölçüm olarak okunmalı. 2
8
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 "Yapay zekâ formülü bulabiliyor; peki arkasındaki mekanizmayı açıklayabiliyor mu?"?
Tsinghua Üniversitesi araştırmacıları, verilerden matematiksel formül arayan SRHarness’i ve formüllerin altında yatan mekanizmaları sınayan MechBench’i tanıttı.
What are the key points to validate first?
Tsinghua Üniversitesi araştırmacıları, verilerden matematiksel formül arayan SRHarness’i ve formüllerin altında yatan mekanizmaları sınayan MechBench’i tanıttı. DeepSeek v4 flash 0731 ile SRHarness, LSR Transform testinde yüzde 93,69 sembolik doğruluk elde etti; bilimsel açıklamalar ve değişken anlamları çıkarıldığında oran yüzde 72,97 oldu.
What should I do next in practice?
MechBench’in çekirdek testinde Codex, GPT 5.6 sol ile yasaları yüzde 35 oranında bulurken mekanizmaları yalnızca yüzde 13,75 oranında geri kazandı.