知识卡片：DeepMind论文：大模型缺失科学发明溯因跃迁能力

英文标题：LLMs Can't Jump
英文关键词：foundation-model, industry, abductive leap, scientific invention, world model

一句话结论

即便掌握1905年全部物理学知识，当前大语言模型也无法独立提出广义相对论，根本原因在于模型缺乏从经验现象跃迁到基础公理的“溯因跃迁”能力，仅停留在符号统计层面，未锚定物理世界。

事件概述

DeepMind发表论文《LLMs can't jump》（待核实完整论文标题及会议/期刊信息），以爱因斯坦提出广义相对论的过程为思想实验：假设模型拥有1905年前所有已知物理知识，仍无法自主推导出广义相对论。论文指出大模型缺失从物理经验到基础公理的溯因跃迁（abductive leap），只依赖符号统计关联，缺乏对物理世界的真实理解。

主要观点与症结

• 溯因跃迁缺失：模型无法像人类科学家那样从观测数据中“跳跃”到新的基础公理（如从水星近日点进动联想到弯曲时空），只能做概率性符号匹配。
• 物理锚定性不足：模型训练数据限于文本符号，未内嵌物理世界的因果结构或可交互的仿真环境，因此无法执行“如果……会怎样”的反事实实验。
• 潜在解决路径：论文认为可交互的世界模型结合物理先验，或使AI具备反事实实验能力，从而自动化连接经验、直觉与逻辑的关键一步。

为什么重要

• 为当前大模型在科学发现、理论创新上的根本局限提供了系统性理论解释，与“涌现”叙事形成对照。
• 指明大模型通往“科学发明自动化”需突破统计学习范式，转向具身/交互式世界建模，可能影响下一代基础模型架构设计。
• 与已有相关卡片（如π0.7机器人基础模型、CNeVA仿真代理）形成互补：本卡片聚焦科学推理范式的瓶颈，而非具身控制或交通模拟。

局限与不确定性

• 论文具体实验设置（如是否实际训练模型、使用何种知识表示）尚未在本材料中详述，待核实。
• “可交互世界模型”加“物理先验”的具体实现方案尚属推测，尚无公开验证成果。
• 思想实验的合理性——是否低估了统计模型在足够数据下的潜在归纳能力——仍有争议。

原始材料

• 来源：腾讯研究院AI速递 20260729（搜狐转载）
• URL：https://m.sohu.com/a/1055942829_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=8
• 论文：DeepMind, LLMs can't jump（待核实完整出处）