Claude 完成 N=4 超对称 Yang-Mills 九圈振幅计算，物理学家 Matt von Hippel 复盘挑战 · AIHOT

邱宇AI 前沿📡 BestBlogs·AI高分精选⭐ 862026-09-26163 阅读💛 3 收藏

📌 One-Sentence Summary

Anthropic 的 Claude 使用标准自举方法和有限算力成功计算了 N=4 超对称 Yang-Mills 九圈振幅，证明 AI 能够自主执行复杂且容易出错、此前被认为需要人类专家介入的科学计算。

📝 Summary

本文详细介绍了物理学家 Matt von Hippel 发起的一项挑战，旨在测试 AI 在理论粒子物理领域的能力。Anthropic 的回应是使用 Claude（通过 Claude Science 框架）计算 N=4 超对称 Yang-Mills 理论中的九圈六粒子振幅。整个过程算力成本约为 $100-$200，并在初始提示之外几乎无人监督的情况下自主运行数天。解决方案利用的是现有「自举」技术，而非新颖的数学洞见，证明当前 LLM 能够可靠处理人类常常觉得过于脆弱或耗时的繁琐、高复杂度计算任务。Lance Dixon 的独立验证确认了该结果，同时指出其他团队也在 AI 辅助下取得了类似里程碑。这一事件表明，AI 正迅速从协助小规模研究走向独立执行前沿计算物理工作。

💡 Main Points

AI 能够在极少监督下自主执行复杂、持续多日的科学计算。

Claude 使用「Claude Science」框架运行了多日的九圈计算，在初始提示后自主处理错误并继续运行，无需人工干预。这展示了在人类研究者可能因疲劳或细小编码错误而难以坚持的长时间任务中的可靠性。

突破在于计算耐力与软件工程严谨性，而非新的物理理论。

该模型应用了已知的「自举」方法和形状因子对偶。它并没有发明新的数学，而是证明了此前的障碍主要来自人类在管理复杂代码库和计算资源方面的局限，而 AI 能更高效地处理这些环节。

专业科学领域中的「低垂果实」比专家此前认为的更容易触及。

Von Hippel 指出，许多被视为「太难」的问题实际上只是计算密集。AI 能持续调试和优化代码，使其能够以传统学术流程所需的一小部分成本和时间解决这些问题。

随着 AI 输出日益复杂，验证仍然是人类的关键角色。

Lance Dixon 通过与其团队正在进行的形状因子工作进行对照来验证结果。他强调，虽然 AI 能生成解决方案，但仍需要人类专家来验证正确性，并解读该领域内更广泛的影响。

💬 Key Quotes

我一直在问自己一个自然而然的问题：我们到底能把多少这种手动苦差事委托给 LLM 智能体？

我的关键架构设计原则是严格的关注点分离：LLM 智能体负责决策，MCP 工具负责执行。