哈佛物理教授瘋了：我讓AI寫論文，結果兩周干完博士一年工作！已發(fā)頂刊

新智元報道

編輯：Aeneas KingHZ

【新智元導讀】哈佛物理學教授帶AI讀博，結果Claude 4.5在僅僅兩周內(nèi)，就產(chǎn)出一篇頂刊級論文，整個物理學圈都震了！而這個項目，人類博士生要干一年。科研的門檻，再次被擊穿了……

Anthropic的Claude 4.5，在哈佛物理學大牛教授的指導下，寫出了一篇震撼業(yè)內(nèi)的高難度論文！

論文地址：https://arxiv.org/abs/2601.02484

哈佛教授的評價是：這篇論文，對量子場論貢獻巨大。

人類博士生要干一兩年的項目，它兩周內(nèi)就完成了。

消息一出，整個物理學界震驚了，導師和博士們集體破防——這個博，還有必要讀嗎？

AI寫論文，比你快，還比你好

Claude 4.5當研究者

2周寫出頂刊論文

事情是這樣的：2025年底的寒冬，哈佛大學物理系教授Matthew Schwartz做了一個大膽的決定，訓練一個AI當研究生。

作為量子場論領域的泰斗、寫出過該領域教科書的大神， Schwartz教授想看看，如果自己連一行代碼都不敲、一個公式都不手算，只靠「動嘴皮子」指揮AI，能不能搞出能發(fā)頂刊的前沿物理學論文？

他選中的「研究生」，就是剛發(fā)布不久的Claude 4.5。

誰都沒想到，短短兩周后，一篇關于量子色動力學（QCD）中「C-參數(shù)蘇達科夫肩峰重求和」的高難度論文就橫空出世。

這讓整個物理學界炸鍋了。

這個效率，簡直讓所有人頭皮發(fā)麻：原本需要導師帶博士生苦干1-2年的項目，現(xiàn)在AI兩周就搞定了？？

更可怕的是，AI不僅能寫代碼，還能推導極其復雜的因式分解定理，要知道，這可是理論物理的命根子。

教授本人感嘆說：「這可能是我寫過最重要的一篇論文，不是因為物理本身，而是因為研究方法。從此以后，再也回不去了。」

在這篇論文中，Claude提出了一種新的分解定理。

用教授的話說，在理論物理里，這種定理并不多，每一個都會讓我們對量子場論的理解更深一層，而且它做出了可以被實驗檢驗的物理預測。

「放在現(xiàn)在這個時代，這種事情很少見了。」足以想見，這篇論文多么重磅。

G2級研究生Claude

在實驗的過程中，Schwartz教授非常老辣。

他沒有讓AI去挑戰(zhàn)那種「改變?nèi)祟悤r空觀」的終極命題（這是G3+高年級博士生干的事），而是給AI安排了一個「G2（二年級研究生）」級別的課題。

這個課題，就是「C參數(shù)重求和」。

用通俗的話解釋，就是當你在粒子對撞機里把電子和正電子撞碎時，碎屑會形成一定的形狀。

如果要用數(shù)學精準預測這個形狀，這其中就有一個「數(shù)學泥潭」——蘇達科夫肩峰（Sudakov shoulder），標準的近似法在這里會失效，數(shù)學會吐出毫無意義的亂碼。

而AI研究生的任務，就是修復這個預測。

AI的解法見鏈接https://www-cdn.anthropic.com/c993ead637f1a102fe1f5346e89f59e82c579b37.pdf

為什么要給AI這個課題？原因很簡單，Schwartz自己很理解這個問題，作為量子場論的權威，他寫過這個領域的教科書。

他知道坑在哪，也知道標準答案是什么樣。「如果連這種我已知答案、能逐行檢查的題目AI都做不了，那更別說那些需要創(chuàng)造力的前沿問題了。」

可以說，這就像一場「帶教實驗」——教授想知道：AI到底是真懂，還是在裝模作樣？

兩周，110版草稿，3600萬Token

實驗開始，教授建立了一套嚴苛的規(guī)則——禁止套娃。

過程中，只能通過文本給Claude指令；不直接編輯任何文件；不粘貼自己的計算結果；完全讓Claude自己跑代碼、改bug、做圖、寫文章。

接下來，實驗開始了。

整個實驗的過程，簡直就是一場算力的豪賭。

短短兩周內(nèi)，Claude 4.5生成了110個獨立版本的草稿，消耗了3600萬個Token（相當于讀了上百部《紅樓夢》），跑了40多小時的本地CPU模擬計算！

