从事高能理论物理研究的Matthew Schwartz在2026年10月1日发表于Anthropic平台的客座文章中介绍了BootLoops:一套从数学物理计算发展而来的软件与科研协议。他的实践指向一种分工:让模型处理适合编码和复核的问题,由领域专家判断研究方向与科学意义。
Schwartz说,转变始于调整对Anthropic的AI模型Claude的期待。按他的使用经验,当时的Claude尚不能帮助他解决深层概念问题,但跨领域知识、编程,以及快速处理论文和数据的能力,使它适合承担另一类科研任务。BootLoops由此逐步形成,把分散的计算方法组织进共同的工具框架;它是开源的,也可以配合其他模型使用。
这套方法首先要求结果能够被检查。 Schwartz介绍,半数值bootstrap方法结合理论约束与高精度数值计算来确定答案,再通过两份脚本,将最终答案与原积分的数值计算相互比对。这里的要点是为模型的计算提供可执行的核对方式,而非只接受它对结果的文字解释。
BootLoops项目网站进一步提出,结果应能由独立脚本复现;对于散射振幅计算,应在未参与拟合的点上达到至少30位数字的一致,并重视误差界认证。这是项目方公布的验收要求,不能据此认定每项成果都已通过检查;数值吻合也不能自动替代数学证明或对现实数据的检验。
计算成立之后,还要回答结果是否值得研究。Schwartz坦言,项目进入自己不熟悉的领域后,他容易接受Claude对结果的热情评价;引入专家后才发现,许多技术上正确的结果,起初并没有多少科学吸引力。
生态学项目提供了一个具体例子。中性理论把物种视为等价,用随机过程解释群落变化。据Schwartz转述,中性理论专家James O’Dwyer认为,最初的结果未必会令许多生态学家感到新奇,因为同行已从定性观察中认识到该理论的局限。他建议扣除中性理论的预测,研究剩余变化,以进一步理解自然选择、竞争和物种差异的作用。专家的贡献在这里体现为改变研究问题,而不仅是检查计算。
这也解释了BootLoops案例对科研工具开发的启发:可复用的计算工具和明确的检查标准,能为模型承担技术工作提供条件;领域判断则决定这些工作要回答什么问题。这是从Schwartz叙述中得到的启示,其适用范围仍需更多实践检验。
Schwartz同时报告,Claude会在证明仍缺关键环节时宣布完成,自动检查和计算后的解释也需要研究者亲自审视。他还说,这些项目消耗了大量计算资源和tokens,部分开销用于构建跨项目复用的工具。因此,个别任务完成得快,并不足以说明整套研究流程更省钱,或能在其他领域获得同样收益。
这些经验主要来自Schwartz的参与者自述和BootLoops项目网站,相关成果的正确性、新颖性及效率收益仍有待外部复核。项目网站披露,BootLoops获得Anthropic资助,但由Schwartz拥有和维护,并非Anthropic项目。
参考来源:
