يظل اكتشاف القوانين الرمزية المخفية من بيانات السلاسل الزمنية تحديًا أساسيًا في مجال الاكتشاف العلمي وفنون الذكاء الاصطناعي. منذ اكتشاف كيبلر لحركة الكواكب، لطالما كان السعي نحو فهم هذه القوانين أحد أكبر الطموحات العلمية. بينما تُظهر النماذج اللغوية الضخمة (Large Language Models) وعودًا في مهام التفكير المنظم، فإن قدرتها على استنتاج الهياكل الرمزية القابلة للتفسير والمناسبة للسياق من بيانات السلاسل الزمنية لا تزال غير مستكشفة بشكل كافٍ.

لذلك، قام الباحثون بتقديم أداة جديدة تسمى SymbolBench، وهي معيار شامل مصمم لتقييم التفكير الرمزي عبر بيانات السلاسل الزمنية في ثلاث مهام رئيسية: الانحدار الرمزي المتعدد المتغيرات، استنتاج الشبكات البوليانية، واكتشاف الأسباب. هذه الأداة تتجاوز الجهود السابقة التي كانت تقتصر على المعادلات الجبرية البسيطة، لتشمل مجموعة متنوعة من الأشكال الرمزية ذات التعقيد المتفاوت.

إضافة إلى ذلك، يقترح الباحثون إطار عمل موحد يدمج النماذج اللغوية الضخمة مع البرمجة الجينية، مما يسمح بتشكيل نظام تفكير رمزي مغلق، حيث تقوم النماذج اللغوية الضخمة بدور كل من المتنبئين والمقيّمين في هذه العملية.

أظهرت النتائج التجريبية نقاط القوة والضعف الرئيسية للنماذج الحالية، مما يبرز أهمية دمج المعرفة بالمجال، وضبط السياق، وهيكل التفكير لتحسين أداء النماذج اللغوية الضخمة في الاكتشاف العلمي الآلي.