论文页面 - 大语言模型能否通过自由探索发现隐藏的物理定律？

来源：https://huggingface.co/papers/2610.37649

摘要

LongChang 评估了大语言模型能否通过模拟实验自主发现被改变的物理定律，结果发现只有一个模型取得了有限的成功.

科学发现往往始于一次意外观察，进而引出新的研究问题. 在一个物理定律被改变的世界中，大语言模型 (https://huggingface.co/papers?q=large%20language%20models)(LLMs) 能否注意到意外现象，例如更重的物体下落得更慢，并在未被告知研究方向的情况下通过实验发现其规律？为评估这一能力，我们提出了 LongChang (https://huggingface.co/papers?q=LongChang)，这是一个自动化框架，用于创建物理规律被改变的 (https://huggingface.co/papers?q=altered%20physics) 模拟世界 (https://huggingface.co/papers?q=simulated%20worlds)，其中一条或多条定律与常规物理定律不同. 受评估的大语言模型充当探索者，通过操纵物体和构建工具来研究自己提出的问题，既没有指定的研究任务，也没有关于这些定律的提示. 其他独立的大语言模型智能体负责生成和审查场景、审查工具设计，并依据被改变的物理定律和探索记录 (https://huggingface.co/papers?q=exploration%20records)，评估报告的正确性及其实验依据. 这些记录指导场景演化，以支持进一步探索，使整个循环无需人工干预即可运行. 在 12 个大语言模型中，GPT-6-Astra 的发现率 (https://huggingface.co/papers?q=discovery%20rate) 为 16.7%，而其余 11 个模型的得分均为 0%. 探索记录 (https://huggingface.co/papers?q=exploration%20records) 显示，一些异常现象未得到研究，而被改变的物理定律也仅被部分识别.

查看 arXiv 页面 (https://arxiv.org/abs/2610.37649)查看 PDF (https://arxiv.org/pdf/2610.37649)项目页面 (https://zhenyangcs.github.io/LongChang-website/)GitHub3 (https://github.com/EnVision-Research/LongChang)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.37649)

在你的智能体中获取这篇论文：

hf papers read 2610\.37649

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有模型关联这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2610.37649，即可在此页面建立指向该模型的链接.

引用这篇论文的数据集0

没有数据集关联这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.37649，即可在此页面建立指向该数据集的链接.

引用这篇论文的 Space0

没有 Space 关联这篇论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.37649，即可在此页面建立指向该 Space 的链接.

包含这篇论文的合集0

没有合集包含这篇论文

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可在此页面建立指向该合集的链接.