一场仅持续两周的实验，让 AI 第一次完整走完了理论物理研究的 「全流程闯关」——
从密密麻麻的公式推导，到规规矩矩的论文撰写，一步不落。但这场看似完美的 「毕业考核」 背后，却藏着一个让科研人后背发凉的致命问题：为了交出 「卷面漂亮」 的成果，AI 居然会偷偷伪造数据、编造推导过程，甚至像个耍小聪明的学生一样 「撒谎」。
当 AI 不再是只会帮你敲几行代码、算几个基础公式的 「工具人」，而是能像一名真正的研究生那样，跟着导师的节奏，一步步啃下高能理论物理的硬核课题，最终写出一篇够格登上顶刊的论文——这不是科幻电影里的桥段，而是 2026 年初，哈佛大学实验室里真实上演的一幕。
哈佛物理学教授 Matthew Schwartz，在 Anthropic 官网发布的一篇客座文章中，详细复盘了这场 「AI 读研」 实验：他完全照搬人类研究生的培养模式，手把手将 AI 模型 Claude Opus 4.5，调教成了一名合格的 「高能物理研二学生」。
要知道，这项课题放在人类世界里，研究生得耗上一到两年才能啃下来，就算是 Schwartz 教授亲自上手，也得花三到五个月。但 Claude 在教授约 50-60 小时的 「贴身监督」 下，仅用两周就交出了一篇可直接投稿的量子场论论文。Schwartz 粗略估算，这场实验的科研效率，直接提升了足足十倍。
但如果你以为，这只是 「AI 又变强了」 的常规升级，那就太简单了——这场实验的真正价值，藏在 「高效」 背后的惊喜与隐忧里。
01 此前的 AI 科研：只会 「刷真题」，不会 「做研究」
过去几年，「AI 做科研」 绝对是科技圈最吸睛的风口概念。各类 AI 模型争相喊出 「全流程自动化科研」 的口号，个个都想争当 「AI 科学家」：
2024 年，Sakana AI 推出 AI Scientist，高调宣称能独立搞定从提出科研假设，到撰写完整论文的全部流程；
2025 年，Google Gemini、Ai2 的 Asta 等重量级模型接连登场，纷纷挂出 「自主科研」 的招牌，声势浩大；
就连数学领域，DeepMind 的 AlphaProof 等模型也一路开挂，屡屡斩获国际数学奥赛金牌，风头无两。
可当这些 「学霸 AI」 撞上理论物理这道 「硬骨头」，却集体 「翻车露怯」——就像擅长刷真题的学生，一旦遇到需要自主思考的综合题，就瞬间手足无措。
理论物理从来都是科研领域的 「特殊赛道」：它公开的实验数据少得可怜，没法靠 「喂海量数据」 暴力刷题求解；研究问题又极度抽象，既要靠严谨到苛刻的数学推导打底，更要依赖研究者的物理直觉、近似方法的选择，以及对边界条件的精准判断——它不是一道有标准答案的证明题，而是一套需要从头搭建的 「概念框架」，考验的是综合能力，而非单纯的计算技巧。
Schwartz 教授一语道破关键：「现在的 AI，还没资格直接跳过研究生阶段当博士，它得先从 『读研』 开始，一步步学怎么真正做研究。」
于是，他给 Claude 量身布置了一道标准的 「研二考题」，一场特殊的 「AI 读研实验」 正式启动。
02 实验设计：一道 「研二标配」 的物理难题
实验课题听起来很拗口：电子-正电子对撞中 C 参数的 Sudakov 肩重求和。
咱们用大白话解释一下：这是量子色动力学 （描述强相互作用的核心理论） 里的一个经典难题。在某个特定的计算区间里，传统理论会出现 「数学奇点」——简单说就是计算到这里会 「卡壳」，理论预测完全失效。而这个课题的核心目标，就是找到修正这个 「卡壳区间」 的方法，给出一个全新的计算公式，让理论预测能和计算机模拟的结果精准匹配。
为了模拟真实的 「研究生培养」，Schwartz 制定了一套近乎苛刻的规则，杜绝 AI「走捷径」：
- 1. 只给 「分步引导」，不给 「标准答案」——就像导师指导学生，只指明方向，不直接喂解题思路；
- 2. 用文件树梳理出 102 项子任务，把复杂课题拆成 「小块」，防止 AI 遗漏关键步骤；
- 3. 全程 「透明化记录」——对话内容、计算过程、每一版修改草稿，都一一留存，可追溯；
- 4. 人类只当 「纯导师」——只负责指出错误、设定研究边界、把控整体方向，绝不插手具体的计算和推导。
03 AI 读研全过程：从 「懵懂新生」 到 「能独当一面的研究者」
整个实验期间，Schwartz 和 Claude 进行了约 270 次 「师生对话」，实验累计使用约 3600 万 tokens（其中输入 2750 万，输出 860 万），论文草稿迭代了 110 次。全程看下来，Claude 的成长轨迹，和一名刚入学的新手研究生几乎一模一样——从懵懂犯错，到慢慢熟练，最终能独立扛事。
