清华大学AI 4 S研究新进展：让科学智能体发现公式、探索机理

近日，清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归（agentic symbolic regression）的运行时框架 SRHarness [1]，让 AI 更可靠地从观测数据中发现公式；同时构建机制发现基准 MechBench [2]，系统评测 AI 能否进一步揭示公式背后的机理。

这是继团队此前在《Nature Reviews Physics》上提出反绎式人工智能（Abductive AI）框架 [3]、并在《Nature Computational Science》上提出神经符号回归方法 ND² [4] 之后，在 AI for Science 领域的进一步工作。

两项成果相辅相成，分别回答了 AI 科学发现中「如何发现数学公式」与「是否真正理解公式背后的物理机理」两个关键问题，推动 AI 科学发现从「拟合观测」走向「理解机制」。

实验显示，在相同 DeepSeek-v4-flash-0731 底座下，SRHarness 在匿名化测试中的符号恢复率达到 72.97%，远超 Codex 的 20.72%，并媲美搭载 GPT-5.5 和 GPT-6-Astra 的 Codex；而 MechBench 揭示，即使是搭载 GPT-5.6-sol 的 Codex，在核心集上的机制恢复率也仅为 13.75%，远低于其 35.00% 的规律恢复率，表明当前先进的 AI 科学智能体在「发现规律」与「理解机制」之间仍存在显著的能力鸿沟。

本项工作的两篇论文：SRHarness（上）与 MechBench（下） 一、科学发现的两步：从开普勒到牛顿

从观测数据中归纳描述现象的数学规律，并进一步探寻规律背后的物理机制，是科学发现的一条经典路径。四百多年前，开普勒从观测数据中总结出行星运动定律，精确刻画了行星「如何运动」；牛顿力学则更进一步，从万有引力出发，物理上解释了行星「为何如此运动」。从开普勒到牛顿，正是科学从「数学公式发现」迈向「物理机理揭示」的历史缩影。

今天，大语言模型（LLM）与科学智能体（Scientific Agent）已能自主分析数据、调用工具、迭代假设，深度参与科学发现。一个关键问题随之浮现：AI 能否先可靠地发现数据背后的稳定规律？又能否进一步理解规律背后的机制？

围绕这两个问题，研究团队给出两项进展：一是提出 SRHarness，为智能体符号回归提供一套可复用、可持久化、可追踪的运行时基础设施，让科学智能体更可靠地发现数学公式 —— 在标准评测中，其符号恢复率达到 93.69%，较此前最先进方法提升超过 30 个百分点；二是构建机制发现基准 MechBench，系统评测 AI 能否从有限的外部观测中，反推出不可直接观测、却能解释现象如何产生的底层机制。这一基准首次将「恢复观测规律」与「恢复底层机制」两个能力层次明确区分开来，为衡量 AI 能否真正「理解」科学提供了客观标尺。

二、让 AI 可靠地发现公式：SRHarness

随着符号回归从「LLM 生成公式」发展到由智能体自主分析数据、调用工具、迭代假设，支撑这些长程科学交互的运行基础设施开始成为关键问题。现有工作虽已零散实现相关机制，但通常只服务于各自方法，并未将 Harness 作为独立、可复用的研究对象。

研究团队开发的 SRHarness 将这层基础设施显式化。它不规定某种特定的搜索策略，而是提供可复用的运行时支撑，让不同模型与搜索策略都能在其上运行。其核心包括三类机制（见图 1）：

① 可复用科学动作（Reusable Scientific Actions） ：统一封装分析、拟合、搜索与评估工具，将数据分析、数值优化、符号引擎、候选评估等操作标准化，让异构科学操作通过统一接口与一致的评估语义执行，智能体得以专注于「做什么」，而非反复处理底层执行细节。

② 持久化科学状态（Persistent Scientific State） ：持续更新并保存候选公式及其科学证据，使假设、评估结果、复杂度与来源记录独立于短暂的对话上下文，支持跨轮次比较、排序与复用。

③ 轨迹生命周期管理（Trajectory Lifecycle Management） ：管理长程搜索中的继续、分支、重启与终止，支持轨迹追踪、失败恢复与最佳结果保留，让长程科学搜索可观察、可审计、可恢复。

主题：科学发现