搜索
近日，清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归（agentic symbolic regression）的运行时框架 SRHarness [1]，让 AI 更可靠地从观测数据中发现公式；同时构建机制发现基准 MechBench [2]，系统评测 AI 能否进一步揭示公式背后的机理。
一道科学问题，AI 可以给出解释，列出步骤，甚至写出分析代码。
「他们彻底摧毁了我的研究领域。」
最近，全世界的数学圈都被AI核爆了。
一道悬了59年的核聚变难题，GPT-6 Astra只想了20分34秒，就交出了答案。
昨天早上，可能会是人类时代的一个分水岭。
哈佛物理学家Matthew Schwartz用Claude和开源工具BootLoops处理可验证的科研任务，90天产出横跨18个学科的36篇论文初稿，并主张由人挑题、追问和验收，让AI发挥辅助而非替代科学家的作用。
哈佛大学物理教授马修·施瓦茨用Claude三个月内与19位合作者攻克了18个领域的36个学术难题，并将提炼出的AI科研框架BootLoops 1.0以MIT协议正式开源。
思特雅大学曾仔健搭建的AI Has Taste项目公开453份数学研究手稿和6篇AI-Proposed Conjectures，其中AI曾构造反例推翻论文猜想并获原作者确认，该系统通过多Agent协作将失败转化为新一轮研究输入，推动AI从生成答案走向生成研究议程。
科学进步正在明显放缓。