他公开下战书：AI 到我这行才算数——一个月后 Claude 用一句「接着干」和两千美元，交了九圈
Yes, Claude can do Nine Loops
9 月 25 日，Anthropic 的科学栏目放出一篇客座文章，作者 Matt von Hippel 不是 AI 圈的人：他在理论粒子物理里做了十年，从博士一直做到长聘岗位，现在全职写科普。今年 8 月 7 日，他在自己写了十几年的博客 4gravitons 上下了一道战书——他说自己听腻了「AI 到我这一行就不行了」的循环，干脆把标尺画出来：别拿学生水平的小任务来糊弄，去把散射振幅领域真正卡住的题做掉，比如把 N=4 超杨-米尔斯理论的六粒子振幅推到九圈。而且要用一个学者能弄到的算力去做。一个月后，题被交了，用的是一句提示词和大约两千美元。
这篇值得读，不是因为「AI 又解开了一道难题」——那种新闻这一个月已经太多。值得读是因为它的结构：先由一位内行公开画出验收标准，再由外人来打，打完之后画标尺的那个人自己写复盘，而复盘的结论对他自己不客气。他承认他把门槛画错了，而且错的方向不是「AI 比想象中聪明」，是「这道题比所有人以为的便宜」。文章后面还附了一段验证者的手记——斯坦福教授 Lance Dixon 花两周核对了一台机器抢在他团队前面交出的答案，他说的第一句话是：这事让我想明白的不是机器有多强，是我们这行有多少活儿其实没人愿意干。
战书为什么下在这一行
散射振幅是粒子物理里一类公式：给定入射粒子的动量和能量，它告诉你某种反应发生的概率有多大。对撞机上跑出来的数据要和理论比对，比的就是这个。麻烦在于这些公式几乎算不出精确解，物理学家只能做近似——按「圈数」（loop）截断。圈数是相互作用复杂程度的一个度量，圈数越多结果越准，计算量也越可怕，通常随圈数指数甚至阶乘级增长。现实世界的振幅，绝大多数只算到两圈，少数到三圈，粒子物理里最出名的那个高精度预言用到了五圈。
为了练手，这一行会拿「玩具模型」开刀。N=4 超杨-米尔斯就是最常用的那一个：杨-米尔斯是描述电磁力、强核力、弱核力的那类理论，而「N=4 超」意思是每个粒子配四个超对称伙伴。粒子多到不真实，反而因为各种对称性互相抵消，算起来最干净——所以它是这一行的试验台。von Hippel 本人就是 2019 年把六胶子振幅推到六圈、七圈那篇论文的作者之一，八圈由 Dixon 和 Yu-Ting Liu 在 2023 年拿下。九圈没人做，不是因为没想法，而是所有人默认「按现有方法再推一圈，需要的机器比学术圈能弄到的多」。von Hippel 挑中的正是这一点：他想看 AI 能不能把一堵大家公认的算力墙证明为不存在。他的理由很直接——过去反驳 AI 末日设想（模拟人心、从头设计纳米机器）最有力的一条就是「算力不够」，所以算力墙能不能被绕过，比「AI 会不会有新点子」更该先问清楚。
一句提示词，然后就是「接着干」
用的方法叫 bootstrap（自举）。它不去老实地把每一种粒子相互作用都算一遍，而是先写下答案「大概长什么样」——用一套专门的字母表把所有可能性列在文件里，然后拿你已知的一切去划掉不可能的：别的方法给出的预言、答案必须满足的对称性、和相邻问题的已知联系。von Hippel 的比喻是数独：起手是一个填满所有候选数的格子，靠不断排除逼出唯一解，而且要留足余下的约束来检验自己没算错。这套流程天生适合交给机器——因为它是一串明确的检查，不是一次灵光。
8 月底，Anthropic 的两位物理学家 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 找上 von Hippel，说题做完了。他们没用几百万美元的算力，用的是 Fable 5.1 跑在 Claude Science 这个 harness（脚手架：一套给模型套上结构化规则和提示的程序，让它在科研任务上更稳）里。先问 Claude 你最可能啃得动哪道题，然后给了一句提示：「问题是计算平面 N=4 SYM 中九圈的六粒子（六边形）振幅。」剩下的全部人工干预，是这种话：「我要去睡了，好几个小时都不在。在我叫停之前一直做下去，每 4 到 6 小时给我一份进展。」Claude 用两条不同路线各做了一遍：直接 bootstrap，以及绕道 Dixon 和 Liu 2023 年那条「形状因子 + 反极对偶」的间接路线，两边结果逐项对上。整件事对终端用户的报价是一两千美元，绝大部分是模型跑那么久的钱；纯 CPU 计算只花掉其中约 100 美元——折算下来是 96 核跑一周。
规模值得记一下，因为它解释了为什么这活儿只能靠机器耐着性子做完：九圈的符号活在一个 weight-13、维数 5,431 的六边形符号空间里，交付形式是 424 个五重余积；如果老老实实展开成 weight-18 的词，非零系数有三百亿项。为了保证没算错，同一件事在两个 31 位素数下各算一遍，99.62% 的坐标能还原成确切有理数。他们还把八圈当对照组用同一套程序重跑，和 2023 年已发表的结果抽 1,000 个随机词比对，全中。
被机器抢先，两周内还被人抢先了一次
文章最好看的是 Dixon 的附记。9 月 1 日他收到验证请求，他说大多数理论物理学家早就知道这一天会来，只是不知道哪天轮到自己。让他吃惊的不是计算量大——是这套流程极其脆弱，「配方里任何一处出错，整个东西就像塌掉的舒芙蕾，你只能回头去猜是哪里坏了」；而且有大量琐碎到论文里根本不会写全的细节，Claude 得从零把这些代码全部写出来。他给了一句很重的评价：Claude 对他们 2019 和 2023 那两篇论文的理解，超过除了他的合作者之外的任何人。
他说不觉得难受，理由有两条，都很实在。第一，他团队本来就在搞定制 transformer 去预测更高圈，口号是「任何机器给我们的候选答案，我们都有工具验证」——那现在就该兑现。第二，Claude 用的全是他和合作者多年造出来的方法，连交付格式都沿用了他们的：「我在验证 Claude 的结果，Claude 在验证我们以前的全部工作。」而就在他写完这段之后，中科院的何颂（Song He）团队告诉他，他们也算出了九圈振幅的符号部分，用了 GPT-6 帮忙推导约束，但整体框架仍是人搭的。两周之内，Dixon 被一台机器和一组「人加机器」各抢先了一次。
下战书的人自己怎么复盘
von Hippel 的复盘比结果本身有价值。他本来想看的是 AI 用某种出人意料的方式翻过算力墙；实际看到的是，AI 干了一件人也能干的事——用的全是已知方法，只是比任何人肯花的算力多花了一点，可能占了用 Python 加 SymPy 而不是 Maple、Mathematica 的便宜，工程习惯也比物理学家好，但都谈不上「超人」。他的头号结论是：低垂的果子比你以为的多得多；哪怕目标清清楚楚、定义得明明白白，专家也常常把它估得比实际难。他还点出一件容易被忽略的事：这是一次成型完成的，全程唯一的科学监督就是「接着干」。换成他自己，96 核跑一周的活儿他基本确定会第一遍搞砸、实际得跑两周。三月份的时候，AI 做物理还是学生水平——需要大量牵着走、错误一堆。他不认为这只是「这道题恰好对 AI 友好」。
但他也老实说，他没拿到自己最想要的那个答案。关于超级智能的争论，他还是给不出有依据的判断，因为他期待的「陌生的新方法」并没有出现。他最后一句是：「我觉得我学到的，只是我把那个极限画得太靠前了。」另外，这篇是 Anthropic 邀约并付费请他写的，Dixon 收了 Claude 的使用额度，文末自己披露得很清楚——观点归他本人，但读的时候这条要放在心上。
本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。 篇目由编辑独立选取，来源均经人工核实。