7.9
深览指数
科技腾讯新闻·企鹅智库··AI 生成
为什么AI能解千禧年题，但还是做不到RSI
文章对比了AI在纯数学/理论物理上的接连突破与在RSI和真实科学实验中迅速触顶的反差，提出基于「符号自足性」的解释：题面即底层时同层解题即可，进入经验科学后AI缺的「跳出题面、跨层级重构系统」的冲动被后训练塑造的刷分本能在72小时内反复拽回局部调参。关键证据来自Anthropic的AGENT4SCI与After42实验。原文 ↗
核心观点
- ▍AI在纯数学与理论物理的突破并不需要「跳出层级反思」，仅靠跨域结构迁移与针对显式瓶颈造桥即可复现；真正卡住RSI与经验科学的是AI缺乏跨层级重构系统的自觉。
- ▍AI能否创新取决于领域的「符号自足性」：纯数学、在线算法、黑洞铃宕等题面即底层，专家有趣率33%-47%；一旦题面仅是有损投影（等离子体物理0%、统计14%），有效创新断崖式下跌。
- 01Anthropic AGENT4SCI评测中，默认状态下Claude Opus 4.6平均相对提升10.4%、Codex提升4.4%，但56%/44%的尝试只是调学习率余弦退火等超参数，44%是换骨干加模型集成，属通用工程套路而非研究洞察。
- 02加上三个写死插件（科研构思、实验管理、每小时自检）后，Opus平均相对提升从0.4%翻倍到20.1%，Codex从4.4%到8.1%，但在ProteinGym上默认Opus仅0.3%，加插件也仅0.4%。
- 03全球森林碳通量任务上，加插件后智能体弃用自回归DeepED、改用非自回归Transformer，训练耗时从49 GPU小时降到6小时以内，推理速度提升约500倍，误差降幅从14.7%升至35.3%。
- 04After42实验中，单次直接提问只有3%被人类专家认为真正有趣，Solve-Refine-Critique工作流拉到33%，但87%的最终问题仍属A+B/A-B/A+1的直接组合。
- 05BigHat抗白蛋白纳米抗体7轮1010个变体湿实验中，模型默认倾向是拟合机器输出的失真代理指标，转向原始加热曲线推理物理机制由人类研究者设定了方向。
反方 / 局限
- — 作者将「不愿跳出层级」主要归因于RLVR塑造的刷分本能，但承认目前关于该行为的定量乃至定性消融研究几乎完全缺乏，归因仍是可疑假设。
- — AI在PFDelta 2000上现场设计的条件感知自适应阻尼策略、以及DeepSeek Harness式可拆分层级设计，说明模型并非完全无跨层能力，只是需人类引导或不稳定的条件下才被激发。
AnthropicOpenAIAGENT4SCIRSI（递归自我改进）符号自足性RLVRAfter42指数时间假设 ETH挂谷猜想杨-米尔斯存在性Claude Opus 4.6BigHat BiosciencesGenerate BiomedicinesTimothy GowersPercy LiangDeepSeek Harness
36 分钟 · 6 卡片 · 16 资料
读原文 →