Tsinghua presenta SRHarness y MechBench: agentes de IA que buscan fórmulas y mecanismos

Los dos trabajos de este laboratorio de Tsinghua apuntan a un cuello de botella de los agentes científicos de IA: generan hipótesis verosímiles, pero demuestran mal que una fórmula se derive realmente de los datos. Según Jiqizhixin, el laboratorio de Ciencia de Datos e Inteligencia del Departamento de Electrónica de la Universidad de Tsinghua ha presentado el framework de runtime SRHarness para la regresión simbólica con agentes y el benchmark MechBench, que evalúa la capacidad de encontrar los mecanismos de los fenómenos.

Qué han propuesto

La regresión simbólica resuelve un problema que suena sencillo: a partir de una tabla de observaciones, reconstruir una expresión analítica en lugar de ajustar una caja negra. La expresión se puede leer, comprobar dimensionalmente y utilizar en el siguiente cálculo. Los métodos clásicos se basan en programación genética y búsqueda exhaustiva. El enfoque con agentes sustituye esa búsqueda por un ciclo en el que un modelo de lenguaje propone una forma, ejecuta el código, examina el error y corrige la hipótesis.

Según la descripción, SRHarness opera en el nivel de ejecución, es decir, alrededor del propio agente. Define cómo el agente trata los datos, verifica a los candidatos y toma decisiones. El objetivo está formulado con claridad: hacer más fiable el descubrimiento de fórmulas. El problema les resultará familiar a quienes han lanzado agentes en tareas largas: sin una capa de control estricta, se sobreajustan al ruido, olvidan intentos anteriores y entregan una ecuación elegante que se desmorona fuera de la muestra de entrenamiento.

MechBench aborda un problema contiguo. Encontrar una fórmula que describa bien los datos y entender por qué el sistema se comporta así son cosas distintas. El benchmark de mecanismos comprueba lo segundo: si el agente es capaz de pasar de la curva a la estructura causal del proceso.

Por qué es más difícil de lo que parece

La regresión simbólica tiene dos trampas clásicas. La primera es la multiplicidad de soluciones: decenas de expresiones con estructuras distintas producen un error casi idéntico en los puntos disponibles. La segunda es el ruido y lo limitado de las observaciones, sobre todo en física, química y biología, donde los experimentos son caros. Un agente basado en LLM añade una tercera: tiende a elegir una fórmula parecida a otra conocida de sus datos de entrenamiento, incluso cuando la dependencia real es distinta.

Un benchmark específico de mecanismos es importante por la misma razón. Métricas como el error de aproximación miden bien el ajuste y mal la comprensión. Si la evaluación no exige reconstruir el mecanismo, un agente puede ganar memorizando leyes típicas.

Qué se sabe hasta ahora

El fragmento disponible del anuncio no contiene resultados de comparación, nombres de modelos ni tamaños de los conjuntos de tareas. Esto es lo que se sabe:

• Autores: el laboratorio de Ciencia de Datos e Inteligencia del Departamento de Electrónica de la Universidad de Tsinghua.
• SRHarness: framework de runtime para regresión simbólica con agentes; su objetivo es una obtención fiable de fórmulas a partir de datos observacionales.
• MechBench: benchmark para evaluar el mecanismo, y no solo la fórmula.
• Línea de trabajo: AI for Science (AI4S), agentes científicos de IA.
• Publicación: noticia de Jiqizhixin del 14 de octubre de 2026; el texto enlaza a dos trabajos distintos.
• La fuente no ofrece métricas cuantitativas, el número de tareas ni los métodos de referencia para la comparación.

Cómo leer este tipo de lanzamientos

Mientras no estén disponibles los textos completos, conviene tener presentes varias preguntas. ¿Qué métodos de referencia se han elegido para comparar: clásicos, como los algoritmos genéticos, u otras arquitecturas de agentes sobre los mismos LLM? ¿Separa el benchmark la memorización de leyes conocidas del descubrimiento genuino, por ejemplo mediante sistemas sintéticos o modificados? ¿Qué presupuesto de cómputo gasta el agente por tarea y cómo crece la calidad con el número de iteraciones?

Para los equipos que construyen sus propios agentes científicos, la conclusión práctica es otra. La fiabilidad no depende solo del modelo, sino también de la capa de control: el registro de hipótesis, la validación con datos reservados, los límites a la complejidad de las expresiones. Si SRHarness y MechBench se publican con código y datos abiertos, podrán servir como banco de pruebas para este tipo de soluciones. Conviene seguir el preprint y el repositorio: ahí aparecerán las cifras que permitan juzgar hasta qué punto se confirma la fiabilidad que se anuncia.