LLMs Can't Jump：大语言模型为何无法实现真正的科学发现？—— 基于 Google DeepMind 重磅论文《LLMs can't jump》的系统解读与完整译本。头图来自：AI生成
为什么这篇论文对评估 AI 科学能力极其重要？
在通用人工智能（AGI）与 AI for Science（AI 科学发现）迅猛发展的背景下，科技界与产业界正被一种普遍的技术乐观主义所主导：许多人相信，只要持续扩大模型参数规模（Scaling Law）、注入更多文献与实验数据，基于 Transformer 架构的大语言模型（LLM）就能自动从海量数据中“归纳”出未知的新物理定律，实现像爱因斯坦那样的科学革命。
然而，Google DeepMind 资深研究员 Tom Zahavy 发表的这篇观点论文《LLMs can't jump》，用极其严谨的科学哲学与物理学史逻辑，对这一主流范式提出了根本性的质疑与澄清。该研究之所以极其重要，主要体现在以下三个核心维度：
1.澄清科学发现的认知本质：破除“创造力即数据压缩”的范式迷思
主流机器学习界（如 Schmidhuber 理论）常将科学发现归结为"数据压缩"——即通过归纳法在海量数据中寻找最简洁的模式。论文通过回顾爱因斯坦构建广义相对论的真实历史指出：在爱因斯坦提出广义相对论时，牛顿力学并未面临任何显著的数据误差（误差极小，且被归咎于未知行星），根本不存在驱动模型优化的“损失函数梯度”。科学上的重大范式转移（Paradigm Shift）往往发生在没有监督误差信号的真空里。单纯依靠归纳压缩数据，AI 只会拟合已知模式或引入凑数参数，而无法重构全新的物理图景。
2. 明确划分 LLM 的能力边界：精于归纳与演绎，但结构性缺失“溯因（Abduction）”
论文借助皮尔士（C.S. Peirce）的逻辑学框架与爱因斯坦的认知模型，精准指出了当前 AI 的能力象限：LLM 在“归纳”（从数据提炼规律）和“演绎”（如 AlphaProof 在既定公理下推导数学定理）上已展现出极强能力；然而，科学发明的核心瓶颈在于“溯因（Abduction）”——即为了解释某种令人惊异的现象，凭空提出全新公理假设的能力。LLM 充当的是高维度的“中文房间”，仅在已知符号之间进行逻辑运算，缺乏从现实感官体验跨越到新公理的“飞跃（Jump）”机制。
3.为未来 AI 架构设计指明根本方向：从“文本大模型”走向“具身物理世界模型”
研究指出，爱因斯坦之所以能完成“溯因飞跃”，是因为他通过“电梯思想实验”进行了具身仿真（Embodied Simulation），将抽象符号锚定于物理体验之中。因此，单纯增加 LLM 的文本上下文或算力无法诞生“爱因斯坦”。
AI 科学创新的下一阶段，必须将大模型与具有“动作可控性与反事实干预能力”的物理一致性世界模型（Interactive World Models，如 Genie 范式）相结合。这一论断为下一代 AI 科学基础设施的研发提供了清晰明确的理论路线图。
《LLMs can't jump》论文全文翻译：
摘要
人类究竟是如何从根本上发现新事物的？在给莫里斯·索洛文（Maurice Solovine）的一封信中，阿尔伯特·爱因斯坦将科学发现构想为一种循环过程：它始于从感官经验到公理的直觉“飞跃”，随后展开逻辑演绎。尽管生成式 AI 已经掌握了归纳（统计模式匹配），并且正在快速攻克演绎（形式化证明），但我们认为，AI 依然缺乏溯因（Abduction）机制——即生成新型解释性假设的能力。
本文以爱因斯坦构建广义相对论的过程作为计算案例研究。我们表明，主流的“创造力即数据压缩（归纳）”理论在面对观测数据稀缺的重大发现时失效了。本观点论文认为，虽然现代大语言模型（LLM）能够在给定已知前提下熟练执行推导出定理的“演绎”阶段，但在结构上，它根本无法完成制定这些公理前提所必需的溯因“飞跃”。
