कुंशाउ विश्वविद्यालय के इलेक्ट्रॉनिक्स इंजीनियरिंग विभाग की डेटा साइंस एंड इंटेलिजेंस लैब के शोधकर्ताओं ने विज्ञान के क्षेत्र में एआई के लिए दो परस्पर जुड़े प्रोजेक्ट प्रस्तुत किए हैं: SRHarness - प्रतीकात्मक प्रतिगमन एजेंटों के लिए एक रनटाइम फ्रेमवर्क, और MechBench - एक बेंचमार्क जो केवल सूत्र ही नहीं, बल्कि सूत्र के पीछे के तंत्र को पुनर्स्थापित करने की एआई की क्षमता का मूल्यांकन करता है।
टीम ने अपने काम को एक ऐतिहासिक उदाहरण से उचित ठहराया: केपलर ने अवलोकनों से ग्रहों की गति के नियम निकाले, जिसमें उन्होंने गति का वर्णन किया, जबकि न्यूटन की यांत्रिकी ने इस गति के कारण की व्याख्या की। चूंकि आधुनिक बड़े भाषा मॉडल और वैज्ञानिक एजेंट डेटा का विश्लेषण करने, उपकरणों का उपयोग करने और परिकल्पनाओं को दोहराने में सक्षम हैं, इसलिए शोधकर्ताओं ने इन दोनों चरणों का परीक्षण करने का निर्णय लिया।
SRHarness खोज रणनीति को निर्देशित नहीं करता है। इसके बजाय, यह एजेंटों द्वारा उपयोग किए जाने वाले रनटाइम वातावरण को तीन घटकों से बनी एक पुन: प्रयोज्य बुनियादी ढांचे में बदल देता है: पुन: प्रयोज्य वैज्ञानिक क्रियाएं, जो विश्लेषण, ट्यूनिंग, खोज और मूल्यांकन के उपकरणों को एक एकीकृत इंटरफ़ेस के तहत लपेटती हैं; एक स्थायी वैज्ञानिक स्थिति, जो चैट संदर्भ के बाहर सूत्र उम्मीदवारों और प्रमाणों को सहेजती है; और एक पथ जीवनचक्र प्रबंधन, जो लंबी खोजों के जारी रहने, शाखाकरण, पुनः आरंभ और समाप्ति को संभालता है। कोड GitHub पर ओपन सोर्स के रूप में उपलब्ध है और PyPI के माध्यम से स्थापित किया जा सकता है, साथ ही एक ऑनलाइन डेमो भी उपलब्ध है।
प्रस्तुत लेखों के अनुसार, उसी बेस मॉडल DeepSeek-v4-flash का उपयोग करते हुए, SRHarness ने LSR-Transform बेंचमार्क पर 93.69% प्रतीकात्मक पुनर्प्राप्ति हासिल की, जो पिछले सर्वश्रेष्ठ विधि SR-Scientist के 62.16% से काफी अधिक है। यहां तक कि जब कार्यों से वैज्ञानिक संदर्भ और चर मान हटा दिए जाते हैं, तब भी SRHarness लक्षित समीकरणों को 72.97% तक पुनर्स्थापित करता है, जबकि SR-Scientist के लिए यह 39.64% और उसी बेस मॉडल पर काम करने वाले Codex के लिए 20.72% है। लेखकों ने उल्लेख किया कि यह परिणाम GPT-5.5 से जुड़े Codex से बेहतर है, जिसने 68.47% दिखाया था।
MechBench दो क्षमताओं को विभाजित करता है: देखे गए कानून की पुनर्प्राप्ति और उसके पीछे के तंत्र की पुनर्प्राप्ति। यह आंतरिक मात्राओं की जांच के लिए तंत्र प्रोब का उपयोग करता है जिन्हें सूत्र स्वयं निर्धारित नहीं कर सकता है, और उन प्रतिस्पर्धी तंत्रों को भी छांटता है जो समान अवलोकन दे सकते हैं। शोध परिणामों से पता चलता है कि मुख्य सेट से Codex with GPT-5.6-sol भी केवल 13.75% मामलों में तंत्रों को पुनर्स्थापित करता है, जबकि कानूनों की पुनर्प्राप्ति दर 35% है।
शोधकर्ता निष्कर्ष निकालते हैं कि यह अंतर प्रदर्शित करता है कि आज के वैज्ञानिक एजेंट पैटर्न खोजने में बहुत बेहतर हैं, लेकिन उन्हें समझने में नहीं, और MechBench को विकास में अगले कदम के लिए एक मानक के रूप में स्थापित करते हैं।