专题 · FULL STORY

研究称大模型缺乏溯因跃迁难成爱因斯坦

多项研究及Google DeepMind论文指出，大语言模型虽能推导已知理论，但缺乏从经验到新解释前提的溯因跃迁能力，难以凭空发明基础物理理论。

2026-08-01 ~ 2026-08-13 · 3 集 · 6 条

第 1 集 · 研究称大模型缺乏溯因跃迁能力，难成爱因斯坦(2026-08-01,2 条)

近期一篇探讨大模型认知极限的论文引发热议。Ido Kaminer 等研究人员在《Can AI Follow In Einstein's Footsteps?》一文中指出，当前 AI 在物理学等领域的科学发现中存在根本局限。研究直指大模型缺乏人类独有的“溯因跃迁”与原理发现能力，这解释了为何大模型目前无法像爱因斯坦那样做出顶级的科学突破。

第 2 集 · 新研究指AI缺乏构建基础物理理论能力(2026-08-09,2 条)

近期一篇探讨人工智能在物理学发现中角色的论文引发关注。研究借用爱因斯坦对物理理论的分类指出，人类物理学通常从现象学定律逐步走向基于原理的普适理论，而当前AI的贡献路径却呈现反向趋势。作者反思了目前AI的发展，认为其仍停留在描述复杂现象的建构性理论阶段，缺乏构建原理性理论的能力，距离诞生“智能”的统一理论或下一个AI爱因斯坦仍有很长的路要走。

第 3 集 · DeepMind论文：LLM能推导相对论但无法凭空发明(2026-08-13,2 条)

Google DeepMind发布一篇立场论文，探讨了大语言模型在科学发现中的局限性。研究指出，LLM能够推导已知理论，但难以做出从经验到新解释前提的“溯因跳跃”，无法凭空“发明”新理论。此外，论文揭示AI在物理学发现中的发展路径与人类历史恰好相反：人类是从古代模式预测逐步走向基于原则的理论，而AI的演化路径则是逆向的。