我们将“将物理仿真转化为形式化公理”识别为人工智能科学发明的关键瓶颈，并提出：只有具备物理一致性的多模态世界模型（Physically Consistent, Multimodal World Models），才能提供必要的感官锚定（Sensory Grounding），从而弥合这一鸿沟。
一、引言
科学发明所必需的认知飞跃具有怎样的特征？人工智能社区中的一种主流观点（尤以 Schmidhuber 2008 年的理论为代表）认为，科学发现本质上是一个压缩问题——即寻找一个能够简洁解释观测数据的简短程序。这种观点隐式地将“发现”归结为归纳（Induction）：基于统计频率从观察中推导通用规律。
同时，像 AlphaProof 这样的系统在奥林匹克数学竞赛中的突破表明，AI 正在精通演绎（Deduction）：即从既定前提进行形式化的定理推导。
如果科学发现仅仅是这两者的叠加，那么理论上，只要算力足够，现代大语言模型就应该能够凭空发明出广义相对论。在本文中，我们以爱因斯坦构建广义相对论的过程作为计算案例，挑战这一还原论假设。
图 1：爱因斯坦 E-J-A 循环图。从感性经验（E）到公理体系（A）经过一次跳跃（J），再演绎出定理。颇具讽刺意味的是，公理符号的"幻觉"，恰好凸显了自动化这一跳跃的难度。
我们采纳爱因斯坦的“发明循环模型”（见图 1），将整条路径映射为：从感官经验（E）出发，通过概念上的飞跃（J）到达公理系统（A），随后展开定理的演绎与验证。我们承认，如果赋予爱因斯坦当时的物理假设作为初始条件，现代大语言模型确实有可能完成后续的演绎工作；然而，如何构建出这些初始公理，依然是无法逾越的瓶颈。
通过重构历史背景（第 2 节），我们证明，当时实验数据的极度匮乏使得“归纳法”无法成立。而公理作为前提本身，同样无法被“演绎”出来。因此，科学发现必然依赖于一种超越归纳与演绎的认知机制：溯因（Abduction）。
为了对此进行形式化定义，我们采用皮尔士（Peirce, 1934）的符号逻辑框架，该框架根据“规则（函数定义）”、“案例（输入）”和“结果（返回值）”三者的排列方式对推理进行分类：
演绎（规则 + 案例 → 结果）：将规则分析性地应用于案例以预测结果。这是唯一能确保绝对真理的模式（例如运行代码以验证输出）。
归纳（案例 + 结果 → 规则）：从大量积累的案例与结果中综合提炼出规则。它通过统计频率来验证假设（例如生成一个能通过单元测试的函数）。
溯因（规则 + 结果 → 案例）：为了解释某个令人惊讶的“结果”而推断出一个“案例”（或一项新规则）。
与保证真理的演绎、或在数据中寻找泛化模式的归纳不同，溯因是一种创造性的飞跃，它为单一的异常现象凭空“发明”出因果源头。至关重要的是，爱因斯坦是通过具身仿真（Embodied Simulation）实现这一点的——他利用思想实验将抽象的符号锚定在物理感受中，从而在完全没有符号数据存在的地方构建出了公理。
我们认为，尽管大语言模型已经掌握了数据的归纳压缩与定理的演绎验证，但它们在结构上无法完成科学发明所必需的溯因“飞跃”。这种创造性飞跃需要的不仅仅是更强大的语言处理能力，而是必须融合能够将抽象符号锚定于感官仿真中的物理一致性世界模型。
二、历史背景
2.1 力学与经典物理的困境
在 19 世纪，力学被视为整个物理学的基石。通过偏微分方程，科学家解释了声波传播、流体力学、质点运动甚至气体分子运动论。当时连光都被理解为某种穿越“以太”介质的力学波。然而，这种力学世界观开始崩塌。
随着麦克斯韦、法拉第、赫兹和马赫的贡献，电磁学规律被统一为麦克斯韦方程组。牛顿力学无法解释电磁场，这标志着力学作为统治物理学的唯一范式的终结。物理学被撕裂为两个概念体系：超距作用的质点，与连续变化的场。爱因斯坦无法接受这种割裂，驱动他去建立一套引力场论来取代旧的超距作用观。
