知识卡片：大语言模型能否通过自由探索发现隐藏物理定律？

一句话结论

论文提出自动化框架 LongChang，用“物理定律被篡改”的模拟世界检验 LLM 能否在无任务提示、无目标定律线索的条件下，自主发现异常并通过实验揭示隐藏规律；据摘要，12 个模型中仅 GPT-6-Astra 取得 16.7% 的发现率，其余 11 个均为 0%。

事件概述或研究问题

科学发现常始于一次意料之外的观察，并由此催生新的研究问题。本文追问：在一个物理规律被改变的世界里，LLM 能否像探索者一样注意到反常现象（例如越重的物体下落越慢），并在无人告知“该研究什么”的情况下，通过自主实验把这条被改动的定律找出来。为此作者构建了 LongChang 框架，用于生成物理规则被修改的模拟世界（一条或多条定律偏离日常物理），并让受测 LLM 以探索者身份操作物体、搭建工具、提出并检验自己的问题。

方法/产品要点

• 模拟世界生成：LongChang 自动创建“物理被改动”的模拟环境，改动可涉及一条或多条定律。
• 多智能体分工：由不同的 LLM 智能体分别负责生成与审核场景、审核工具设计、以及依据“被改动的物理定律 + 探索记录”评判报告的正确性与实验支撑程度。
• 闭环演化：探索记录反过来驱动场景演化，使“探索—评审—场景更新”的完整循环无需人工介入即可持续运行。
• 无提示设定：受测模型不获得研究任务，也不获得关于被改动定律的任何线索。
• 评测对象：共评测 12 个 LLM。

（以上要点均来自摘要；框架实现细节、场景数量、评分细则等待核实。）

主要结果或产业意义

• GPT-6-Astra 的发现率为 16.7%，其余 11 个模型均为 0%。
• 探索记录显示两类失败模式：一是存在未被调查的异常（模型注意到了反常却没有去追），二是对被动定律仅做到部分识别。
• 产业意义（推断，待核实）：若该范式成立，LLM 在科学发现中的角色可能从“给定问题的求解器”转向“自主提出问题的探索者”，这对自动化实验设计、仿真环境中的假设生成与 AI Scientist 类系统具有直接参考价值；但当前成功率表明该能力仍处于很早期阶段。

为什么重要

它与既有卡片《大语言模型能否在真实与平行世界中发现科学定律？》构成同一问题脉络的延续但方法不同：前者的 SCILAWS-BENCH 以“真实观测 vs 平行世界”两类互补任务评估定律发现，并指出预测拟合度与科学有效性可能脱节、记忆会影响模型是复现还是超越已有公式、best-of-N 暴露选择瓶颈；本条 LongChang 的增量在于把评估重心放在无任务提示的自由探索闭环上——不是让模型拟合给定数据，而是检验它能否自己注意到异常并把异常转化为研究问题，且用多智能体评审替代人工评判。两者共同指向一个判断：LLM 的“发现”能力瓶颈可能不在公式拟合，而在异常觉察、实验设计与结论校验这几个环节。

局限与不确定性

• 正文未能抓取，本卡片仅基于标题与摘要元数据；模型清单、实验规模、统计口径、评审智能体的可靠性验证等均待核实。
• “发现率”的具体判定标准（何种程度算“发现”、部分识别如何计分）待核实。
• 16.7% 的绝对水平较低，且仅一个模型非零，难以区分是模型能力差异还是评测随机性/场景难度分布所致，待核实。
• 模拟世界中“被改动的物理定律”由 LLM 生成与审核，存在评审智能体与被测模型同源带来的偏置风险，待核实。
• 结论能否外推到真实物理世界或真实科研流程，待核实。

可用于图书/PPT/简报的角度

• “从解题到提问”：AI 科学发现能力的评估重心正从拟合精度转向异常觉察与自主实验。
• 一个刺眼的数据点：12 个模型中 11 个发现率为 0，可用作“自主科学发现仍是开放问题”的直观论据。
• 多智能体评审作为可扩展评测基础设施：用 LLM 评审 LLM 的实验报告，利弊可作讨论案例。
• “未被调查的异常”这一失败模式，可类比人类科研中的观察遗漏与注意力分配问题。
• 与 SCILAWS-BENCH 并列成一张“LLM 科学定律发现评测”对照表（真实观测/平行世界 vs 自由探索闭环）。

与既有脉络的关系

本条是对《大语言模型能否在真实与平行世界中发现科学定律？》的方法学延伸：同一核心问题（LLM 能否发现科学定律），但把“是否给出研究任务”这一变量单独拎出来，检验无提示条件下的自由探索；增量信息是“发现率”这一量化结果与“异常未被调查/定律仅部分识别”的失败模式描述，而非重复其关于记忆影响与 best-of-N 选择瓶颈的结论。

原始材料

• 标题：Can LLMs Uncover Hidden Physical Laws through Free Exploration?
• 来源：arXiv（学术预印本），URL: https://arxiv.org/abs/2610.37649v1
• Track: academic；Topics: foundation-model
• 状态说明：正文抓取失败，以上内容仅依据标题与摘要元数据整理，标注“待核实”处需回到原文核对。