Claude Science完成九圈振幅计算
这是可验算的长程符号计算案例，不是现实物理预测突破。
本文要点
- 从AI物理演示，推进到领域专家可验算的九圈符号计算结果。
- 从短提示问答，变成长时间harness执行、代码生成和计算资源组织。
- 从单一路径求解，变成bootstrap和form-factor两条方法相互支撑。
阅读辅助
先看数字、证据和来源，再读正文。
这是一篇Matt von Hippel客座文，不是Anthropic论文。
2023-08 · Lance Dixon与合作者发表八圈结果，使用form-factor与antipodal duality联系。
一次被挑战触发的可验算计算
9月25日，Anthropic Research发布了一篇客座文章，作者是理论物理背景的科学写作者Matt von Hippel。文章标题是“Yes, Claude can do Nine Loops”，新闻点很具体：Anthropic称Claude Science里的Fable 5.1完成了六粒子hexagon amplitude在planar N=4 super-Yang-Mills中的九圈计算，并且由SLAC与Stanford的Lance Dixon独立核验。
这不是一篇宣布新物理定律的论文，也不是现实世界粒子实验预测已经被AI改写。N=4 super-Yang-Mills在文章里被明确称作理论物理中的toy model，价值在于测试振幅计算方法和符号计算边界。今天值得关注的是，Claude Science在一个专家能判断真伪的高难度计算任务里，跑完了长时间代码、约束检查和结果组织。
已确认的事实包括：von Hippel在8月7日的4gravitons文章里提出挑战，希望AI公司用学术界可合理获得的算力，推进N=8 supergravity七圈或N=4 super-Yang-Mills九圈；Anthropic选择了后者；团队使用Fable 5.1和Claude Science；人类给出的核心任务提示是“The problem is to compute the Six-particle (hexagon) amplitude in planar N=4 SYM at nine loops”；之后人类主要每隔4-6小时让系统继续运行并给出更新。
边界同样重要。完整中间工件、提示历史和计费明细没有在采集包里被独立复现；Dixon核验了结果，但人类论文和后续归属还要等待。Song He团队也已经取得多数结果，并使用GPT-6辅助部分约束计算。这说明Claude并非独自越过一个所有人类都无法接近的理论壁垒，而是在一个低估了工程可达性的任务上，用更稳的harness和更多可承受计算把结果做出来。
任务到底是什么
散射振幅是理论粒子物理里用来描述粒子相互作用概率的数学对象。计算越精细，通常需要加入越多“loops”；loop数越高，公式复杂度和计算成本也越高。von Hippel文章解释说，实际物理预测中许多振幅只算到两圈或三圈，最精密的著名预测也到五圈量级。振幅研究者会先在更理想化的模型里测试方法，N=4 super-Yang-Mills就是这样的模型。
这个模型不用于解释真实世界的暗物质或实验异常。它因为高度对称、变量结构更整洁，成为振幅方法的试验台。报道里提到的九圈目标，是在这个toy model里继续推进一个已经被领域专家长期研究的六粒子hexagon amplitude。换句话说，新闻不是“Claude解决了真实高能物理的下一项预测”，而是“Claude在一个可精确验证、领域内有前史的符号计算问题上交出了下一阶结果”。
此前背景是八圈结果。arXiv上的2023年论文与Dixon附言都指向同一条线索：八圈结果通过form-factor和一种被称为antipodal duality的联系得到。Dixon在Anthropic文章附言里说，自2023年以来，他和合作者一直看向九圈，先是form factor，再到amplitude；他原本认为直接计算amplitude太难。
von Hippel在4gravitons上的挑战正是冲着这个“计算瓶颈”来的。他并不想只看AI给出聪明想法，而是想看AI能否在熟悉且艰难的老领域里，用学术界能接受的资源，完成一个原本让专家觉得太费计算和时间的任务。Anthropic这次回应的意义，也应当从这个问题出发理解。
| 核心事实 | 原文口径 | 中文写法边界 |
|---|---|---|