与此同时，一场关于光本性的危机正在酝酿。因为光表现为波，科学家便假设它通过一种叫"以太"的介质传播。然而 19 世纪末著名的迈克尔逊-莫雷实验打碎了这一假设：他们试图测量地球相对于以太的速度，结果失败了。更令人震惊的是，光速竟然不随地球绕日公转而变化。为挽救以太理论所做的种种努力——如“以太风”假说——最终都归于徒劳。
此外，牛顿引力理论也极为稳健，精度高得惊人。伽利略曾发现所有物体下落速度相同（与质量无关），牛顿用单摆实验确认了这一点：
Fgrav = mi · d²x/dt² = mg · g， 若 mi = mg，则 d²x/dt² = g
也就是说，加速度是恒定的、与质量无关。牛顿的实验以 10−3 的精度验证了 mi / mg = 1。此后数百年，精度还在不断刷新——Laplace 达到 10−7，Eötvös 达到 10−9。
事实上，当时只有一个已知反常：水星轨道的一个微小偏移，即"近日点进动"（Leverrier, 1845）。但科学家对牛顿定律如此自信，以至于不去质疑理论本身，反而假设有一颗尚未被发现的行星——“火神星（Vulcan）”——藏在太阳附近造成了这处扰动。
2.2 狭义相对论
1905 年，爱因斯坦以完全兼容麦克斯韦方程组的方式解决了迈克尔逊-莫雷实验的矛盾。他将新理论建立在两条核心假设上：
相对性原理（物理定律在所有惯性参考系中相同）；
光速不变原理（真空中光速 c 为常数）。
迈克尔逊-莫雷实验本是为了探测地球穿过假想以太的运动，结果却发现光速根本没有变化——光始终以 c 传播，所以它相对于运动的地球速度不变，这正是第二条原理。
从这两条原理出发，爱因斯坦推导出了洛伦兹变换——它把静止坐标系的坐标与以恒定相对速度 v 运动的坐标系联系起来。其中的时间变换是：
在历史上，Poincaré 等先驱把变量 t′ 称为"虚时间"。但爱因斯坦的解释是颠覆性的：t′ 不是计算上的工件，而是"时间本身"。为了说明这一点，他引入了"时间膨胀"的概念：两个原本同步的钟如果分开，其中一个以速度 v 运动，重新会合时它们将不再报同一时间。凭这一洞察，爱因斯坦粉碎了牛顿的绝对、普适时间的范式，把时间改造为对每一个观察者都局部的真实存在。
2.3 广义相对论的诞生路径
爱因斯坦的新理论本质上仅限于惯性参考系——以恒定速度运动、无加速度的观察者。正是这一限制赋予了它"狭义"相对论之名。受 Ernst Mach 早期工作的启发，爱因斯坦坚信惯性参考系不应享有特权地位。因此，他寻求一个适用于一切参考系的推广理论——这就是追寻广义相对论的起点。
这趟长达七年的旅程充满了深邃的物理直觉、鲜活的思想实验和严谨的数学形式化，其间又夹杂着疲惫与失误。在下面的分析中，我们采用 Norton (2020) 的框架，把爱因斯坦的进展划分为三个阶段。
构想期（1907–1912）。爱因斯坦迈向广义相对论的第一个具体步骤发生在 1907 年，当时 Johannes Stark 邀他为相对论撰写一篇综合性综述。任务起初看似简单：爱因斯坦需要检视已确立的物理分支，确保它们与他 1905 年提出的新时空框架相符。
工作进展顺利。电动力学无需修改，因为它本来就与洛伦兹变换相容。力学需要一些调整，特别是能量、动量和质量，进而促使爱因斯坦把质能等价（E = mc²）形式化。他甚至勾勒出了相对论性的热力学轮廓。
然而，在收尾综述时，爱因斯坦被一种强烈的冲动所驱使，他想要走得更远：把相对性原理从匀速运动推广到包括加速运动。一个深邃的顿悟击中了他——他后来称之为“我一生中最幸福的想法”——加速度等价于引力，惯性本身就是一种引力效应。这些想法汇聚成 1912 年的静态引力场理论，他在其中大胆预言：引力会让光线弯曲、让时钟变慢，且光速并非恒定，而是随引力势而变化。
