Tsinghua dévoile SRHarness et MechBench : des agents IA à la recherche de formules et de mécanismes

Les deux travaux de ce laboratoire de Tsinghua ciblent un point faible des agents IA scientifiques : ils savent générer des hypothèses plausibles, mais prouvent mal qu'une formule découle réellement des données. Selon Jiqizhixin, le laboratoire de science des données et d'intelligence du département d'électronique de l'université Tsinghua a présenté SRHarness, un framework d'exécution (runtime) pour la régression symbolique agentique, et MechBench, un benchmark qui évalue la capacité à trouver les mécanismes des phénomènes.

Ce que proposent les chercheurs

La régression symbolique répond à un problème d'énoncé simple : à partir d'un tableau d'observations, retrouver une expression analytique plutôt qu'ajuster une boîte noire. L'expression se lit, se vérifie par analyse dimensionnelle et se réinjecte dans le calcul suivant. Les méthodes classiques reposent sur la programmation génétique et la recherche exhaustive. L'approche agentique remplace cette recherche par une boucle : un modèle de langage propose une forme, exécute le code, examine l'erreur et corrige son hypothèse.

D'après la description, SRHarness opère au niveau de l'exécution, c'est-à-dire autour de l'agent lui-même. Il définit comment l'agent manipule les données, vérifie les candidats et prend ses décisions. L'objectif est formulé sans détour : rendre la découverte de formules plus fiable. Le problème est connu de tous ceux qui ont lancé des agents sur des tâches longues : sans encadrement strict, ils surapprennent le bruit, oublient leurs tentatives précédentes et produisent une belle équation qui s'effondre hors de l'échantillon d'apprentissage.

MechBench s'attaque à un problème voisin. Trouver une formule qui décrit bien les données et comprendre pourquoi le système se comporte ainsi sont deux choses différentes. Ce benchmark de mécanismes vérifie la seconde : l'agent est-il capable de passer de la courbe à la structure causale du processus ?

Pourquoi c'est plus difficile qu'il n'y paraît

La régression symbolique comporte deux pièges classiques. Le premier est la multiplicité des solutions : des dizaines d'expressions de structures différentes donnent une erreur presque identique sur les points disponibles. Le second tient au bruit et au nombre limité d'observations, surtout en physique, en chimie et en biologie, où les expériences coûtent cher. Un agent fondé sur un LLM en ajoute un troisième : il a tendance à choisir une formule proche de celles qu'il connaît dans ses données d'entraînement, même quand la dépendance réelle est différente.

Un benchmark distinct pour les mécanismes se justifie pour la même raison. Des métriques comme l'erreur d'approximation mesurent bien l'ajustement, mais mal la compréhension. Si l'évaluation n'exige pas de retrouver le mécanisme, un agent peut l'emporter en mémorisant des lois types.

Ce que l'on sait à ce stade

Le fragment d'annonce disponible ne contient ni résultats de comparaison, ni noms de modèles, ni tailles de jeux de tâches. Voici ce qui est établi :

• Auteurs : le laboratoire de science des données et d'intelligence, département d'électronique de l'université Tsinghua.
• SRHarness : framework d'exécution (runtime) pour la régression symbolique agentique, dont l'objectif est une déduction fiable de formules à partir de données d'observation.
• MechBench : benchmark qui évalue le mécanisme, et pas seulement la formule.
• Domaine : AI for Science (AI4S), agents IA scientifiques.
• Publication : message de Jiqizhixin du 14 octobre 2026, dont le texte renvoie à deux travaux distincts.
• Les métriques quantitatives, le nombre de tâches et les méthodes de référence pour la comparaison ne sont pas indiqués dans la source.

Comment lire ce type d'annonce

Tant que les textes complets manquent, quelques questions méritent d'être gardées en tête. Quelles méthodes de référence servent à la comparaison : des méthodes classiques comme les algorithmes génétiques, ou d'autres architectures agentiques s'appuyant sur les mêmes LLM ? Le benchmark distingue-t-il la mémorisation de lois connues de la véritable découverte, par exemple au moyen de systèmes synthétiques ou modifiés ? Quel budget de calcul l'agent consomme-t-il par tâche, et comment la qualité évolue-t-elle avec le nombre d'itérations ?

Pour les équipes qui construisent leurs propres agents scientifiques, l'enseignement pratique est ailleurs. La fiabilité ne dépend pas seulement du modèle, mais aussi de l'encadrement : journalisation des hypothèses, validation sur des données mises de côté, limites imposées à la complexité des expressions. Si SRHarness et MechBench sont publiés avec leur code et leurs données ouverts, ils pourront servir de terrain d'essai pour ce type de solutions. Il faudra surveiller le preprint et le dépôt de code : c'est là qu'apparaîtront les chiffres permettant de juger dans quelle mesure la fiabilité annoncée se confirme.