给AI配一套科研工具,它开始跨学科解题

让AI写一段科学解释不难，让它交出能被检查的计算结果难得多。刚公开的BootLoops尝试给大模型配上计算工具和验收规则，把“说得像答案”变成“拿出计算过程”。

文｜最极客

10月1日，理论物理学家Matthew Schwartz公开介绍了BootLoops，配套1.0代码也已发布。仓库首个版本的提交时间为北京时间当晚23时27分，落在本次更新的过去24小时内。

它不是一个新的聊天模型，也不是“AI科学家”的成品应用。更准确地说，它是一套供大模型调用的科研工具，加上一套约束工作过程的规则。

Anthropic当天刊登了Schwartz的介绍文章。需要区分的是：文章刊登在Anthropic网站，不代表BootLoops是该公司的官方产品；项目由Schwartz维护，仍属于科研工具。

从会说，到能动手计算

想象你把一道复杂题交给一个知识面很广的助手。它能说出许多相关理论，也能写一段看起来正确的推导，但你不知道中间哪一步可能有问题。

另一种做法，是给它一张工作台：有专门的计算程序，有输入格式，有测试题，也有规定答案如何验收的说明。助手先选工具，再运行计算，最后提交结果和证据。

BootLoops更接近后一种路线。大模型负责理解问题、组织步骤、调用工具；具体运算则交给科学计算程序。读者不需要记住“harness”这个术语，把它理解为AI的科研工作台就够了。

这和让聊天窗口直接猜一个数，有着本质区别。模型的文字输出不再是唯一凭据；计算代码、输入数据和检查记录，才是判断结果能否使用的基础。

物理问题，为什么会通向其他学科

Schwartz介绍，项目起点是数学物理中的计算，后来发现部分工具可以处理其他领域形式相近的问题。其公开文章讨论了生态学等方向的合作，也强调领域专家参与的重要性。

这里的新奇之处，不是AI突然“懂完所有科学”，而是不同问题有时穿着不同的外衣，里面却藏着相似的数学结构。

举一个帮助理解的例子：两位研究者，一个关心粒子，一个关心自然系统。他们讨论的对象不同，但某一步都可能需要求一个难算的积分。针对前一种问题开发的方法，可能对后一种问题有帮助。

这只是原理上的类比，不是说任意两个问题都能直接套公式。变量含义、前提条件、误差允许范围，仍然需要逐项确认。同样的数学形式，不自动意味着同样的科学解释。

项目真正值得关注的，是把这类计算方法整理成可调用的工具。后来者不用每次从零开始组织软件，也可以检查已有工具是否适合自己的任务。

但“算出来”也不等于“发现了重要东西”。一项结果可能数学上成立，却没有回答该领域真正关心的问题。这正是领域专家需要继续把关的地方。

最关键的配件，是验收规则

BootLoops把计算工具和工作规范分开维护。后者要求为结果保留核查路径，例如用独立方法复查，先做已知答案的测试，并记录证据来自哪里。

听起来有些繁琐，但这几件事决定了自动化究竟是在加速研究，还是在更快地制造错误。

比如，先给程序一道答案已知的题，是为了检查工具是否至少具备基本能力。如果连这道题都过不了，直接把它扔进未知问题，就很难区分是新发现还是程序出错。

再比如，用另一条路线复查，不是把同一份答案重新问一遍AI。真正的交叉检查，应尽量避免重复相同的输入错误或计算漏洞。

还有一个常见陷阱：工具显示“测试通过”，但测试本身根本不会报错。好的检查不仅要能接受正确结果，也应该能拒绝有意加入的错误。否则绿灯只是一种颜色，不是质量证明。

这些解释不是说BootLoops从此消除了错误，而是说明它试图把“完成”定义得更严格。项目也明确提示：内部的验证标签不能代替合格人员审核。

谁现在就能用，谁不该急着用

对有科学计算经验的研究人员，这类工具可以作为研究工作台的组成部分：先选一个有参考答案的小问题，确认环境和方法，再逐步处理真实任务。

项目安装资料提供了环境配置和测试说明。使用者仍需要理解程序依赖、数据格式及外部计算引擎；下载一个仓库，不等于所有工具都已经准备好，更不意味着自己的课题一定适用。

对普通读者，它的启发不是“以后不用学科学了”，而是AI正在从给建议，走向操作专用工具。越接近真实研究，越需要看清输入、过程和验收，而不能只看回答流畅不流畅。

本稿核实的是公开说明与代码发布，没有复跑整套计算，也没有把作者报告的跨学科结果当成独立复现。至于每一项研究是否经得起同行检验，仍要分别看论文、数据和后续验证。

BootLoops展示了一种具体的科研协作方式：AI承担部分检索、编程与计算，人决定问题是否重要、方法是否适用、证据是否充分。它的价值，要从可重复的研究结果中慢慢兑现，而不是由“AI科学家”这几个字提前宣布。