大语言模型有很小概率在设定好的异世界里找到隐藏物理规律,但没法稳定、自主地完成这件事,整体成功率很低。现在相关的 LongChang 等测试平台,是用 MuJoCo 搭建和现实不一样的模拟异世界,比如重物下落更慢、特定小球互相吸引这类反常规则,不给模型提示、不指定研究方向,让模型自己操作物体、设计实验去探索规律。从测试结果来看,12 个参评模型里只有 1 款模型拿出了有实验支撑的规律结论,整体发现率只有 16.7%,绝大多数模型都失败了,主要卡在两个地方:看到反常现象之后不会主动继续深挖,或者做实验的时候漏掉了关键变量,最后总结不出可靠规律。它的底层原因是大语言模型本身是学人类文本里的关联模式,不是天生自带 “主动科研、溯因推理” 的能力,它很容易用现实世界里学来的物理知识去套异世界,很难跳出原有认知去建立一套全新的规则。整套探索流程是这样:第一步,接入模拟异世界环境,模型观察物体运动、相互作用的现象;第二步,自主提出猜想,设计对照实验、调整变量;第三步,收集观测数据,对比猜想和实际结果,修改假设;第四步,反复迭代验证,最后输出规律解释和对应的数学描述;最后总结,现阶段大语言模型只能作为辅助探索工具,还达不到人类科学家那种自主发现新基础物理规律的水平。
大语言模型探索异世界物理规律的核心限制
- 容易被现实物理先验知识干扰:训练数据全是现实世界的科学内容,遇到异世界反常识现象,经常优先套用旧知识,不会怀疑原有框架
- 缺少持续追问的能力:很多时候能看到异常现象,但不会意识到这个现象值得持续做对照实验,直接忽略掉
- 实验设计能力不稳定:经常漏控变量,比如不区分质量、距离、摩擦力,拿到的数据没法支撑可靠结论
- 区分 “拟合数据” 和 “普适规律” 很难:就算能把现有数据对上,也很难提炼出简洁、可以预测新场景的通用物理公式
想要提升发现概率的配套条件
- 搭配仿真环境接口:让模型可以发送指令操控异世界物体,拿到连续观测数据,不能只靠文字描述
- 增加迭代反思机制:每做完一轮实验,自动复盘漏洞,重新设计下一组对照测试
- 结合符号回归工具:大模型负责提猜想,符号回归负责从数据里找简洁数学方程,互相配合
- 多智能体评审:设置独立评审智能体,检查实验逻辑、验证规律能不能预测新的未知场景
和专门符号回归 AI 的区别
| 类型 | 能力特点 | 异世界规律发现表现 |
|---|---|---|
| 大语言模型 | 擅长写假设、理解实验逻辑、自然语言总结 | 自主探索弱,成功率低,适合做科研助手 |
| 符号回归 AI | 擅长从数据里搜索匹配数学公式 | 只认数据,不会主动发现值得研究的现象,缺少问题意识 |
【常见问题】
问题 1:大语言模型在异世界发现隐藏物理规律,是不是等于它拥有了真正的科学洞察力?
回答 1:不是。大语言模型在异世界找到隐藏物理规律,更多是在配套仿真、多轮实验框架加持下,猜对并验证了规则,它没有人类那种主动产生全新范式、从少量反常现象里顿悟底层原理的溯因洞察力,成功案例属于少数特例,不代表具备稳定的原创科研思维。
问题 2:如果给大语言模型足够多异世界观测数据,能不能稳定发现里面的隐藏物理规律?
回答 2:还是不能稳定做到。就算数据充足,大语言模型依然容易混淆相关性和底层物理因果,还会优先套用现实世界物理常识,经常拟合出表面匹配数据、但不能普适的结论,很难提炼异世界真正的隐藏物理规律。
问题 3:LongChang 这类异世界测试平台,主要用来测试大语言模型发现隐藏物理规律的什么能力?
回答 3:它重点测试大语言模型能不能不靠提示,自主识别异世界里和现实不一样的反常现象、主动设计对照实验、不断修正假设,最后提炼出可验证的隐藏物理规律,专门用来区分模型是记住现成物理知识,还是真的具备探索未知规律的能力。
【参考资料】
[2026-11-10](大语言模型能在「异世界」发现隐藏的物理规律吗?)机器之心(腾讯网)
[2026-10-27](Can LLMs Uncover Hidden Physical Laws through Free Exploration?)arXiv
[2026-05-26](DiscoverPhysics: Benchmarking LLMs for Out-of-the-Box Scientific Thinking)arXiv
【免责声明】
本文内容仅为前沿 AI 科研项目的科普解读,相关大语言模型在异世界发现隐藏物理规律的实验结论,仅对应特定仿真测试环境与指定模型,不代表所有大语言模型都具备该能力;科研结论仍处于早期研究阶段,后续会随模型、实验框架更新发生变化,不构成科研结论定论。
