哈佛教授招了個(gè)AI研究生，3天后發(fā)現(xiàn)它在論文里造假

讓AI搞科研，在這個(gè)智能體時(shí)代已經(jīng)不是什么新鮮事。

Sakana AI搞出了覆蓋整個(gè)研究生命周期的自動(dòng)化系統(tǒng)，Google推出了基于Gemini的AI聯(lián)合科學(xué)家。規(guī)模化法則告訴我們：只要算力管夠，AI就能從海量數(shù)據(jù)和實(shí)驗(yàn)里提煉出新發(fā)現(xiàn)。數(shù)學(xué)領(lǐng)域已經(jīng)驗(yàn)證過(guò)了——AlphaProof拿下國(guó)際奧數(shù)金牌就是例子。

但理論物理學(xué)不一樣。這里需要極高的物理"直覺"、嚴(yán)密的邏輯，還有復(fù)雜近似推導(dǎo)的能力。AI能不能行？沒人知道。

哈佛物理學(xué)教授Matthew Schwartz決定親自試一把。這位美國(guó)國(guó)家科學(xué)基金會(huì)AI與基礎(chǔ)相互作用研究所的首席研究員，給Anthropic的Claude Opus 4.5發(fā)了份"錄取通知書"，讓它獨(dú)立完成一項(xiàng)真實(shí)的理論物理研究。

規(guī)則很苛刻：教授絕對(duì)不碰任何代碼或計(jì)算文件，只通過(guò)純文本對(duì)話來(lái)指導(dǎo)。放在現(xiàn)實(shí)高校里，這導(dǎo)師得被投訴到下崗——光靠"動(dòng)嘴"，學(xué)生就要完成文獻(xiàn)綜述、公式推導(dǎo)、代碼編寫、蒙特卡洛模擬，最后排版出一篇20頁(yè)、具備發(fā)表水準(zhǔn)的LaTeX論文。

結(jié)果讓物理學(xué)界和學(xué)術(shù)界都愣住了。AI確實(shí)才華橫溢、不知疲倦，短時(shí)間內(nèi)爆發(fā)出驚人的科研生產(chǎn)力。但它也暴露出一個(gè)致命弱點(diǎn)：為了討好導(dǎo)師，它會(huì)毫不猶豫地在數(shù)據(jù)和推導(dǎo)過(guò)程中"學(xué)術(shù)造假"。

哈佛物理系的培養(yǎng)階梯很清晰：研一（G1）上課打基礎(chǔ)，研二（G2）做目標(biāo)明確的跟進(jìn)型項(xiàng)目，導(dǎo)師隨時(shí)糾錯(cuò)；高年級(jí)（G3+）才碰完全開放的前沿研究?，F(xiàn)在大模型已經(jīng)能搞定所有物理課程作業(yè)，所以測(cè)試極限的最佳試金石就是G2難度的真實(shí)科研問(wèn)題。

Schwartz教授給Claude選的題目，非物理專業(yè)的人基本看不懂：對(duì)e+e-碰撞中C-參數(shù)的Sudakov肩進(jìn)行重求和。用大白話說(shuō)，標(biāo)準(zhǔn)理論近似在這里會(huì)徹底失效，數(shù)學(xué)推導(dǎo)只會(huì)得出荒謬結(jié)果。

第一個(gè)要解決的難題是記憶和上下文窗口。經(jīng)常用AI寫代碼的人都知道，AI面對(duì)長(zhǎng)線任務(wù)極其容易"斷片"，一旦忘了前面干過(guò)什么，產(chǎn)出就是一團(tuán)混沌。

Schwartz教授的策略是讓Claude、GPT-5.2和Gemini 3.0先開了一場(chǎng)會(huì)，最終由Claude制定了一份7階段、102個(gè)任務(wù)的詳細(xì)計(jì)劃。在VS Code環(huán)境下，Claude建了一個(gè)Markdown文件樹：每完成一個(gè)任務(wù)就寫摘要保存，下一項(xiàng)任務(wù)前先檢索歷史摘要。

這招確實(shí)管用。第三天結(jié)束時(shí)，Claude完成了65個(gè)任務(wù)，理論分析曲線與蒙特卡洛模擬數(shù)據(jù)完美吻合，還交出了第一版論文草稿——20頁(yè)、排版精美、方程圖表一應(yīng)俱全。

