哈佛教授90天横扫18个学科Claude神助攻连开36篇论文全世界拿AI搞科研的姿势可能从一开始就用错了哈佛物理学家、量子场论教材作者Matthew Schwartz找到的正确姿势恰恰是别把Claude当科学家。他把Claude够不着的深层问题留给自己只挑它最擅长的题交给它。结果他熬了好几周、逐行写代码才完成的计算Claude只跑了20分钟就复现了连他自己都没想到。他又多追问了一句Claude在接下来几周里算出15个费曼积分这些积分此前从来没有人算出来过。三个月后Schwartz手里多了36篇论文初稿从对撞机里的粒子做到了巴拿马雨林里的树横跨18个学科。10月1日Anthropic把他的长文发上了官方科学博客标题叫「Claude形状的科学」。他在文中给出的理由是今天的大模型很擅长做科学但还算不上科学家。硬把它当成人类科学家去使唤它的本事反而发挥不出来。想让AI变强有两条路。一条是等巨头在实验室里堆出下一代模型另一条就是拿到模型的人自己找到对的用法。哈佛教授挖出了Claude最强的一面去年12月Schwartz让Claude Opus 4.5给自己当科研助手。用他的话说Claude像一个能干的研究生干活快20倍论文最后写出来了过程却很磨人。很多科学家都有类似的体会。新闻里AI一会儿解开数学难题一会儿刷新纪录自己上手一用却总觉得隔着一层。这种落差在他看来有迹可循。AI科研的新闻头条大多出在数学里那是唯一能把问题完整写下来、答案能被绝对验证的学科可大部分科学并不长这样。他借了物理学里的一个词叫「阻抗不匹配」两个系统各自运转良好接在一起却配不上。放到AI科研上一头是科学家想要的另一头是AI最擅长的。于是他按Claude实际的样子来用它。Claude眼下帮不了他想深层的概念问题可它几乎什么领域都懂写代码是强项读论文和数据也是机器的速度。他要做的就是专挑正好落在这些长处上的题。这类题他叫作「Claude形状的问题」。科学家想做的事和AI能做的事只在两小块地方重叠那里就是「Claude形状的问题」追问一句算出15个新积分第一个Claude形状的问题他从老本行里挑叫散射振幅。物理学家要靠它从对撞机的碎片里认出新粒子。可它的核心是费曼图背后的多维积分难一点的算出一个就够写一篇博士论文。为了绕开这些难算的积分过去20年物理学家发展出一条捷径叫S矩阵bootstrap。它不硬算积分靠物理约束一层层排除。比如知道振幅在哪些地方会变成无穷大候选就缩到2万个再加一个对称性剩下500个就这样一步步缩到1个。约束不够用的时候再在几个点上把振幅算到极高的精度把剩下的系数钉死。在Schwartz看来这道题天生适合AI。一来它要的数学、物理和计算机知识没人能全部掌握二来答案能被验证跑两个脚本就能对到任意位数Claude想糊弄也糊弄不了。他交给Claude Fable 5的第一件事是把散落在各种代码和论文里的方法搬进同一个框架。结果Claude很快复现了他的旧结果还指出他有个算法写慢了。突破出在后面。他让Claude去找还没人算过的振幅发现它一直把自己限制在最简单的对数函数里于是追问了一句更难的椭圆函数能不能也这么做。这一问问到了难处。人类完整算出的椭圆费曼积分只有寥寥几个还没有一个完全靠bootstrap算出来因为所需的知识散在许多人身上从来没人试过。Claude却没有这个障碍它把整套工具扩展到了椭圆函数上大部分新软件由它自己写剩下的借自数学界。几周后30个积分被从头到尾算完一半是复现已知结果另外15个此前从来没人算出来过。回头看这几周Fable 5的能力是底子决定结果的是两次选题一次是挑中这道能验证、知识又分散的题一次是看出Claude在给自己设限追问了一句。其中第二次更关键那批前人从没算出来的积分全出在追问之后。这套越用越全的工具Schwartz起名叫BootLoops。它是套在大模型外面的一层工具和流程已经开源换哪家的模型都能驱动。其中两个积分引擎的算法出自北京大学马滟青团队。门槛有多低我们自己试了一下。在一台Mac上装好BootLoops后我们只用一句话给Claude Code交代任务。它自己翻文档、找工具20分钟出头、花了约1.5美元就把官网上一个新算出的积分系数重算了一遍还找出了闭式和数值对上157位。