一句话看懂：arXiv 新论文提出基准 Unsatz，不再替 AI 预设变量和候选方程，而是要求大模型智能体自己决定模型结构；九个语言模型在 80 个模拟系统上的成功率为 21% 至 60%，难点集中在“找结构”而非“估参数”。
事件核心：发生了什么
据 arXiv cs.AI 于 2026 年 11 月 4 日收录的论文摘要，研究人员发布 Unsatz 基准。现有自动方程发现评测通常会给定变量、候选项库或待修正的定律，相当于把物理学家所说的 ansatz（试探形式）直接交给模型；Unsatz 则要求 LLM 智能体自行构造这一形式。
任务覆盖常微分方程、延迟方程、偏微分方程、离散映射、静态与因果模型、随机过程等，可能包含隐藏状态、传感器失真和无信息测量通道。智能体需在预算内购买实验、用统一建模语言写候选程序、由基准拟合器给出系数，最终只按对未见实验的预测表现评分，包括超出探索范围的条件、干预和更长运行。摘要称，20 个领域共 80 个系统中，九个语言模型得分在 21% 到 60% 之间；其中 44 个系统上经典方程发现方法几乎无法成功，但给定真实方程、仅未知系数时，同样的数据通常足够。
为什么重要
目前公开信息显示，这项工作的价值在于把评测重心从参数拟合推向结构发现。对 AI for Science 而言，真正困难的环节是判断系统里有哪些量、哪些被隐藏、如何相互作用与测量；Unsatz 将这层判断交给智能体，更接近真实科研起点。摘要还指出，较强智能体能发现变量构成，但难以判断其作用方式，且倾向选择降低训练误差的修改，而非预测更好的修改。
对用户/开发者/创作者的影响
对开发者，Unsatz 提示自动科研类 AI 应用的评测应增加“自选结构”和分布外预测环节，而不只是比拼拟合精度；相关智能体若用于实验设计、科学建模或因果分析，需重视实验预算和防过拟合机制。对科研用户，这类基准的结论仍限于模拟系统，目前没有证据表明它可直接替代真实实验中的建模判断。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开完整实验设置与榜单细节，验证 21% 至 60% 结果的稳定性；二是后续工作能否提升智能体区分“变量存在”与“变量作用方式”的能力；三是该基准思路是否被自动科研、方程发现类开源工具和 AI 应用采纳，成为结构发现的新评测维度。
来源：arXiv cs.AI
