答案已发布16 来源
清华推出两项 AI 科学发现工具：一项找规律，一项测机理
2026年10月14日，清华大学电子工程系数据科学与智能实验室介绍了 SRHarness 与 MechBench：前者支持智能体从科学数据中搜索公式，后者评测智能体能否进一步恢复公式背后的机制。[10][11] 在 LSR Transform 匿名化测试中，使用 DeepSeek v4 flash 0731 的 SRHarness 符号恢复率为 72.97%，高于 SR Scientist 的 39.64% 和采用相同底座的 Codex 的 20.72%。[2][10][11] MechBench 核心集上，搭载 GPT 5.6 sol 的 Codex 恢复规律的比例为 35.00%，恢复机制的比例则为 13.75%，凸显了两...
发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成
研究答案
要点
- 2026年10月14日，清华大学电子工程系数据科学与智能实验室介绍了 SRHarness 与 MechBench：前者支持智能体从科学数据中搜索公式，后者评测智能体能否进一步恢复公式背后的机制。[10][11]
- 在 LSR Transform 匿名化测试中，使用 DeepSeek v4 flash 0731 的 SRHarness 符号恢复率为 72.97%，高于 SR Scientist 的 39.64% 和采用相同底座的 Codex 的 20.72%。[2][10][11]
- MechBench 核心集上，搭载 GPT 5.6 sol 的 Codex 恢复规律的比例为 35.00%，恢复机制的比例则为 13.75%，凸显了两种任务之间的差距。[8][11]
AI 提示
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
清华大学电子工程系数据科学与智能实验室在 2026 年 10 月 14 日介绍了两项相关成果：面向智能体符号回归的运行时框架 SRHarness，以及用于评测机制发现能力的 MechBench。10
11 简单说，前者关注“能不能从数据中找出公式”，后者追问“能不能解释公式为什么成立”。
从开普勒式规律到牛顿式解释
开普勒定律刻画行星如何运行；牛顿引力理论则试图解释这些运动为何如此。这个对比说明了两类科学任务的区别：发现可观察的规律，不等于找到产生规律的底层机制。11
SRHarness 面向第一类任务。其代码仓库介绍称，它为语言模型智能体提供专用运行环境，使其能够整理科学数据、调用可组合的分析与拟合工具、保留已评估的假设，并在较长的搜索过程中不断修正可解释公式。16 这类框架的重点，是支持智能体开展反复的工具调用和假设迭代，而不是把公式拟合的成功直接当作“理解了科学”。
符号恢复率：匿名化后仍优于对照方法
研究报告了使用 DeepSeek-v4-flash-0731 时，在 LSR-Transform 及其匿名化版本上的符号恢复结果。匿名化版本移除了科学描述和变量语义，用来检验系统在缺少领域文字信息时的表现。1
2
| 测试条件 | SRHarness | SR-Scientist | Codex |
|---|---|---|---|
| 保留科学背景与变量含义 | 93.69% |
62.16% |
现有材料未提供可核实数据 |
| 移除科学描述与变量含义 | 72.97% |
39.64% |
20.72%（相同 DeepSeek 底座） |
报道还称，SRHarness 在匿名化测试中的表现可与搭载 GPT-5.5 的 Codex 相比，但现有材料没有给出后者的确切恢复率。10
11 这些数字衡量的是符号或公式恢复表现，并不能证明系统已经找到了公式背后的物理机制。
1
8
MechBench 单独检验“规律”与“机制”
MechBench 的核心价值，是把恢复输入—输出规律与恢复生成该规律的隐藏机制分开评测。8 在其核心集上，Codex 搭载 GPT-5.6-sol 时，规律恢复率为 35.00%，机制恢复率为 13.75%。
8
11
这组结果支持一个审慎的判断：在该基准上，AI 找到可观察的模式，仍明显比找出模式背后的生成机制容易。MechBench 通过分别衡量两种能力，让机制发现的进展不再被单纯的公式拟合成绩代替。8
11
SRHarness 的代码仓库可在 GitHub 上找到：tsinghua-fib-lab/SRHarness。16 目前提供的资料不足以核实其 PyPI 包名或在线演示地址；同样，现有摘录也未充分说明 MechBench 内部量探测及筛除观测等价机制的具体评测流程，因此不宜对这些实现细节作更确定的描述。
Studio Global AI
继续你的研究
此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。
人们还问
“清华推出两项 AI 科学发现工具：一项找规律，一项测机理”的简短答案是什么？
2026年10月14日，清华大学电子工程系数据科学与智能实验室介绍了 SRHarness 与 MechBench：前者支持智能体从科学数据中搜索公式，后者评测智能体能否进一步恢复公式背后的机制。[10][11]
首先要验证的关键点是什么？
2026年10月14日，清华大学电子工程系数据科学与智能实验室介绍了 SRHarness 与 MechBench：前者支持智能体从科学数据中搜索公式，后者评测智能体能否进一步恢复公式背后的机制。[10][11] 在 LSR Transform 匿名化测试中，使用 DeepSeek v4 flash 0731 的 SRHarness 符号恢复率为 72.97%，高于 SR Scientist 的 39.64% 和采用相同底座的 Codex 的 20.72%。[2][10][11]
接下来在实践中我应该做什么？
MechBench 核心集上，搭载 GPT 5.6 sol 的 Codex 恢复规律的比例为 35.00%，恢复机制的比例则为 13.75%，凸显了两种任务之间的差距。[8][11]