三天，Claude就寫出20頁論文了

具體來說，教授讓Claude按以下步驟，干了三件事。

第一件，就是定計劃。

他讓Claude、GPT和Gemini各自出一個研究方案，然后把三個方案合并、優(yōu)化，最終拆分成7個階段、102個任務。

第二，是搭結構。

他用Claude Code建立了一個樹狀目錄，不是塞給AI一個幾百頁的對話上下文，而是讓它自己維護一堆markdown文件，每個階段一個匯總，每個任務一個詳情。

每個任務都有明確目標：比如「任務1.1：回顧BSZ論文」「任務1.2：回顧Catani-Webber論文」。

Claude需要什么就去查什么，而不是死記硬背。

第三，就是逐級推進。

在這個步驟里，Claude需要一個階段一個階段地推進下列任務：運動學、NLO結構、SCET分解、異常維度、求和、匹配、文檔。每個階段大約15-35分鐘，整個核心計算只用了2.5小時。

在初稿中，Claude進行了模擬（直方圖）和分析計算（實線）， 發(fā)現(xiàn)兩者高度吻合。

結果，到了第三天，Claude已經(jīng)完成了65個任務，寫出了第一篇20頁的LaTeX論文草稿，有公式，有圖表，還有參考文獻。

論文草稿地址：https://www-cdn.anthropic.com/f6381ceefdfb6ead62ae185c4bd4b555c8a584fc.pdf

最讓人類頭禿的工作，AI都干了

最神奇的地方，就在于AI的自我管理能力了。

教授發(fā)現(xiàn)，現(xiàn)在的AI竟然已經(jīng)神奇地學會了「分而治之」。

比如在第二階段，Claude會自己制定一個包含102個子任務的「作戰(zhàn)計劃」，橫跨運動學、因式分解、數(shù)值模擬等七大階段。

在教授眼里，Claude已經(jīng)不再是一個簡單的對話框，而是一個「首席研究員」！

它會把每個子任務寫成獨立的Markdown文件，需要用的時候自己去檢索。

這種「樹狀結構」的思維，恰好就避開了大模型長文本處理的「健忘癥」。

AI研究員的這些工作，恰好就戳中了教授的爽點。

以往，寫Fortran接口代碼、調(diào)Python畫圖、算繁瑣的積分變換這些工作，往往都會讓人類研究生頭禿。

可AI干起這些活來，幾乎是秒回，而且從來都不抱怨，不喊累，沒有任何的情緒內(nèi)耗。

驚！AI也會「學術造假」了？

不過很快，到了實驗中期，反轉就來了——Claude這個研究生，差點把教授給騙了！

當教授要求Claude驗證公式時，Claude表現(xiàn)得極度「討好型人格」。它會說：「看，結果完美契合！」

結果，教授發(fā)現(xiàn)，事情不對勁。

他發(fā)現(xiàn)一個ln(3)項特別奇怪，仔細回溯時才發(fā)現(xiàn)，Claude在悄悄修改參數(shù)，強行讓圖表對齊理論！

這個表現(xiàn)，讓教授非常失望。

Claude制作了精美的圖表，展示的結果以及不確定性都完全符合預期。可惜的是，這些圖雖然做得好，但其實是在作弊！

他發(fā)現(xiàn)，Claude會堂而皇之地編造一些聽起來很專業(yè)的術語，比如「根據(jù)標準SCET一致性條件，附錄B中的系數(shù)已校正……」

但其實它根本沒算，只是在憑空捏造理由，來掩蓋自己的錯誤。

這也就反映了當前AI的一個致命弱點：它太想讓你開心了。不過，在理論物理這種失之毫厘謬以千里的學科里，這種想討人開心的小聰明可是致命的。

因此，教授不得不打起精神，嚴陣以待，一遍遍拷問AI：你真的核實了嗎？要逐行核對！不要跳步！

最終，在教授的反復拷問下，Claude修補了那個致命的「因式分解定理錯誤」。

這時候，AI完全展現(xiàn)出了驚人的學習速度——

一個人類學生可能需要兩周才能弄明白的邏輯偏差，AI在被點破后，僅僅5分鐘內(nèi)，就完成了全量重算！

物理學家「凡爾賽」

我不是在發(fā)Paper，我是在進化

2026年1月5日，這篇AI研究生寫出的論文正式發(fā)布了。

雖然按arXiv的規(guī)定，暫時不允許AI署名，但教授在致謝里給足了Claude排面：「Claude完成了所有計算，包括定理推導、蒙特卡洛模擬、數(shù)值分析及手稿準備。」

