RUITA / DAILY BRIEF ·
SRHarness 与 MechBench 分别研究科学智能体的运行时和机理发现能力
两篇论文提醒研究者区分恢复观测规律与解释底层机制,并给出各自实验设置下的评测结果。
KEY FACTS
核心信息
- 01
SRHarness 使用可组合科学动作、持久假设状态和轨迹生命周期管理支持符号回归。
- 02
SRHarness 论文报告在 LSR-Transform 中,配合指定 DeepSeek-v4-flash 版本达到 93.69% 符号恢复率,对照 SR-Scientist 为 62.16%。
- 03
MechBench 论文报告所测 Codex 与 GPT-5.6-sol 在核心集上规律恢复率为 35%、机制恢复率为 13.75%。
两个研究各解决什么问题
SRHarness 研究智能体做符号回归时所需的运行时支持,包括科学动作接口、已评估假设的持续保存,以及搜索轨迹的延续与重启。MechBench 则把‘找出符合观察的规律’和‘解释产生规律的机制’拆成两个评价目标。
如何使用这些结果
高校 AI4Science 团队可据此分别设计数值拟合、符号恢复与机理验证的验收方式。论文中的百分比依赖各自模型、任务集与评价规则,不能泛化为所有科学发现任务的成功率。