清華大學電子工程系數據科學與智能實驗室於 2026 年 10 月 14 日公布兩項相關成果：公式搜尋框架 SRHarness，以及用來評估 AI 能否發現公式背後機理的基準 MechBench。1011 一項着眼於「能否從數據找出公式」，另一項追問「能否解釋公式為何成立」。

從開普勒到牛頓：找規律不等於解釋規律

開普勒的行星運行定律描述天體如何運行；牛頓的萬有引力理論則嘗試解釋這些運行規律背後的原因。這個對照點出研究團隊關注的分別：AI 能夠擬合觀察所得的模式，不代表它已掌握產生模式的底層機制。11

SRHarness：協助智能體反覆搜尋公式

SRHarness 是為「智能體符號回歸」設計的執行框架。符號回歸簡單來說，就是從數據中尋找可解釋的數學公式。框架讓語言模型智能體整理科學數據、調用可組合的分析及擬合工具、保存已評估的假設，再逐步修訂公式。9

論文資料亦提到可組合的科學操作。2 GitHub 文件描述了搜尋和修訂流程；不過，現有資料不足以逐項確認搜尋策略是否完全不受預設限制，或所有繼續、分支、重新開始及停止搜尋的控制方式。9

SRHarness 可在 GitHub 查閱：tsinghua-fib-lab/SRHarness。9 現有資料未能核實其 PyPI 套件名稱或線上示範網址，因此不列出未確認的下載或示範連結。

符號回復測試：匿名化後仍有表現

研究使用 DeepSeek-v4-flash-0731 作為模型底座，在 LSR-Transform 測試符號回復表現。匿名化版本會移除科學描述及變數語義，測試模型在缺少領域文字提示時，能否仍然找出公式。19

測試條件	SRHarness	SR-Scientist	Codex
保留科學背景及變數含義	93.69% 1	62.16% 1	現有資料未提供可比數字
移除科學描述及變數含義	72.97% 1	39.64% 1	20.72%（相同 DeepSeek 底座）

研究報告指，匿名化測試中 SRHarness 的表現與使用 GPT-5.5 的 Codex 相若，但現有資料沒有提供 GPT-5.5 的確切回復率。 以上數字反映的是公式或符號回復表現，並不能直接證明模型已找出公式背後的物理機制。18

MechBench：分開評估「找到定律」與「找到機制」

MechBench 不只問 AI 能否重現一條輸入與輸出之間的規律，亦評估它能否找出產生該規律的隱藏機制。215 兩者是不同的評測目標：公式吻合觀察結果，未必代表模型能解釋現象如何形成。

在 MechBench 核心集上，使用 GPT-5.6-sol 的 Codex 找出定律的比率為 35.00%，還原機制的比率則只有 13.75%。811 這個差距顯示，在這項基準的測試中，找出可觀察的模式比找出生成模式的機制容易得多；但它本身並不足以概括所有 AI 科學研究能力。811

MechBench 的價值，在於將「找出規律」與「解釋機制」分開衡量，避免單憑公式擬合成功，就把成果等同於理解科學。至於基準中如何設計內部量值探測，以及如何排除觀察上等價的不同機制，現有資料未有提供足夠細節作核實。

清華大學電子工程系數據科學與智能實驗室於 2026 年 10 月 14 日公布兩項相關成果：公式搜尋框架 SRHarness，以及用來評估 AI 能否發現公式背後機理的基準 MechBench。1011 一項着眼於「能否從數據找出公式」，另一項追問「能否解釋公式為何成立」。

從開普勒到牛頓：找規律不等於解釋規律

開普勒的行星運行定律描述天體如何運行；牛頓的萬有引力理論則嘗試解釋這些運行規律背後的原因。這個對照點出研究團隊關注的分別：AI 能夠擬合觀察所得的模式，不代表它已掌握產生模式的底層機制。11

SRHarness：協助智能體反覆搜尋公式

SRHarness 是為「智能體符號回歸」設計的執行框架。符號回歸簡單來說，就是從數據中尋找可解釋的數學公式。框架讓語言模型智能體整理科學數據、調用可組合的分析及擬合工具、保存已評估的假設，再逐步修訂公式。9

論文資料亦提到可組合的科學操作。2 GitHub 文件描述了搜尋和修訂流程；不過，現有資料不足以逐項確認搜尋策略是否完全不受預設限制，或所有繼續、分支、重新開始及停止搜尋的控制方式。9

SRHarness 可在 GitHub 查閱：tsinghua-fib-lab/SRHarness。9 現有資料未能核實其 PyPI 套件名稱或線上示範網址，因此不列出未確認的下載或示範連結。

符號回復測試：匿名化後仍有表現

研究使用 DeepSeek-v4-flash-0731 作為模型底座，在 LSR-Transform 測試符號回復表現。匿名化版本會移除科學描述及變數語義，測試模型在缺少領域文字提示時，能否仍然找出公式。19

測試條件	SRHarness	SR-Scientist	Codex
保留科學背景及變數含義	93.69% 1	62.16% 1	現有資料未提供可比數字
移除科學描述及變數含義	72.97% 1	39.64% 1	20.72%（相同 DeepSeek 底座）

研究報告指，匿名化測試中 SRHarness 的表現與使用 GPT-5.5 的 Codex 相若，但現有資料沒有提供 GPT-5.5 的確切回復率。 以上數字反映的是公式或符號回復表現，並不能直接證明模型已找出公式背後的物理機制。18

MechBench：分開評估「找到定律」與「找到機制」

MechBench 不只問 AI 能否重現一條輸入與輸出之間的規律，亦評估它能否找出產生該規律的隱藏機制。215 兩者是不同的評測目標：公式吻合觀察結果，未必代表模型能解釋現象如何形成。

在 MechBench 核心集上，使用 GPT-5.6-sol 的 Codex 找出定律的比率為 35.00%，還原機制的比率則只有 13.75%。811 這個差距顯示，在這項基準的測試中，找出可觀察的模式比找出生成模式的機制容易得多；但它本身並不足以概括所有 AI 科學研究能力。811

MechBench 的價值，在於將「找出規律」與「解釋機制」分開衡量，避免單憑公式擬合成功，就把成果等同於理解科學。至於基準中如何設計內部量值探測，以及如何排除觀察上等價的不同機制，現有資料未有提供足夠細節作核實。