7.4
深览指数
科技微博·机器之心Pro··AI 生成
清华大学AI4S研究新进展：让科学智能体发现公式、探索机理
清华大学提出 SRHarness 运行时框架和 MechBench 机制发现基准，系统性地将 AI 科学发现拆解为「发现数学规律」和「理解物理机制」两个层次。实验表明，当前最强模型（GPT-6-Astra）在发现公式上表现突出，但在推导规律背后的机制时，机制恢复率仅 47.5%，揭示了一道显著且被忽视的能力鸿沟。该工作为 AI for Science 从「拟合观测」走向「机制理解」设立了可量化的标尺，尤其适合关注科学智能体前沿进展和 AI 能力边界的深度读者。原文 ↗
核心观点
- ▍当前最先进的 AI 科学智能体（如 GPT-6-Astra）在「发现数学规律」上已取得显著进步，但在「理解规律背后的物理机制」上仍存在巨大的能力鸿沟，后者是本质上更难的下一关挑战。
- ▍AI for Science 正从单次公式生成、拟合观测的阶段，迈向长程科学搜索、理解机制的新范式，未来的核心竞争力将来自模型、搜索策略与运行框架的协同设计。
- 01SRHarness 框架在 LSR-Transform 基准上，搭载 DeepSeek-v4-flash 模型时符号恢复率达 93.69%，远超此前最先进方法 SR-Scientist 的 62.16%，提升超 30 个百分点。
- 02在匿名化测试（LSR-Transform-Anon）中，SRHarness 的符号恢复率仍达 72.97%，高于同模型下 Codex 的 20.72%，甚至超过搭载 GPT-5.5 的 Codex（68.47%），说明其发现公式的能力主要依赖主动交互而非模型内置知识。
- 03SRHarness 以「可复用科学动作」「持久化科学状态」「轨迹生命周期管理」三大机制为核心，将符号回归中的底层执行、假设管理和长程搜索显式化为可复用的基础设施。
- 04基于 MechBench 的评测显示，Codex（GPT-5.6-sol）的规律恢复率为 35.00%，但机制恢复率仅为 13.75%。即使正确给出唯象规律，其机制恢复率仍不足 50%。
- 05搭载 GPT-6-Astra 的 Codex 在规律恢复率上显著提升至 72.50%，但机制恢复率也仅达 47.50%；在其正确恢复规律的案例中，仍有 43.10% 未能恢复全部机制。
- 06SRHarness 已开源并提供在线 Demo。搭载更经济模型（DeepSeek-v4.1-flash）时，其性能逼近搭载 GPT-6-Astra 的 Codex，在材料科学领域分布外准确率达 100%。
反方 / 局限
- — 文章承认并着力量化「机制不可分辨」问题：多个科学上合理的底层机制可能产生完全相同的观测现象，导致智能体无法通过外部数据唯一确认哪个机制是正确的。
- — MechBench 基准本身存在局限性：其构造机制的方式是对「熟悉经典机制施加受控突变」，这虽避免了背诵答案，但与真实科学发现中完全未知的机制场景仍有距离。
SRHarnessMechBench符号回归AI for Science清华大学电子工程系数据科学与智能实验室DeepSeek-v4-flash-0731GPT-5.5GPT-6-AstraCodex丁健反绎式人工智能
14 分钟 · 2 卡片 · 3 资料
读原文 →