Tsinghua apresenta SRHarness e MechBench: agentes de IA buscam fórmulas e mecanismos

Os dois trabalhos do mesmo laboratório da Tsinghua miram um gargalo dos agentes científicos de IA: eles geram hipóteses plausíveis, mas têm dificuldade em provar que uma fórmula realmente decorre dos dados. Segundo o Jiqizhixin, o Laboratório de Ciência de Dados e Inteligência do Departamento de Eletrônica da Universidade Tsinghua apresentou o SRHarness, um framework de runtime para regressão simbólica agêntica, e o MechBench, um benchmark que avalia a capacidade de encontrar mecanismos de fenômenos.

O que foi proposto

A regressão simbólica resolve um problema que parece simples: a partir de uma tabela de observações, recuperar uma expressão analítica, em vez de ajustar uma caixa-preta. A expressão pode ser lida, verificada quanto à consistência dimensional e inserida no cálculo seguinte. Os métodos clássicos se baseiam em programação genética e busca por enumeração. A abordagem agêntica troca a enumeração por um ciclo em que o modelo de linguagem propõe uma forma, executa o código, observa o erro e corrige a hipótese.

Pelo que a descrição indica, o SRHarness atua na camada de execução, ou seja, em torno do próprio agente. Ele define como o agente lida com os dados, valida candidatos e toma decisões. O objetivo é declarado sem rodeios: tornar a descoberta de fórmulas mais confiável. O problema é conhecido de quem já rodou agentes em tarefas longas: sem uma estrutura rígida em volta, eles se ajustam ao ruído, esquecem tentativas anteriores e entregam uma equação bonita que desmorona fora da amostra de treino.

O MechBench trata de uma tarefa vizinha. Encontrar uma fórmula que descreve bem os dados e entender por que o sistema se comporta de determinada maneira são coisas diferentes. O benchmark de mecanismos verifica a segunda: se o agente consegue ir da curva à estrutura causal do processo.

Por que isso é mais difícil do que parece

A regressão simbólica tem duas armadilhas clássicas. A primeira é a multiplicidade de soluções: dezenas de expressões com estruturas diferentes produzem erros quase idênticos nos pontos disponíveis. A segunda é o ruído e a limitação das observações, sobretudo em física, química e biologia, onde experimentos são caros. Um agente baseado em LLM acrescenta uma terceira: ele tende a escolher uma fórmula parecida com alguma que viu nos dados de treino, mesmo quando a dependência real é outra.

Pelo mesmo motivo, um benchmark específico para mecanismos é importante. Métricas como o erro de aproximação medem bem o ajuste e medem mal a compreensão. Se a avaliação não exige recuperar o mecanismo, o agente pode se sair bem apenas decorando leis típicas.

O que se sabe até agora

O trecho disponível do anúncio não traz resultados de comparação, nomes de modelos nem o tamanho dos conjuntos de tarefas. O que se sabe é o seguinte:

• Autores: Laboratório de Ciência de Dados e Inteligência, Departamento de Eletrônica da Universidade Tsinghua.
• SRHarness: framework de runtime para regressão simbólica agêntica, com o objetivo de obter fórmulas de forma confiável a partir de dados observacionais.
• MechBench: benchmark que avalia o mecanismo, e não apenas a fórmula.
• Área: AI for Science (AI4S), agentes científicos de IA.
• Publicação: matéria do Jiqizhixin de 14 de outubro de 2026, com referências a dois trabalhos separados.
• Métricas quantitativas, número de tarefas e métodos de referência para comparação não constam na fonte.

Como ler esse tipo de lançamento

Enquanto os textos completos não saem, convém ter algumas perguntas em mente. Quais métodos de referência foram usados na comparação: clássicos, como algoritmos genéticos, ou outras arquiteturas agênticas sobre os mesmos LLMs? O benchmark separa a memorização de leis conhecidas da descoberta genuína, por exemplo com sistemas sintéticos ou modificados? Qual orçamento computacional o agente gasta por tarefa e como a qualidade cresce com o número de iterações?

Para equipes que constroem seus próprios agentes científicos, a conclusão prática é outra. A confiabilidade depende não só do modelo, mas também da estrutura ao redor: registro de hipóteses, validação em dados separados e limites para a complexidade das expressões. Se o SRHarness e o MechBench forem lançados com código e dados abertos, poderão servir de campo de testes para essas soluções. Vale acompanhar o preprint e o repositório: é ali que devem aparecer os números que permitem avaliar até que ponto a confiabilidade anunciada se confirma.