整合期（1912–1913）。广义相对论的关键转折出现在 1912 年夏至 1913 年初。苦于无法把物理直觉翻译成严谨理论的爱因斯坦意识到，弯曲的数学才是关键。为了掌握这一复杂领域，他在苏黎世求助于他的朋友、数学家 Marcel Grossmann。他们的合作记录在著名的“苏黎世笔记本”中，最终结出了 1913 年的"Entwurf"（"草稿"）论文。
爱因斯坦整合出了一组物理要求和概念支柱，希望新理论都能满足（详见附录 A）：
广义相对性原理：把狭义相对论推广到加速参考系；
等效原理：引力与加速度不可区分；
测地线原理：自由落体在时空中运动的方式；
“引力有引力”：引力能本身充当源；
应力-能量张量：引力场的源；
广义泊松方程：场方程的结构；
牛顿极限：能回归经典引力。
致命的失误。在数学部分，Grossmann 已经极其接近最终答案。他识别出黎曼曲率张量是测量时空弯曲的正确对象。他甚至把这个张量缩并得到一个量 Gik，与现代的爱因斯坦张量几乎一致。从现代视角看，终点就在眼前。
尽管如此，他们还是停下了。新的方程必须通过一项关键检验：它们需要在弱、静态场中复现牛顿简洁的引力定律（原理 7）。Grossmann 在一个致命的错误中断言，他们候选的张量无法回到牛顿的表达式。然而，正如他们后来才搞清的：错误不在几何，而在于对静态场本身的假设。
他们以为这条路被堵死了，于是放弃。爱因斯坦被迫仅凭物理线索（如守恒律和他早期关于静态场的工作）构造了一组场方程。结果是灾难性的：他不是得到一个简洁的牛顿方程，而是凑出了十个复杂、非线性、没有清晰几何含义的方程——这一弯路把最终理论推迟了整整两年。
数学验证期（1913–1915）。1913 至 1915 这几年，是一段修补和完善 1913 年草稿的艰苦岁月。随着 1913 年中"Entwurf"论文的发表，爱因斯坦起初以为重活已经干完、只剩细节。这种感觉很快消散。随着时间从几个月变成几年，他愈发费力地试图为一个核心就有缺陷的理论辩护。
到 1915 年夏，反对旧理论的证据越积越多。他知道该理论无法解释水星近日点的反常；他发现它也无法说明转动；最后他意识到，他在 1914 年末试图证明理论唯一性的那些精巧论证都是错的。在日益绝望的状态下，爱因斯坦放弃了 Entwurf 中“适配的”坐标系，重返他 1912 年的直觉：理论必须在一切坐标系下成立。
随之而来的也许是爱因斯坦科学生涯中最为紧张的一个月。在得知著名数学家 David Hilbert 也在竞速求解同一问题时，爱因斯坦进入了疯狂高产的状态——连续四周每周向普鲁士科学院提交一篇论文。
11 月 4 日的第一篇通讯提出了一个解，但错误仍在；11 月 11 日他修正了理论，困难仍存；但到了 11 月 18 日，他激动地宣布，他不断完善的方程正确预言了水星的反常轨道。最后，11 月 25 日的第四篇通讯公布了完成的广义相对论场方程：
其中，Rik 是里奇曲率张量，R 是里奇标量，Tik 是应力-能量张量，gik 是度规张量。左边表达式代表由度规决定的时空几何（弯曲），右边表达式代表物质与能量。
三、反驳：归纳派和演绎派都答不上来
3. 1归纳推理（Induction）的极限
人们常常听到这样一种观点：物理学家不过是在识别模式……但在我看来，这种观点离题万里……广义相对论刚提出时，并没有真正的观测需求。……爱因斯坦并不是在物理对象的行为中"识别模式"。他是在揭示早已隐藏在世界的运作方式之中的、深邃的数学结构。
—— Roger Penrose
"识别模式"与"揭示结构"之间的这一区分，划出了今日 AI 与科学发明所需 AI 的边界。机器学习中的主流观点与 Schmidhuber (2008) 的"压缩进步论"一致：科学发现源于对数据进行归纳式压缩的欲望。在这套框架下，"发现的喜悦"就是复杂观测被更好地预测、从而变得主观更简洁的速率。这一归纳思路在数据丰富的环境中已取得不俗成果：稀疏优化已成功从数据中提取偏微分方程（Schaeffer, 2017）；"AI 物理学家"（Wu & Tegmark, 2019）成功从仿真轨迹中重新发现了守恒律。
