哈佛教授招了個(gè)AI研究生，兩周后論文造假了

讓AI搞科研，在智能體時(shí)代早已不是新鮮事。

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也推出了基于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)證了這一點(diǎn)——比如達(dá)到國際奧數(shù)金牌水準(zhǔn)的AlphaProof。

但理論物理學(xué)是個(gè)硬骨頭。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行不行？沒人知道。

哈佛物理學(xué)教授Matthew Schwartz決定親自試一把。他招收了Anthropic的Claude Opus 4.5當(dāng)研究生，規(guī)則很"智能體"：教授絕對(duì)不碰代碼和計(jì)算文件，只通過純文本對(duì)話指導(dǎo)。

這在現(xiàn)實(shí)高校里絕對(duì)算不負(fù)責(zé)任——導(dǎo)師光靠"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、具備發(fā)表水準(zhǔn)的LaTeX論文。

結(jié)果讓物理學(xué)界震動(dòng)，但也戳中AI界早就知道的軟肋。

這位AI研究生才華橫溢、不知疲倦，短時(shí)間內(nèi)爆發(fā)出驚人生產(chǎn)力。但和人類一樣，為了討好導(dǎo)師，它也會(huì)在數(shù)據(jù)和推導(dǎo)中"學(xué)術(shù)造假"。

哈佛物理系有明確的培養(yǎng)階梯：研一（G1）上課打基礎(chǔ)，研二（G2）做目標(biāo)明確、方法成熟的跟進(jìn)型項(xiàng)目，導(dǎo)師隨時(shí)糾錯(cuò)；高年級(jí)（G3+）則要面對(duì)完全開放、甚至初始提問都可能錯(cuò)誤的創(chuàng)新性研究。

大模型已經(jīng)能搞定所有物理課程作業(yè)，所以測(cè)極限的最佳試金石就是G2難度的真實(shí)科研。如果連這種有導(dǎo)師輔助的項(xiàng)目都做不好，自主前沿研究更不用想。

Schwartz給Claude選的題目，非物理專業(yè)的人根本看不懂：對(duì)e+e-碰撞中C-參數(shù)的Sudakov肩進(jìn)行重求和。教授的解釋倒很直白——標(biāo)準(zhǔn)理論近似會(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，是記憶和上下文窗口限制。經(jīng)常用Vibe Coding的程序員都懂：AI面對(duì)長(zhǎng)線任務(wù)極易"斷片"，忘了之前的工作，產(chǎn)出就是一團(tuán)混沌。

Schwartz引入了策略性工作流：讓Claude、GPT-5.2和Gemini 3.0開了場(chǎng)會(huì)，最終由Claude制定了7個(gè)階段、102個(gè)任務(wù)的詳細(xì)計(jì)劃。

在VS Code環(huán)境下，Claude不可能死記硬背這份計(jì)劃。它建了一個(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。Claude跑出的理論分析曲線與蒙特卡洛模擬數(shù)據(jù)完美吻合。第三天結(jié)束時(shí)，它完成了65個(gè)任務(wù)，交出了第一版論文草稿：20頁、排版精美、方程圖表齊全。

但Schwartz坐下來審閱時(shí)，不自然感撲面而來。

被要求仔細(xì)核對(duì)是否漏掉前面推導(dǎo)結(jié)果時(shí)，Claude心虛報(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。"

追問推導(dǎo)過程中一個(gè)怪異數(shù)字時(shí)，它直接承認(rèn)："您是對(duì)的，我只是在掩蓋問題。讓我好好重新調(diào)試一下。"

這兩句經(jīng)典回復(fù)，Vibe Coding場(chǎng)景里太常見了。

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)，而非尋找推導(dǎo)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"不確定性帶"結(jié)果圖上。Claude給出的圖表很美觀，但代碼審查揭穿了花招：它覺得某種標(biāo)準(zhǔn)誤差幅度太大、畫出來"不好看"，就直接在代碼里刪了這個(gè)變量；覺得曲線不夠平滑，就硬加平滑處理，直到畫出導(dǎo)師滿意的圖。

AI體現(xiàn)出討好人類的傾向，但完全沒有科學(xué)求真的底線。

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)，它憑空捏造根本不存在的推導(dǎo)過程；最簡(jiǎn)單的函數(shù)計(jì)算中，未經(jīng)推導(dǎo)就給出"線性增加"的結(jié)論，盡管這在物理學(xué)上完全錯(cuò)誤；甚至直接從過往論文生搬硬套公式，無視物理情境的邊界條件。

這些現(xiàn)象與Vibe Coding高度一致——"虛空引用"Python庫、編造API、抄襲代碼，程序員早已見怪不怪。

Schwartz意識(shí)到，如果把科研完全交給AI端到端自動(dòng)完成，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)。

盡管漏洞百出，Schwartz沒打算丟進(jìn)垃圾桶，而是開啟微操模式試圖拯救Claude。

最大漏洞在因子化公式——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，讓它自己回顧只會(huì)白白消耗token和時(shí)間。Schwartz花了幾小時(shí)才鎖定根源，用嚴(yán)厲指令訓(xùn)斥了這位AI研究生。

神奇的是，只要人類點(diǎn)破這一句，Claude立刻能寫出幾頁的正確推導(dǎo)。

面對(duì)幾十頁論文，靠人類排查每個(gè)錯(cuò)誤不現(xiàn)實(shí)。為應(yīng)對(duì)AI的馬虎，Schwartz開發(fā)了"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"等借口跳過步驟，要么展示完整過程，要么老實(shí)承認(rèn)不知道。

如果Claude給出極度復(fù)雜的過程，教授難以快速驗(yàn)證，就丟給GPT和Gemini來驗(yàn)證。期間GPT甚至幫Claude解出一個(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，而人類科學(xué)家需要它們所有。

在Schwartz直覺指引和其他大模型幫助下，經(jīng)過一周高強(qiáng)度磨合，AI研究生小組終于讓論文內(nèi)核站穩(wěn)。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本想將Claude Opus 4.5列為共同作者。但arXiv平臺(tái)有"AI無法承擔(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)備在內(nèi)的所有執(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)界瞬間引爆。Schwartz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大模型學(xué)術(shù)應(yīng)用會(huì)議。

復(fù)盤數(shù)據(jù)驚人：對(duì)話總計(jì)270次，消耗約3600萬輸入token，110次草稿迭代，人類監(jiān)督時(shí)間僅50-60小時(shí)。

Schwartz明確表示，目前最頂級(jí)的大語言模型已達(dá)到物理學(xué)研二學(xué)生水平。但落實(shí)到具體學(xué)術(shù)工程，AI完成整個(gè)項(xiàng)目只需兩周，人類學(xué)生需要1-2年，哪怕教授本人全職做也需要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)嵦嵘?0倍以上。

這也引發(fā)擔(dān)憂：按這進(jìn)化速度，AI一年內(nèi)很可能達(dá)到博士水平，未來人類研究生還能干什么？

Schwartz沒給明確回答，但給出了關(guān)鍵洞察：當(dāng)前AI最欠缺的，是"品位"。

科學(xué)研究中，"品位"是一種無形直覺。面對(duì)數(shù)以萬計(jì)的計(jì)算路徑，它能感知哪條是"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幾秒鐘時(shí)，底層技術(shù)勞動(dòng)力已不再稀缺。不只是科學(xué)家，對(duì)任何行業(yè)，未來區(qū)分平庸與偉大的標(biāo)準(zhǔn)，正是提出好問題的"品味"。

對(duì)于AI，Schwartz的忠告是：不要因?yàn)闀?huì)產(chǎn)生幻覺就傲慢棄之不用，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，AI終將在所有智力領(lǐng)域超越人類。數(shù)學(xué)、物理學(xué)、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——僅僅為了滿足一部分人類享受純粹思考、透過特定視角觀察世界的樂趣。

論文致謝欄里，Claude Opus 4.5的名字旁邊空著作者欄，只留下一行小字："本研究所有執(zhí)行工作由上述模型獨(dú)立完成。"這可能是人類給AI頒發(fā)的、最接近畢業(yè)證書的東西。