| 文章属性 | guest post by Matt von Hippel | 写作客座文章，不写成Anthropic正式论文 |
| 模型与产品 | Fable 5.1 within Claude Science | 写Claude Science/Fable 5.1，不泛化为所有Claude |
| 原始任务 | compute the Six-particle amplitude in planar N=4 SYM at nine loops | 写六粒子hexagon amplitude九圈，不写现实物理预测突破 |
| 人类监督 | Keep working; updates every 4-6 hours | 写长时间继续运行，不写完全无人监管 |
| 方法路径 | bootstrap and indirect form-factor approach | 写两条既有方法，不写发明新物理原理 |
| 成本估算 | one or two thousand dollars each | 写用户侧约1000-2000美元，不写百万美元算力 |
Claude Science怎么跑完
Anthropic文章说，Liam Fitzpatrick和Siddharth Mishra-Sharma两位Anthropic物理学家在8月底联系von Hippel，称他们已经处理了挑战中的一个问题。验证完成后，他们向von Hippel解释了过程。系统不是靠“百万美元计算”强压过去，而是在Claude Science这个科学harness里使用Fable 5.1，让模型按结构化规则、工具和长时间任务循环执行。
最关键的提示很短。文章保留的核心句子是：“The problem is to compute the Six-particle (hexagon) amplitude in planar N=4 SYM at nine loops.”从那之后，人类不是一步步教它写每个公式，而是反复要求它继续工作，例如“我去睡觉，接下来几个小时不在；继续工作直到我告诉你停，每4-6小时给我更新”。这个细节非常重要，因为它把案例定位成harness可靠性和长期执行能力，而不是一次即时问答。
Claude最终用了两条路线。第一条是原始bootstrap方法：先知道答案大致属于什么空间，再用各种约束逐步排除不可能项，直到唯一或高度受限的候选留下。von Hippel把它类比成数独：不是穷举每次粒子相互作用，而是在特殊字母表和约束系统里不断划掉错误可能。第二条是间接form-factor方法，也就是沿着Dixon等人在八圈结果中使用过的联系，从相近但更容易的对象回推振幅。
成本口径也要拆开。文章称任一路径按终端用户使用Claude Science的口径，大约是一两千美元，主要成本来自让Claude运行很久。bootstrap计算本身用Python和SymPy完成，约100美元，相当于96颗CPU运行一周。这两个数字不能混写：100美元说的是计算部分；一两千美元说的是包含长时间Claude调用的端到端用户侧估算。
Dixon验证与Song He并行结果
Dixon的附言是这条新闻最强的外部支撑之一，但它仍然在Anthropic发布页里，而不是独立期刊论文。Dixon说，9月1日，Anthropic的Liam Fitzpatrick和Siddharth Mishra-Sharma告诉他，Claude已经计算了planar N=4 super-Yang-Mills的九圈MHV六粒子振幅，并请他验证结果。他还说明，amplitude和form factor是两个相关对象；同一loop阶数下，form factor更容易。
他的验证路径也有技术含义。Dixon称，从九圈amplitude回到form factor相对容易，因此他主要通过九圈form factor验证结果。过去两周，他在验证一个团队已经为之工作几年的九圈form factor结果。这个说法说明Claude给出的结果不是只靠语言说服，而是进入了领域专家能用既有结构检查的形式。
Dixon同时强调，Claude使用的是他和合作者多年开发的方法，并以他们已有格式呈现结果。这个评价很关键：它既肯定了Claude能执行复杂配方并组织计算资源，也把贡献边界放回正确位置。Claude没有在这里提出新的物理原则；它更像是读懂了旧论文、补齐了繁琐代码和计算步骤，并把候选结果交给能验证的人。