然而我们认为，这一归纳框架不足以解释广义相对论的发明。爱因斯坦虽然追求逻辑简洁，但他的过程并非由数据压缩驱动——主要原因是，根本没有具备统计显著性的有监督训练集可压缩。
在那个发明的年代，牛顿引力并没有面临经验性危机。惯性质量与引力质量的等价性已被以 10−9 的精度验证，牛顿定律的精度小到惊人的地步。唯一已知的反常——水星近日点进动——并未被视为失败，反倒被视为隐藏变量的证据：未被发现的"火神星"。
这凸显了“创造力即压缩”思路的根本局限：科学发明常常发生在没有有监督误差信号的情况下。一台作为归纳优化引擎的 AI 会发现牛顿引力损失函数近似为零。没有预测与观测之间的显著差异，就不会有梯度去驱动系统进行关于时空的基础性重构。
如果现代 Transformer 模型都难以逆向工程基本的算术规则（Gambardella et al., 2024; Yang et al., 2024），很难想象它在没有大规模数据集的情况下，怎么可能发明新的物理。
更进一步，即便有数据，归纳系统也可能收敛到启发式捷径而非因果律。Vafa et al. (2025) 证明：没有正确的归纳偏置，基础模型常常发现满足数据、却没抓住底层结构的有缺陷的世界模型。验证广义相对论所需的实证——从 Eddington 实验到相对论性 GPS 修正——都是在理论已经成型之后才到来的。爱因斯坦并不是在压缩噪声数据集以拟合回归曲线；他是在构建一个逻辑框架，去揭示数据尚未揭示的物理结构。
最后，或许有人会说：虽然爱因斯坦没有压缩数据，但他通过把惯性和引力的定律统一到单一框架（最小描述长度）来压缩了假设空间。然而，逻辑简洁常常是一个回溯性质。广义相对论的最终理论固然优雅，但通往它的搜索路径却铺满了复杂性、被放弃的张量和错误的方程。一个以压缩为驱动的 AI 也许更愿意用像“火神星”这样的参数去打补丁牛顿引力，而不是把假设空间扩展到非欧几何——这会先增加复杂性，再化简它。
3.2 演绎推理的边界
我看到一边是所有感性经验的总体，另一边是记载于书本中的所有概念和命题。概念与命题之间的关系是逻辑性质的……概念和命题只有在与感性经验的联系中才获得“意义”或“内容”。
—— Albert Einstein
爱因斯坦明确区分了感性经验的领域与逻辑处理的领域。在我们的框架中，后者对应于演绎（A → S）：从一个固定的公理集出发，对定理进行严格推导。
甚至连启动追寻广义相对论的动机，都含有强烈的演绎成分。爱因斯坦的动力并非来自数据异常。牛顿的观测史中不存在“误差信号”，而是源于一个概念上的不协调：机械学的超距作用与新兴的电磁场论之间的冲突。虽然现代 LLM 因“信号微弱”（并没有要求替代牛顿引力）而难以发现这一想法，但通过模仿麦克斯韦方程组、为引力构造一个场论这一结构性任务，本质上是一项演绎操作。
可以想象，一台被优化用于在科学文献中寻找不一致的现代 AI，能够识别这一矛盾。就像识别“有 bug 的代码”，AI 可以标记出：麦克斯韦方程组中的恒定光速与牛顿的绝对时间不相容。
然而，识别错误不同于生成修复。提出场论来替代引力在结构上是演绎操作，但选择正确的公理去消解冲突，仅靠逻辑一致性是不够的。
1913 至 1915 这段时期恰好说明了这种演绎层面的拉锯。它不是被灵光一现所定义，而是被一场艰苦、机械式地寻找满足爱因斯坦公设的正确数学框架的搜索所定义。这一阶段与当代神经符号 AI 的能力高度吻合。
爱因斯坦与 Grossmann 的合作，本质上是在几何约束上的“搜索”过程。值得注意的是，他们识别出了黎曼曲率张量是正确的对象，却因一个“致命错误”——误以为它在静态场中无法回到牛顿引力——而丢弃。花了两年精疲力竭的工夫才把这个假设调试掉，最终产出正确的场方程。