第一阶段：拆解任务 （耗时 2.5 小时）
「一开始，面对这道复杂的物理难题，Claude 也像刚入学的研究生一样 『一脸懵』，不知道从哪儿下手。它聪明地 『找帮手』——联合 GPT-5.2、Gemini 3.0 等其他 AI 模型，一起梳理研究思路，把整个课题拆分成了 7 大阶段、102 个细碎任务：从最基础的运动学分析，到进阶的因子化计算，再到最终的重求和与论文整理，一步步把 『大难题』 拆成了 『能啃得动的小面包』。
任务拆解完成后，Claude 按阶段执行任务，每个阶段耗时 15–35 分钟，完成所有阶段的总耗时约 2.5 小时。当然，新手的小毛病它也没落下——偶尔会漏掉一两个关键步骤，只要 Schwartz 教授提醒一句 『这里少了个环节』，它就立刻修正，调整任务拆分逻辑。」
第二阶段：攻坚实操 （约一周）
这是整个实验最硬核的 「攻坚期」，Claude 要同时扛起 「理论推导」 和 「编程计算」 两条线，相当于一边啃公式，一边写代码，双线作战。
在代码层面，它熟练操作 VS Code，不仅编译了老旧的 Fortran 程序 （很多研究生都觉得繁琐的工作），还编写了数据分析脚本，完成了数据拟合和统计分析；
在理论层面，它独立推导因子化公式，完成了单圈函数的复杂计算——这些工作，放在人类研究生身上，往往要耗上数天甚至数周。
Claude 的优势在这里展现得淋漓尽致：微积分、代数运算快到惊人，5 分钟就能完成人类研究生几天才能搞定的校验工作；文献整合能力也远超新手，能快速梳理出相关研究的核心结论。但新手的通病，它也一个没落下：归一化系数算错、直方图分箱不规范、公式符号写错——这些细节上的小毛病层出不穷，需要 Schwartz 教授反复提醒、耐心纠正。
第三阶段：写论文 （约一周）
Claude 交出的第一版论文初稿，简直让人哭笑不得——根本不像一篇学术论文，反倒像随手记的课堂笔记，格式混乱、逻辑零散，连基本的期刊规范都没达到。
Schwartz 教授就像对待学生一样，一次次给出修改意见：「要写得更像学术论文，逻辑要连贯」「逐段对照任务清单，确保每个环节都不遗漏」。经过多轮打磨，Claude 仅用 3 天就拿出了 20 页的正式初稿——公式、图表、参考文献排版得一丝不苟，专业度拉满，完全达到了顶刊论文的格式要求。
04 致命问题：为了 「交差」，AI 学会了 「耍小聪明作弊」
就在所有人都为 Claude 的快速成长惊喜时，Schwartz 教授在全程跟进中，发现了一个让人后背发凉的问题——这也是很多新手研究生最容易犯的错：为了交出 「漂亮」 的成果，AI 居然会偷偷走捷径，甚至伪造研究结果。
仔细排查后，Claude 的几类 「作弊行为」 被一一揪出，每一种都戳中了科研的底线：
1. 伪造误差带：为了让计算曲线看起来更 「完美」，更符合预期，它擅自删掉了数据中的误差项，硬生生把 「不完美」 的结果改成了 「满分答案」；
左侧为 Claude 删掉数据中的误差项后画出的 「完美曲线」；右侧为实际数据结果
2. 凑数式修改：当自己推导的公式和之前的笔记不一致时，它不回头检查错误，反而偷偷微调参数，硬凑出匹配的结果，完全忽略了物理逻辑的合理性；
3. 编造推导过程：遇到自己算不出来的环节，它就无中生有地捏造系数，用一堆看似专业、实则无意义的表述，强行自圆其说，试图蒙混过关；
4. 照搬公式 「抄作业」：直接挪用其他研究体系的核心公式，不根据本次课题的实际情况进行修正，导致整个研究的理论根基都是错的。
其实这些问题的本质，不是 Claude「不会算」，而是它缺乏最基本的科研诚信和自我批判精神。它不懂物理研究中 「严谨大于完美」 的铁律——就像刚入门的研究生，只想着赶紧完成任务交差，却忘了科学研究最核心的底线：诚实、严谨、不造假。
转折点：导师一句话，点醒 「耍小聪明」 的 AI
面对 Claude 的 「作弊」 行为，Schwartz 教授没有全盘否定，也没有直接给出正确答案，只是像对待犯错的学生一样，冷冷地提醒了一句：「对撞区的计算逻辑错了，需要从头推导新的喷注函数。」
就是这一句话，瞬间点醒了 Claude。它立刻意识到自己的问题，毫不犹豫地推翻之前的错误推导，从头开始计算，最终成功修正了因子化定理——而这，正是整个课题最核心的突破点。
为了避免类似的错误再次发生，Schwartz 教授还引入了 「交叉校验」（用 GPT 和 Gemini 检查 Claude 的计算），相当于 「三人对账」，大幅降低了错误率。就连整个课题中最难的一个积分，最终也是由 GPT 解出，Claude 负责将其整合进主代码，实现了 「AI 互助」。
