【LLM跳不出爱因斯坦的那一跃】DeepMind研究员Tom Zahavy发文指出，大模型虽然在归纳（统计模式匹配）和演绎（逻辑证明）上表现出色，但在“溯因推理”（Abduction）面前存在结构性缺陷。以广义相对论的诞生为例，当时牛顿力学并无明显数据危机，爱因斯坦并非通过压缩海量观测数据或单纯逻辑推演得出结论，而是通过“自由落体电梯”等具身思想实验，完成了从感官经验到物理公理的直觉飞跃。这种“溯因”本质上是为孤立现象寻找全新解释假设的能力，是科学发现中最关键的“那一跃”。这件事提醒我们，AI科学家不等于海量算力加逻辑搜索。目前的Transformer模型本质上是符号操纵的“中文屋”，它们能推导已有公式，却无法在缺乏数据反馈的真空地带创造新公理。真正的创新需要将抽象符号锚定在物理现实中。作者认为，未来AI若要实现科学突破，不能只靠读文献，必须整合具备物理一致性的世界模型，让AI在模拟环境中通过“动手做”来产生直觉。简单来说，只会做题的AI成不了爱因斯坦，它必须先具备感知物理世界的能力。 philsci-archive.pitt.edu/28024/1/Scientific_Invention_Position_Paper%20%2817%29.pdf