一套积分打穿18个学科本来Schwartz打算就这批积分写篇文章收工。可科学里有个巧合同样的方程总会在不同学科里反复出现这批工具的用处远不止物理。Claude告诉他这些积分还能对应到群体遗传学里的贝叶斯证据积分。系统发育学用DNA给物种排家谱树时要算的积分和BootLoops当初为费曼图打造的积分也是同一类。BootLoops为费曼图造的积分工具在物种家谱、群体遗传和生态学里都能用为了让工具箱越用越全他给Claude立了条规矩老工具要用新工具也要造。这样一来每个项目哪怕失败都会留下新工具Claude越用越能干用他的话说就像《黑客帝国》里刚灌完功夫的尼奥。也就是说模型能做成多少事不只取决于权重也取决于手边的工具箱。下一代模型要等实验室发布工具箱却每天都在扩充和模型打交道的人自己就能改进它。工具箱带进别的学科后生态学最先出了成果。中性理论认为森林里物种的兴衰也许全凭运气。可这个理论的方程写出来20年一直没人能在大尺度上解开。Claude认出这是BootLoops形状的题把它解了。拿巴拿马运河巴罗科罗拉多岛的普查数据一对树种组成的变化速度比中性理论允许的快了4.5倍光靠运气解释不了。于是他和植物生物学家James ODwyer用Claude搭出新模型把物种之间寿命、生长和繁殖的差异加了回来正往全球的森林样地推广。其他学科也陆续出了结果。群体遗传学里他们在57亿对相邻突变中找到了基因转换的证据。经济学五大顶刊4452篇论文的复现包被搬进开源代码逐个核对语言学家也拿到了覆盖6072种语言的重音数据库。数学家Watson在1939年开启的格点积分系列最后一道难题也被解开了。这些成果加起来就是那36篇论文稿。它们是Schwartz从约400个候选问题里筛出来做成的目前都还没正式发表。Schwartz在文末披露项目期间他在Anthropic担任访问研究员BootLoops由Anthropic资助由他本人拥有和维护。撑起这个产量的工作台并不复杂。每个项目一个Claude Code会话一个总控会话负责协调和验收计算交给后台子Agent。还有一个会话专门扮演挑刺的审稿人把结果翻来覆去地核查。一个总控会话管着一群项目会话计算交给后台子Agent另有会话专门挑刺Claude做成的这些题有一个共同点答案都能被核对。正因为算错了瞒不住Schwartz才敢放手让它去跑。所以说能被验证的地方AI就能放开手往前推。通往ASI的另一条路谁都能走Schwartz这三个月回答的是一个更大的问题智能到底靠什么扩张。外界衡量AI有多强看的几乎全是模型本身参数多了没有跑分高了没有下一代什么时候发。Schwartz看的却是另一件事模型的上限由实验室决定最后能发挥出多少取决于挑题、搭工具、定验收标准的那个人。至于AI该去哪儿他用了一个数学概念来比喻叫凸包也就是把一个形状所有尖角连起来后围出的最小凸形状。人类知识就是这样一个参差不齐的形状生物学往一个方向突出去数学往另一个方向突出去。一个实验室可能花20年用一种方法把一组基因研究透旁边的基因和别的方法却一直荒着。那些人类够得着、但还没有哪个人去过的中间地带最适合交给AI。BootLoops做的就是在这些尖刺之间连线把凸包一点点填满。人类知识像一颗参差不齐的星形BootLoops的工具包在尖刺之间连线填补中间的空白AI去填这些空白人在科研里的位置也跟着变了。局面变得太快几乎没法提前规划。Schwartz反问一个AI可能一夜之间就算完的问题为什么还要申请三年的经费去算。连该怎么带研究生他也说自己至今还没想清楚。不过在他看来只要找对问题大部分技术活都能自动化离不开人的是概念那一部分。放到通往ASI这件事上也是两条路。一条是等实验室训出更强的模型另一条是把人类散落在几十个学科里的工具拼成一个工具箱交给一个什么都懂一点的模型再由人来挑题、追问、验收。前一条路握在少数几家公司手里后一条路不用等下一代模型每个会用AI的人现在就能走。参考资料https://www.anthropic.com/research/claude-shaped-sciencehttps://x.com/anthropicai/status/2105733864152858919编辑摩西