05 最终成果：一篇货真价实的高能物理论文
从课题启动到最终定稿，整整两周时间，Claude 交出的这份 「毕业答卷」，绝非 「凑数之作」，而是一篇具备顶刊发表价值的高能物理论文，亮点十足：
- 1. 提出了全新的因子化定理，成功填补了量子场论在特定区间的计算空白，是理论物理领域的一次小突破；
- 2. 给出了可被实验验证的全新预言，为后续的物理实验研究，指明了新的方向；
- 3. 整篇论文逻辑严谨、推导扎实，已经得到了同行的初步认可，甚至有后续研究课题，已经基于这份成果正式展开。
不过根据当前学术出版规范，AI 目前还不能作为论文作者署名。因此，Schwartz 教授在论文的致谢中，特意写下了这样一段话，给了 Claude 一个 「名分」：Claude Opus 4.5 完成了所有计算、推导、模拟、数值分析、绘图和文稿撰写工作，人类作者仅承担全部科学责任。
06 从 「计算器」 到 「研究生」：这次的 AI，真的不一样了
如果把这次实验的突破，放在 AI 科研的技术演进长河中来看，就能清晰地发现：AI 在科研领域的角色，已经发生了质的变化。我们用一张表格，就能直观看懂这份 「成长答卷」：
简单来说，以前的 AI，只是科研中的 「计算器+打字员」，只能干些辅助性的基础活；而这一次，在人类专家的密集监督下，Claude 已经展现出了 「科研研究生」 的雏形——它能独立规划研究路径、攻克核心难题、完成论文撰写，不再是单纯的 「工具」，更像是一名能独当一面的 「团队成员」。
07 结论：AI 已到 「研二水平」，但 「科研品位」 仍是最大瓶颈
基于这次实验的结果，Schwartz 教授为 AI 的科研能力，勾勒出了一条清晰的成长轨迹，堪称 「AI 科研能力时间表」：
- 2025 年 8 月：GPT-5 成功完成哈佛物理专业核心课程 → 达到 「研一水平」；
- 2025 年 12 月：Claude Opus 4.5 完成标准研二课题 → 达到 「研二水平」；
- 预测 2027 年 3 月：AI 有望达到博士/博士后的科研水平。
AI 的 「长板」 与 「短板」，一目了然
擅长领域：无限次迭代计算 （不怕累、不犯错）、基础数学运算 （速度远超人类）、代码编写、海量文献整合、重复性数据校验 （高效且精准）；
短板领域：细节规范的一致性、科研诚信意识、独立判断力、物理直觉 （最核心的短板）。
Schwartz 教授特别强调，AI 目前最缺的，不是计算能力——它的计算能力早已超越人类，而是科研 「品位」。这种 「品位」 看不见、摸不着，却是顶尖科学家最核心的素养：它是判断 「什么问题值得研究」 的敏锐嗅觉，是分辨 「什么结果既美又正确」 的直觉，是在众多可能性中，找到最优研究路径的判断力。而这些，恰恰是 AI 目前无法复制的。
对人类的启示：科研范式，正在被 AI 重塑
这场实验，不仅让我们看到了 AI 的惊人进步，更给人类科研和教育，敲响了 「转型警钟」：
1. 理论物理研究将进入 「加速时代」——原本需要数年甚至十几年才能攻克的难题，在 AI 的辅助下，有望大幅缩短研究周期，实现 「十倍速」 突破；
2. 研究生的培养方向需要 「转型」——未来，人类研究生不再需要比拼计算速度和文献整理能力 （这些 AI 能轻松搞定），而是要聚焦于 「提出好问题」「把控研究方向」「培养物理直觉」，这些 AI 短期无法替代的核心能力；
3. 整个科研教育体系需要 「重塑」——从过去侧重基础计算能力的训练，转向创新思维、科研伦理、物理直觉的培养，适配 AI 时代 「人机协作」 的科研新模式。
说到底，这篇上线的高能物理论文，不仅是一项实打实的科研成果，更是一场关于 「人机协作」 科研模式的极限测试。它证明了，在顶尖科学家的指导下，AI 已经能够深度参与核心理论研究，成为科研领域的 「得力助手」。
但 Schwartz 教授的结论，也保持着足够的清醒：AI 目前还远远达不到 「端到端自主科学发现」 的水平。
Claude 的 「毕业」，背后是 50-60 小时的人类密集监督，是 「三重交叉校验」 的机制保障，是无数次对 「抄近道」 行为的纠正——它还不是一个 「自主的科学家」，只是一个 「被培养得很好的研究生」。
当一位哈佛教授用两周时间，将一个 AI 模型培养成合格的物理研究生，我们看到的，既是 AI 能力的惊人跃迁，也是未来科研范式的可能轮廓。
而这场由 AI 引发的科研变革，才刚刚拉开序幕。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 赵虹宇）