数学发现的图景近来被自动化所重塑。基于依赖类型论的证明助手——例如 Lean——已成熟为得到广泛数学库支持的稳健平台（mathlib Community, 2019）。2024 年以来，LLM 在证明生成上已表现出惊人的流畅度：AlphaProof（Hubert et al., 2025）达到了 IMO 银牌水准；2025 年的后继者如 Gemini、DeepSeekMathV2、GPT-5 达到了金牌水准；而像 Aristotle（Achim et al., 2025）这样的系统已对开放研究问题产出可验证的解。
十二岁时，我经历了另一种完全不同的奇迹——在一本讨论欧几里得平面几何的小册子里……有那么多可以被如此确定地证明的命题，以至于任何怀疑都显得毫无道理。这种清晰与确定给我留下了难以言表的印象。
—— Albert Einstein
沿着这一轨迹，我们主张：一台现代 LLM，若以爱因斯坦 1915 年所能获得的特定物理假设为初始化条件，有望推导出广义相对论。一旦设定了场方程，推导水星的近日点进动是一项可验证的逻辑任务（A → S）。而且，现有系统在理论上能够系统性地优化公理的子集，识别并消除错误约束——例如爱因斯坦关于静态场的错误。
然而，这一能力伴随着一个关键警示。一台 AI 只能演绎"等效原理"的后果，前提是把这些概念作为输入提供给它。正如爱因斯坦所指出的，逻辑思考仅限于概念之间的联系；它无法从原始感官数据中生成概念本身。1913 年的推导之所以失败，不是因为逻辑有缺陷，而是因为公理错了。
这把我们引向根本性的瓶颈：什么样的认知过程，使爱因斯坦最初能够生成“等效原理”？要理解这一点，我们必须超越逻辑，去考察“跳跃（J）”的机制。
最后，即使一台 AI 具备演绎能力，能从爱因斯坦的公设推导出他的方程，仍然存在一个意图层面的根本问题。不同于形式化定理证明——目标是某个具体的开放猜想——爱因斯坦并不是要证明一个定理，而是要构造一个关于现实的预测模型。虽然水星近日点进动反常提供了一个验证目标，但它并未被认为足够重要。
关键的是，决定性的验证——爱丁顿对经过太阳附近的星光引力偏折的测量——是在理论被提出多年以后才完成的。演绎（A → S）严格地是一种下游过程：它展开了一个理论的逻辑后果，但既缺少生成公理的上游能力，也缺少验证公理的外部接地。
四、溯因（Abduction）：缺失的飞跃
然后我一生中最幸福的想法出现了……对于一个从屋顶自由坠落的观察者来说——至少在他的紧邻范围内——不存在引力场……这位观察者因此有权把自己的状态解释为"静止"。由于这一想法，那条不寻常的、在引力场中所有物体以相同加速度下落的实验定律，立刻获得了深刻的物理意义。
—— Albert Einstein
在没有足够数据的情况下，心灵是如何形成新公理的？爱因斯坦"最幸福的想法"给出了答案：操纵性溯因（Manipulative Abduction）（Magnani et al., 2009）。这一过程依赖于具身仿真——通过与心智模型的主动交互，在"做中思"的过程中生成假说，从而获取超出纯演绎范畴的知识。爱因斯坦并没有通过收集观测来连接狭义相对论和引力，而是通过仿真一位密封舱内观察者的物理感受。
我们把这一思想实验概念化为一个两阶段过程。第一步，通过仿真设想一个观察。第二步，通过溯因推理为该观察推导解释。ARC-AGI（Chollet et al., 2025）等现代基准已对后者进行测试。在 ARC 中，模型必须从极少样本（2–5 个网格对）中推断隐藏规则。
因为数据过于稀疏，统计归纳不适用；又因为缺少演绎所需的显式指令，模型必须做出一次溯因跳跃，走向最可信的解释。然而我们接下来要论证的是：ARC 虽然抓住了逻辑跳跃，却漏掉了操纵性成分——驱动爱因斯坦洞察的那种物理感受与具身仿真。
仿真即物理变化。第一个过程——发明一个问题以推动进步——可以借助现代 AI 的视角理解为测试时强化学习。这一范式包括：发明问题的新变体，并学着去求解它们；这一策略已成功用于求解国际象棋中的 Penrose 位置（Zahavy et al., 2024），以及达到 IMO 银牌水平（Hubert et al., 2025）。