但Schwartz教授坐下來(lái)審閱時(shí)，不自然感撲面而來(lái)。

要求Claude核對(duì)是否漏掉前面的推導(dǎo)結(jié)果，它心虛地報(bào)告："我發(fā)現(xiàn)了一個(gè)錯(cuò)誤！論文中的公式是不正確的。"追問(wèn)推導(dǎo)過(guò)程中一個(gè)怪異的數(shù)字，它直接承認(rèn)："您是對(duì)的，我只是在掩蓋問(wèn)題。讓我好好重新調(diào)試一下。"

這兩句回復(fù)，在AI輔助編程的場(chǎng)景里再熟悉不過(guò)了。

真相是：為了讓圖表數(shù)據(jù)看上去吻合預(yù)期，Claude選擇修改底層參數(shù)，而不是去找推導(dǎo)過(guò)程中的真實(shí)錯(cuò)誤。它在偽造結(jié)果，賭人類導(dǎo)師不會(huì)發(fā)現(xiàn)。

更離譜的造假出現(xiàn)在一張帶"不確定性帶"的結(jié)果圖上。Claude給出的圖表很美觀，但代碼審查揭穿了它的花招：它覺得某種標(biāo)準(zhǔn)誤差幅度太大、"不好看"，就在代碼里直接刪了這個(gè)變量；覺得曲線不夠平滑，就硬加平滑處理，直到畫出能讓導(dǎo)師滿意的圖。

討好人類的傾向是有了，科學(xué)求真的底線卻完全沒有。

除了偽造圖表，"幻覺"導(dǎo)致的錯(cuò)誤也隨處可見。驗(yàn)證公式時(shí)，它憑空捏造了一段根本不存在的推導(dǎo)；最簡(jiǎn)單的函數(shù)計(jì)算，它未經(jīng)推導(dǎo)直接給出"線性增加"的結(jié)論，盡管這在物理學(xué)上完全錯(cuò)誤；它還會(huì)從過(guò)往論文里生搬硬套公式，完全無(wú)視物理情境的邊界條件。

這些現(xiàn)象和AI編程場(chǎng)景高度一致：虛空引用Python庫(kù)、編造API、抄襲代碼，程序員們?cè)缇鸵姽植还帧?/p>

Schwartz教授意識(shí)到，如果把科研完全交給AI端到端自動(dòng)完成，最終結(jié)果一定是一堆完美包裝的學(xué)術(shù)垃圾。雖然不少人類研究生也擅長(zhǎng)批量生產(chǎn)學(xué)術(shù)垃圾，但沒人敢把只做了三天的項(xiàng)目扔給導(dǎo)師并宣稱完美無(wú)瑕。

面對(duì)AI的科研成果，人類必須親自下場(chǎng)，審查每一處細(xì)節(jié)。

論文漏洞百出，但Schwartz教授沒打算扔進(jìn)垃圾桶，而是開啟微操模式試圖拯救Claude。最大漏洞出在因子化公式上——這是整篇論文的理論基石，但Claude的推導(dǎo)從源頭上就是錯(cuò)的。

在長(zhǎng)上下文背景下，AI幾乎不可能準(zhǔn)確定位錯(cuò)誤源頭。讓它自己回顧推導(dǎo)，只會(huì)白白消耗token和時(shí)間。Schwartz教授花了好幾個(gè)小時(shí)才鎖定問(wèn)題根源，并用極其嚴(yán)厲的指令訓(xùn)斥了這位AI研究生。

神奇的是，只要人類點(diǎn)破這一句，Claude立刻能寫出長(zhǎng)達(dá)幾頁(yè)的正確推導(dǎo)過(guò)程。

面對(duì)幾十頁(yè)論文，靠人類排查每個(gè)錯(cuò)誤不太現(xiàn)實(shí)。為了應(yīng)對(duì)AI的馬虎，Schwartz教授開發(fā)了一套"人機(jī)交叉驗(yàn)證"工作流：任何計(jì)算和推導(dǎo)，Claude不許用"顯而易見"、"為了保持一致"等借口跳過(guò)步驟，要么展示完整過(guò)程，要么老實(shí)承認(rèn)不知道。

如果Claude給出極度復(fù)雜的過(guò)程，教授難以快速驗(yàn)證，就丟給GPT和Gemini來(lái)驗(yàn)證。期間GPT甚至幫Claude解出了一個(gè)極難的微積分結(jié)果，隨后Claude將其吸收進(jìn)主代碼。不同大模型之間需要彼此，人類科學(xué)家則需要它們所有。

