清华提出SRHarness与MechBench:AI能发现公式,却难懂公式背后的机制
机器之心 · wechat · 2026-10-14
清华大学电子工程系数据科学与智能实验室发布两项AI for Science成果:面向智能体符号回归的运行时框架SRHarness与机制发现基准MechBench,分别回答"AI如何可靠发现公式"与"AI是否真正理解公式背后的物理机理"。
- SRHarness:将科学动作(分析/拟合/搜索/评估)统一封装、持久化候选公式与证据、管理长程搜索轨迹(继续/分支/重启/终止)。在LSR-Transform基准上符号恢复率达93.69%,较此前最先进方法SR-Scientist提升超30个百分点;匿名化测试下以DeepSeek-v4-flash底座达72.97%,远超Codex的20.72%,用轻量模型即可逼近Codex+GPT-6-Astra的表现。已开源(GitHub/PyPI/在线Demo)。
- MechBench:首次明确区分"恢复观测规律(唯象模型)"与"恢复底层机制(机制模型)"两个层次,从物理、化学、生物、材料四领域构造16个真实机制任务族、512道题,并用"机制探针"与"竞争机制筛查"保证评测客观、防背题。
- 核心发现——能力鸿沟:Codex(GPT-5.6-sol)在核心集上唯象规律恢复率35.00%,机制恢复率仅13.75%;即使直接给出正确唯象规律,机制恢复率仍不足50%。最新GPT-6-Astra将唯象规律恢复提升至72.50%,但机制恢复率仍只有47.50%,说明"发现规律"与"理解机制"之间存在本质差距。
- 意义:为衡量AI科学发现能否从"拟合观测"走向"理解机制"提供可量化标尺;未来有竞争力的科学智能体将是模型、搜索策略与运行框架的协同设计。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- 号称匹敌 GPT-6.1 的 DNA 模型遭实测打脸：10 例 8 例不如随机 — anshulkundaje · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23