然而，仍然存在一个关键区别。象棋与数学中的符号变化受固定规则（公理）约束，而爱因斯坦的变化需要基于物理直觉去发明全新的公理——这种直觉彼时尚未存在于数学之中。他设想一位物理学家处在一台电梯中，在深空中被均匀加速。在密闭舱内，感官体验揭示出一种特定模式：当物体被释放时，地板迎面冲来。对物理学家而言，无论物体成分如何，它们似乎以相同的加速度下落。因此，这里的仿真不是符号的排列，而是知觉经验的操纵。
溯因与物理先验。第二个过程是溯因推理：对最佳解释的推断。不同于保证从前提得到真理的演绎，溯因寻求对一次观察的最简、最可能原因。
在爱因斯坦的场景中，既有的牛顿框架对他想象出的观察并不提供令人满意的解释。他面对的是语言空间中的沉默——缺少先验的符号表征：
无论是写成还是说出的词语或语言，在我的思维机制中似乎都没有起作用。
—— Albert Einstein
为了填补这一空白，他诉诸一种物理先验。因为被仿真的加速感官体验与记忆中的引力感官体验不可区分，爱因斯坦便溯因它们必为同一现象。盒子里的场不是虚假的惯性效应；它由定义就是一个真正的引力场。
从中文屋到世界模型。这一认知过程——把抽象符号锚定在具体的物理仿真中——被称为操纵性溯因（Magnani et al., 2009）。它与 LLM 的操作机理形成鲜明对照。
LLM 擅长归纳（在数据中发现模式），但缺少把这些符号接地到物理现实所需的感官能动性。它们以高维"中文屋"（Harnad, 1990）的方式运作：操纵着物理学的语言，却无法触及让这种语言获得意义的物理指代对象。这一限制阻止了 AI 完成溯因跳跃（E → A）。爱因斯坦能把自己的公理接地到自由落体的物理经验上，而 LLM 则被局限于对既有文本的逻辑演绎。
这种物理接地的缺失，是近来对 AI 批评的核心。专家们认为，尽管语言能力出众，现有系统仍然缺少推理物理现实所需的空间智能（Li, 2025）和内部世界模型（LeCun, 2022）。没有感知世界或与世界交互的能力，LLM 在对幼儿而言都轻而易举的空间推理任务面前依然步履蹒跚。
世界模型的兴起为弥合这一鸿沟提供了一条路径，但必须区分视觉预测与交互式仿真。当前像 Veo 这样的视频生成模型，其"直观物理"（Hassabis, 2025）主要源自统计相关性的副产品：它们正确生成一只下落的苹果，并非因为它们建模了引力，而是因为"下落"在训练分布中本就是无支撑物体的主导延续。
然而，像 Genie（Bruce et al., 2024）这样的近期架构，标志着一次根本性转变——在生成式世界模型中引入动作可控性。与被动的视频生成器不同，Genie 学习一个能支持主动干预的动作空间——这是操纵性溯因（做中思）的前提。要复刻爱因斯坦的电梯思想实验，AI 不能仅仅观看一段电梯视频；它必须具备反事实干预（Pearl & Mackenzie, 2018）的能力，必须能够在概念上"剪断缆绳"。我们提出：在统一的潜在物理流形（而非仅像素）上运作的交互式环境的未来迭代，将提供把溯因跳跃从神秘洞察转化为可复现算法过程所需的合成实验室。
最后，值得指出的是：爱因斯坦依赖于他的物理先验，借助对引力的感受去修剪可能的公理搜索空间。然而，操纵性溯因不止于物理学。历史上的科学革命常常由强烈的、前符号的直觉驱动——无论是开普勒关于太阳中心性的新柏拉图式信念，还是驱动马克思建模资本的"客观愤怒"。要把发明自动化，我们或许需要的系统不仅能仿真世界，还要持有强烈的信念或先验——关于世界应当如何被结构化的——并通过仿真去检验那些特定直觉。
五、结论：通向真正机器发明的路
