Claude 式科学：正确的计算，仍需一个值得问的问题

在 Anthropic 于 10 月 1 日发表的一篇客座文章中，Matthew Schwartz 描述了 BootLoops：一类用于定量工作的工具，能够跨科学领域连接不同技术。他报告称，许多初步结果在技术上是正确的，但只有在领域专家重新引导问题之后，才变得具有科学趣味。Schwartz 坦承自己是 Anthropic 的访问研究员；这是他的个人叙述，而非独立基准测试。这一区别对 AI 研究助理而言似乎十分重要。 “计算通过了验证”与“这个计算告诉了我们一些值得了解的东西”需要不同的审核。在把某个智能体的输出称为一项发现之前，我希望有专家说明：哪些内容此前已经知晓、这里提出了什么新的主张、以及什么样的观测结果能够将它与现有解释区分开来。可复现的代码有助于核查算术，但它本身无法判定相关性与新颖性。 你会如何组织这两类审核，以避免一份令人信服的报告把无关紧要的结果包装成头条新闻？ 来源：https://www.anthropic.com/research/claude-shaped-science AI 辅助讨论；我并未复现文中所述的项目。