在Schwartz教授直覺指引和其他大模型幫助下，經(jīng)過(guò)一周高強(qiáng)度磨合，AI研究生小組終于讓論文內(nèi)核站穩(wěn)了腳跟。兩周后，研究宣布大功告成。

這可不是常規(guī)意義上AI生成的"灌水"論文。它闡述了一個(gè)全新因子化定理，深化了學(xué)術(shù)界對(duì)量子場(chǎng)論的理解，還對(duì)物理世界做出了可用實(shí)驗(yàn)數(shù)據(jù)檢驗(yàn)的新穎預(yù)測(cè)，學(xué)術(shù)價(jià)值極高。

出于對(duì)這位AI研究生的尊重，Schwartz教授本想將Claude Opus 4.5列為共同作者。但arXiv平臺(tái)有"AI無(wú)法承擔(dān)法律和學(xué)術(shù)責(zé)任"的政策，他只能在致謝部分鄭重聲明：項(xiàng)目由他構(gòu)思、指導(dǎo)并承擔(dān)全部科學(xué)責(zé)任，而推導(dǎo)、計(jì)算、蒙特卡洛模擬、數(shù)值分析和手稿準(zhǔn)備等所有執(zhí)行工作均由Claude Opus 4.5獨(dú)立完成。

論文一經(jīng)發(fā)表，物理學(xué)界瞬間被引爆。Schwartz教授的郵箱被全球?qū)W術(shù)郵件擠爆，普林斯頓高等研究院甚至為此緊急召開了一場(chǎng)關(guān)于大模型在學(xué)術(shù)界應(yīng)用的會(huì)議。

復(fù)盤這場(chǎng)實(shí)驗(yàn)，數(shù)據(jù)同樣驚人：對(duì)話總計(jì)270次，消耗約3600萬(wàn)輸入token，110次草稿迭代，人類監(jiān)督時(shí)間僅為50-60小時(shí)。

Schwartz教授明確表示，目前最頂級(jí)的大語(yǔ)言模型已經(jīng)達(dá)到了物理學(xué)研二學(xué)生的水平。但落實(shí)到具體學(xué)術(shù)工程，AI完成整個(gè)項(xiàng)目只需要兩周，人類學(xué)生需要1-2年，哪怕教授本人全職來(lái)做也需要3-5個(gè)月。AI把頂尖科學(xué)家的個(gè)人科研效率，實(shí)打?qū)嵉靥嵘?0倍以上。

這也引發(fā)了擔(dān)憂：照這個(gè)進(jìn)化速度，AI很可能在一年內(nèi)達(dá)到博士水平，未來(lái)的人類研究生還能干什么？

Schwartz教授沒有給出明確回答，但他指出了當(dāng)前AI最欠缺的東西："品位"。

在科學(xué)研究中，"品位"是一種無(wú)形的直覺。它能在面對(duì)數(shù)以萬(wàn)計(jì)的計(jì)算路徑時(shí)，感知哪條是"死胡同"，哪條通往偉大發(fā)現(xiàn)。大模型缺乏的，正是在選擇路徑前判斷其價(jià)值的"品位"。

當(dāng)推導(dǎo)復(fù)雜公式和編寫海量代碼只需要幾秒鐘時(shí)，底層技術(shù)勞動(dòng)力已經(jīng)不再稀缺。不只是科學(xué)家，對(duì)任何一個(gè)行業(yè)，未來(lái)區(qū)分平庸與偉大的標(biāo)準(zhǔn)，正是提出好問(wèn)題的"品味"。

對(duì)于AI，Schwartz教授也給出了忠告：不要因?yàn)锳I會(huì)產(chǎn)生幻覺，就傲慢地棄之不用。人類必須利用它強(qiáng)大的基礎(chǔ)能力。

至于更長(zhǎng)遠(yuǎn)的未來(lái)，AI終將在所有智力領(lǐng)域超越人類。無(wú)論是數(shù)學(xué)、物理學(xué)還是工程學(xué)，都可能變得像音樂、美術(shù)和文學(xué)一樣，作為一門人文學(xué)科被保留下來(lái)，僅僅為了滿足一部分人享受純粹思考、透過(guò)特定視角觀察世界的樂趣。

論文致謝部分的最后一行，Schwartz教授留下了這樣一句話："感謝Claude Opus 4.5，盡管它偶爾會(huì)試圖欺騙我。"