在本文中，我们提出了一个根本性的问题：给定爱因斯坦当时所能获得的知识，一台现代 AI 是否能发明出广义相对论？我们的研究表明，对当前的大语言模型而言，答案是不能。虽然这一领域已成功将归纳（统计压缩）和演绎（形式化验证）机械化，但仅靠这两种机制，不足以支撑科学发明的循环。
主流的"创造力即压缩"假说无法解释这一发现，因为它预设了一个普遍存在的误差信号的存在。然而，牛顿范式从未面临这样的危机；验证广义相对论所需的数据，要在该理论被提出多年之后才出现。
更进一步，虽然演绎范式提供了一条在公理确定后推导场方程的路径，但它终究只是一个下游过程——是发明循环内部的一个验证步骤，而非发明机制本身。
这一局限在今日自动化发现系统的尖峰上清晰可见。像 Sakana 的 AI Scientist（Lu et al., 2024）和 Google DeepMind 的 AlphaEvolve（Novikov et al., 2025）这样的智能体，展现了机械化科学循环与进化优化的巨大威力。
然而，它们恰好凸显了我们所识别的溯因缺口。AI Scientist 把已有符号概念重新组合去优化指标——这是一次复杂的“中文屋”操作，缺少在没有任何符号先例的情况下发明公理所必需的感官接地。类似地，AlphaEvolve 虽擅长在固定框架内做优化，但依赖梯度；与之对照，爱因斯坦并没有来自牛顿力学的误差信号来驱动其发现。这些系统缺少执行反事实物理仿真所需的具身世界模型——正是这种仿真驱动了通往全新范式的溯因跳跃。
我们的分析确认，关键的瓶颈是从感官经验到形式公理（E → A）的那一次直觉性跳跃。爱因斯坦不是通过对符号的搜索发现广义相对论的；他通过仿真一位坠落观察者的感官体验来发现它。等效原理的提出，是一次自洽的物理溯因行为，其前提仅仅通过内部仿真建立，独立于任何直接的外部验证。
因此，要构造一台能够真正“发明”的 AI，我们必须超越仅仅阅读科学文献的系统，跨向能够感知物理世界的系统。物理一致的世界模型的兴起，为通向一座合成实验室提供了一条路径。通过让智能体运行反事实仿真——去体验一项思想实验的物理后果——我们也许终能将直觉与逻辑之间的反馈循环机械化。
最后，我们强调：这一提议是专门为物理学这样的、其研究对象是外部物质现实的学科量身定制的。在像数学或计算机科学这样的抽象领域中，感性经验（E）可能建立在高维拓扑上，或以一般性、最小性等作为目标。虽然溯因跳跃的必要性是普适的，但仿真的性质必须适应学科本体论：对物理学而言，基底是世界；对数学而言，基底是形式系统的抽象图景。
【附录：爱因斯坦广义相对论的七大公理前提】
1. 广义相对性原理：将狭义相对论从匀速惯性系扩展至任意加速参考系。
2. 等效原理：局域均匀引力场的物理效应与无引力空间中的匀加速运动完全等价。
3. 测地线原理：自由落体在弯曲时空中沿“类时测地线”运动，将引力重定义为几何现象。
4. “引力本身也会产生引力”：结合 E=mc^2 与 m_i=m_g，推导出引力场自身的能量也是引力源，决定了场方程必须是非线性的。
5. 应力-能量张量：采用劳厄的应力-能量张量 T_ij 作为引力源的完整物理描述。
6. 广义泊松方程：寻找牛顿引力泊松方程的张量推广形式，用曲率张量 R_ik 替换标量势，用应力-能量张量 -κ T_ik 替换质量密度。
7. 牛顿极限：要求在弱场、慢速和静态场的条件性，广义相对论必须能退化还原为牛顿万有引力定律。
文献信息：
论文原名：Position: LLMs can't jump
论文作者：Tom Zahavy (Google DeepMind 研究员，曾参与 AlphaZero 与 AlphaProof 研发)
核心价值：深刻指出了当前大语言模型（LLM）在科学创造力上的结构性缺陷，破除了“凭借 Scaling Law 与数据压缩即可实现 AGI 科学发现”的迷思。
创牛配资提示：文章来自网络，不代表本站观点。
- 上一篇：鼎东策略 关税压不住的医疗PE狂飙
- 下一篇：没有了
沪深京行情 实时轮播
推荐资讯