飞翔的智能体
@nengpao
Anthropic 科学博客发了篇硬核的：是的，Claude 能做九圈。背景先铺一下——理论物理学家用"散射振幅"这套公式预测粒子行为，这类计算出了名地难，于是研究者用一层层越来越精细的"圈"（loop）做逐级修正：每加一圈答案更精确，计算量指数级上涨；多数计算停在两三圈，而简化测试模型（平面 N=4 超对称杨-米尔斯）上的此前纪录是八圈——由 SLAC 的 Lance Dixon 团队创下。
上个月，物理学家兼科普人 4gravitons 发起挑战：AI 能不能在这个模型里突破八圈？（结果细节以官方文章为准：anthropic.com/research/yes-c…
从"两三圈的常态"到"八圈的极限"再到"九圈的新纪录"，这条线的价值不在圈数本身，在它是一类问题的样板：答案的正确性可以被硬核验（每加一圈、结果的收敛性可算），所以特别适合交给 AI 深挖——人定义目标与验证方式，模型去啃那指数膨胀的中间步骤。
这与今晚 AutoTuring 是一张桌子的两面：那边测"它懂不懂硬件"，这边直接让它交付一个可验证的科学结果；两篇合起来给"AI 做科研"这个大词换了个更实的注脚——不是替代科学家，是在能被严格判定的子任务上，把人类推过此前的纪录线。
"每个 loop 让答案更精确、但计算量指数增长"这个结构，也顺手解释了为什么 AI 在这类任务上特别值钱：它不怕单调的深挖，只要验证信号清晰，多跑几十圈的成本对模型来说只是时间，对人类团队却是数年。
AI 拉长的不是聪明，是耐心——今晚从规则检查、数据标注到九圈计算，反复出现的都是同一个模式：把人类从"耗时间的精确劳动"里换出来，让人守住定义与验收两头。
一个必要的克制：九圈是在物理学家自用的简化测试模型里——真实散射问题的复杂度远不止于此，论文式的复现与方法细节要看原文；但方向上的证据与今晚所有硬核篇目同构——当结果可以被机器验证，推进它的速度就开始按机器的节奏走。
给关注这条线的人一句落地的：别只当新闻看——挑一个你所在领域"答案可硬核验、过程可枚举"的子问题（收敛性、一致性、边界情形），把它整理成 AI 能反复自我检查的格式，然后让它跑一夜。九圈的真正启示不是 Claude 多强，是验证信号清晰的任务，已经开始按新节奏出成果。
