在专门构造、物理规则完全异于现实的仿真异世界里,大语言模型不是绝对不能发现隐藏物理规律,但原生独立完成难度极高;搭配模拟器、工具调用、多轮假设迭代的智能体框架之后,顶尖模型才有很低概率自主捕捉异常、设计对照实验、提炼定量规律,绝大多数主流模型做不到无提示自主发现,更不等于它天然拥有人类物理学家那种从零创立新理论的能力。目前两套标杆测试 LongChang(龙场)与 DiscoverPhysics 已经量化验证这个结论:LongChang 在 MuJoCo 搭建 14 套改写物理的异世界,不给出任何任务提示,让模型自由探索;参与测试的 12 个大模型里面,只有 GPT‑6 Astra 的自主发现率达到 16.7%,其余全部为零,很多模型明明看见了反常现象,却直接忽略,不会把异常转化成科研问题、设计受控实验去验证;DiscoverPhysics 采用 N 体模拟器,包含屏蔽引力、分数幂引力、类似暗物质的隐变量等 22 个异世界,就算提前告知模型这个世界物理不同,最强模型也只能通关大约一半场景,遇到潜藏隐结构的规律基本失败,预测准和真正理解规律是两回事。它的短板根源很清晰:大模型本质是文本概率生成器,自带现实物理先验,很容易用牛顿力学强行解释异世界现象;长链条实验规划、主动寻找遗漏变量、区分相关性与因果、反复推翻自己假设的能力偏弱;如果没有外部模拟器、符号回归、拟合工具帮忙,仅凭纯文本对话,几乎不可能收敛到正确定量公式。
两套基准测试核心清单
- LongChang(龙场):自由探索范式,不给任务、不提示异常;场景包含重物下落变慢、远距离异种吸引等反常规则;唯一达标模型 GPT‑6 Astra,发现率 16.7%;难点是自主识别异常、主动立项研究
- DiscoverPhysics:带提示的定向发现范式,告知世界物理已经改动;一共 22 个 N 体异世界,包含时变相互作用、隐粒子;最强模型通过率约 50%,隐结构场景大量翻车;产出物要求自然语言解释 + 可运行 Python 方程
- 必要配套组件:仿真环境、可执行实验接口、参数拟合工具、假设归档、多轮自我评审;缺少这套工具链,发现概率接近零
- 失败高频原因:用现实物理强行拟合、漏掉控制变量、卡在局部假设不再迭代、能拟合数据但无法给出普适原理
LongChang 与 DiscoverPhysics 对比简表
| 项目 | LongChang(龙场) | DiscoverPhysics |
|---|---|---|
| 是否提前告知物理异常 | 否,完全自由探索 | 是,提示规则和现实不同 |
| 异世界类型 | 刚体 MuJoCo 仿真 | N 体引力与耦合系统 |
| 目标 | 自主注意异常、自主设计实验、产出有证据支撑规律 | 根据轨迹数据反推定量运动方程 |
| 顶尖模型结果 | 仅 GPT‑6 Astra,16.7% | 最强模型约半数通关 |
| 典型难点 | 启动发现流程、主动提出科研问题 | 挖掘隐藏潜变量、建立普适方程 |
让大模型探索异世界物理规律的标准流程
- 构建封闭仿真异世界,固定底层隐藏物理,同时提供可调用接口,允许模型修改物体质量、初速度、距离等变量。
- 启动智能体循环,让模型自由观测现象,判断是否出现和预期不符的异常。
- 如果识别异常,生成可验证假设,设计一组控制变量实验,下发给模拟器采集轨迹、时间、受力数据。
- 调用符号回归、数值拟合工具,把观测数据转换成候选数学形式。
- 使用新一批独立实验检验候选公式,如果预测失败就推翻假设,重新设计实验。
- 收敛稳定之后,输出文字解释、方程以及复现代码;外部评审智能体核验这套规律能否在全新样本上成立。
- 如果长期无法收敛,更换探索策略,或者人工补充观测维度,降低发现难度。
整体来看,这项研究区分了两个概念:一是 “给定数据,拟合一条规律”,这件事现在的前沿大模型已经做得不错;二是真正科学发现,也就是没人提醒的前提下,自己察觉反常、主动追问、设计实验、不断纠错,这套完整能力目前只是在极少数顶尖模型上出现微弱苗头,距离稳定、可靠的 AI 物理学家还有很远距离。
【常见问题】
问题 1:大语言模型在异世界发现隐藏物理规律,是不是代表它已经像科学家一样独立做科研?
回答 1:不完全是。它只有在模拟器与工具链加持下小概率完成这套流程,依然容易被先验常识带偏,不能稳定完成从零到一的原创理论突破,和人类科学家的通用科学直觉差距很大。
问题 2:为什么大部分大模型在 LongChang 测试里面发现率等于零?
回答 2:大部分模型看到反常现象之后,不会意识到这是值得研究的新问题,习惯性套用现实世界物理去解释,不会主动设计对照实验,不会持续追踪异常线索。
问题 3:DiscoverPhysics 里面模型就算预测准轨迹,为什么还不算真正掌握物理规律?
回答 3:它可以拟合已有的观测数据,但不一定提炼出不变原理;换一组边界条件,预测经常失效,也就是只有经验插值,缺少普适的因果理解。
问题 4:如果去掉模拟器,只用纯文本,能不能让大模型凭空发现异世界物理?
回答 4:几乎不行。纯文本没有可复现、可控制的观测反馈,模型只会生成自洽的文字猜想,没有办法通过实验证伪假设。
问题 5:这个方向后续的研究重点是什么?
回答 5:重点是强化长时序假设迭代、因果识别、自动控制变量,把大模型和符号回归、微分方程发现、世界模型深度绑定,降低对特定旗舰模型的依赖。
【参考资料】
[2026-10-27](Can LLMs Uncover Hidden Physical Laws through Free Exploration?)arXiv
[2026-10-27](LongChang project page)zhenyangcs.github.io
[2026-08-31](DiscoverPhysics: Benchmarking LLMs for Out-of-the-Box Scientific Thinking)alphaXiv
[2026-11-10](大语言模型能在「异世界」发现隐藏的物理规律吗?)新浪财经
[2026-05-26](DiscoverPhysics benchmark paper)arXiv
免责声明
本文仅为科研进展资讯整理;所有实验结果限定在仿真虚拟世界,测试结果受模型版本、提示词、仿真接口、实验预算影响;目前不存在能够稳定自主发现任意隐藏物理定律的大语言模型;相关能力不能直接等同于通用人工智能或者自主科学家。