Song He团队的并行进展让叙事更克制。von Hippel文中说，听到Anthropic消息几天后，他们从中国科学院北京的振幅研究者Song He处得知，Song的小组已经取得了结果的大部分。他们也使用了基于GPT-6的AI辅助，但不是Anthropic这种接近one-shot、几乎无人工参与的方式。Dixon附言进一步说，Song He、Jirong Jing和Xiang Li也计算了九圈amplitude中称为symbol的部分。
这意味着“AI领先人类完成不可能任务”的说法过头了。更稳妥的表述是：Claude Science较早给出了可由Dixon验证的完整候选；Song He团队也在很接近的时间窗口用人类主导加AI辅助推进到多数结果。后续论文会决定最终归属、方法说明和可复现材料。
这件事说明了什么
对AI for Science而言，这个案例的重量来自三个条件同时成立。第一，任务是领域专家提出的，不是实验室自己设计的展示题。第二，结果可被专业研究者核验，而不是只看自然语言解释是否像样。第三，成本没有高到只能由巨型实验室承受；一两千美元的用户侧估算和96 CPU一周的计算部分，至少在理论上接近学术团队能讨论的范围。
但同样不能把它外推成“AI已经能独立做科学发现”。von Hippel自己的总结很谨慎：他原本希望看到AI以某种奇异新方法突破计算限制，最后看到的是Claude使用已知方法和稍多一些计算，把人类也接近做到的事做出来。他的最大收获，是这个领域可能存在比专家想象更多的“低垂果实”，尤其是那些目标清楚、方法已知、但工程实现细节繁琐的计算。
这正是AI科学harness的现实机会。很多研究瓶颈并不是没人知道理论上怎么做，而是代码很脆、文献细节散、旧工具难维护、计算实验需要大量耐心。LLM agent如果能稳定阅读旧论文、写出可运行代码、组织中间结果、在失败时调试，并把最终产物放进专家熟悉的格式，就能把“研究助理”这件事做得更实。
Vibe Physics是有用的背景。Anthropic此前已经展示过AI在物理项目中像学生一样做较小任务，需要更多手把手监督和纠错。九圈案例相比之下更像一次长程执行测试：人类给出目标和继续指令，系统在多天运行里自己组织代码与计算。这种差异说明模型、harness和工具链在几个月内确实往前走了一步。
早报判断是，这条新闻最该被记住的表达应落在“AI科学工具开始触到可审计的专家工作流”。一个可验算的九圈结果，比一百个无法复现的科学问答演示更有价值，因为它把模型输出放进了领域规则、旧论文、代码执行和专家验算共同构成的闭环。
它对科研组织的提示也很直接：很多所谓前沿瓶颈可能混合了两类难度，一类是真正的新概念，另一类是繁琐但可工程化的长程计算。Claude这次主要吃掉的是后一类。对小领域来说，这已经足够改变工作方式；对更广泛的物理预测来说，它还没有证明AI能提出新原则或绕过真实世界模型的复杂性。
风险在于叙事会跑得比证据快。Anthropic、Dixon和von Hippel的文字都在强调既有方法、人工验证和toy model边界，中文报道更应该守住这些限定。下一步应看完整工件公开、外部复现和人类论文归属，而不是把一次漂亮的长程执行直接升级成“AI科学家”已成事实。
读者接下来该看什么
第一，看完整材料是否公开。Anthropic文章提到附加材料包括完整九圈结果和Song He团队的并行结果，但对早报读者来说，更关键的是提示历史、代码、日志、中间文件和成本明细。没有这些材料，外部团队很难区分模型能力、harness设计、人类选择和后处理各自贡献了多少。
第二，看Dixon、Song He及合作者的正式论文。当前文章说，人类科学家会发表结果并解释分析，Claude的角色暂时结束。论文如果清楚列出方法、验证路径、AI辅助范围和贡献归属，这个案例会成为AI辅助理论物理的标志性记录；如果只停留在公司博客叙事，可信度会停在medium。
第三，看任务迁移。N=4 super-Yang-Mills是高度理想化模型，恰好拥有适合约束排除和符号操作的结构。下一批更有说服力的案例，应当来自不同领域、不同代码基底、不同验证团队，并且仍能在合理预算内完成。只有跨任务稳定复现，Claude Science这类harness才会从一次新闻案例变成科研基础设施。
最后，也要看社区如何处理“被机器抢先”的归属问题。Dixon的回应相当健康：Claude验证了他们多年方法，也要求人类继续解释和发布。Song He团队的并行成果则说明AI辅助将很快变成多团队竞争里的常规变量。未来论文不只是写结果，还要写清楚哪些约束由模型找到，哪些代码由模型生成，哪些结论由人类判断。