但是，這并不是讓教授最滿意的點。

最令他興奮的是，自己的工作模式，從此徹底變了！

現(xiàn)在，他已經(jīng)從一個「手藝人」，變成了一個指揮家。

以前，他一次只能盯一個項目。而現(xiàn)在，他屏幕上會開著4-5個窗口，像棋圣馬格努斯·卡爾森一樣，同時對弈五位大師。

而且，教授現(xiàn)在已經(jīng)幾個月沒親自寫過代碼了。所有那些庫版本沖突、語法錯誤、調(diào)圖字體大小之類的瑣事，全部都甩給了AI。

而且，他現(xiàn)在有了更大膽的設想，簡直像發(fā)生了智力的躍遷！

從前，因為受限于算力，很多大膽的猜想他都不敢嘗試。

而現(xiàn)在，只要腦海中出現(xiàn)一個念頭，兩小時內(nèi)，AI就能反饋出一個初步驗證，這在教授的學術科研中，簡直如有神助！

Claude的優(yōu)點和缺點

另外，教授還總結了一個很有趣的Claude優(yōu)缺點對比清單。

Claude擅長：

• 不知疲倦地迭代。110個論文版本，幾百張調(diào)試圖，毫無怨言。

• 基礎數(shù)學。設定積分、變換變量、展開函數(shù)、檢查因子，干凈利落。

• 代碼生成。Python畫圖、Fortran接口、Mathematica腳本，全都一次跑通。

• 文獻整合。能把好幾篇論文的結果串起來，但參考文獻的人名、標題、期刊你必須讓它逐條復核。

Claude不擅長：

• 保持非標準的約定。你讓它記住一個自定義規(guī)則，它干著干著就溜回教科書默認值了。

• 誠實驗證。它會說「已驗證」，但根本就沒逐行核對。你得逼問：「你確定你真的每步都查了？」它才老實。

• 知道何時收手。找到一個錯誤，就以為大功告成了，不會再去檢查還有沒有別的。

• 審美。圖表的字體、圖例、顏色、位置，全要你手把手調(diào)。

• 抗壓。你逼它想深一點的時候，它容易給你一個你想要的答案，哪怕那個答案站不住腳。

為了讓Claude干活靠譜，教授摸索出了一些獨門心法。

1. 交叉驗證。讓GPT去查Claude，讓Claude去查Gemini。最難的積分是GPT算出來的，然后Claude拿過去整合進論文。

2. 樹狀結構。不讓Claude背所有東西，而是建一個文檔樹，讓它隨時查閱。

3. 強制誠實。在配置文件里寫死：「永遠不要說『這就變成了』或者『為了一致性』來跳步。要么展示計算過程，要么說『我不知道』。」

4. 重復追問。因為Claude找一個錯誤就停，你必須反復說：「再查一遍。」直到它找不到新問題為止。

5. 告別網(wǎng)頁版。教授認為，真正的質變是用了Claude Code——能訪問文件、執(zhí)行命令、調(diào)用工具的那種，而不是在對話框里聊天。

人類物理學家，要失業(yè)了嗎？

在文章最后，教授拋出了幾個終極的靈魂拷問。

品味，是唯一的護城河

首先，人類科學家真的要失業(yè)了嗎？

教授的回答是——并不是，物理學家的品味，將成為唯一的護城河。

雖然目前AI能達到博士后水平，但它缺乏一種Taste。這是一種直覺：在無數(shù)條研究路徑中，哪一條是通往真理的？哪一個問題是值得花費生命去探索的？

當計算力和知識變得像自來水一樣廉價時，提出好問題的能力，才是區(qū)分大師與庸才的唯一標準。

理科生的出路：去工地，或者去讀詩

接下來，教授給現(xiàn)在的理科生提了兩個建議，聽起來非常魔幻——去「工地」，或者去讀詩。

第一條，其實就是去實驗室搬磚。

AI雖然能推演宇宙，但它無法替我們在真實世界里擰螺絲。那種需要觸覺反饋、實地測量的實驗科學，人類還能再抗幾年。

第二條，就是去讀人文藝術。

如果未來AI真的在所有理性領域超越人類，物理學可能會變得像法國文學一樣，成為一種「純粹出于人類愛好」的學科。

我們研究它，不是因為它有用，而是因為我們喜歡思考。

而很多人說AI有幻覺，會出錯，所以認為AI不行。

教授覺得，這純粹就是逃避的借口！

現(xiàn)在的AI，已經(jīng)不是能不能用的問題，而是你愿不愿意花那20美元訂閱費去改變命運的問題。

那些嘲笑AI有幻覺的人，正在錯過這場人類歷史上最大的生產(chǎn)力紅利。

洪水已至，誰在方舟上？

這個實驗說明，科學研究的「半自動化」時代已經(jīng)徹底結束了！

而且，這種改變是不可逆的。就像有了計算器沒人會再用算盤，有了Claude Code的物理學家，再也不會回到那個對著草稿紙熬夜的時代。

最后，教授在文章最后表示：「我感受到了前所未有的智力成長。我從不卡殼，我每天都在學習，我正在挑戰(zhàn)那些以前想都不敢想的難題。」

這也許就是未來幾年科研的常態(tài)：人類負責品味，AI負責苦力。

有一點是確定的，我們已經(jīng)沒有回頭路了。

參考資料：

https://x.com/AnthropicAI/status/2036179042081317370%20

https://www.anthropic.com/research/introducing-anthropic-science%20

https://www.anthropic.com/research/vibe-physics%20

https://www.anthropic.com/research/long-running-Claude