🔬GPT‑5 如何推导理论物理与量子引力新结果——Alex Lupsasca，OpenAI

摘要

• Alex Lupsasca 认为，前沿物理已经从AI辅助跨入了在边界明确的研究任务上达到超人水平的阶段。 ChatGPT o3 将一项原本需要数天的计算压缩至11分钟；GPT-5 在30分钟内复现了他最重要的论文之一；近期模型还解决了专家追踪一年的问题。他对这一里程碑的判断是绝对的，但对其适用范围保持条件限定：“至少在某些方向上，AI已经达到超人水平”（“at least in some directions AI has become superhuman”）。

• 这项旗舰成果把随粒子数阶乘式爆炸的胶子计算，替换成了规模只随粒子数线性增长的公式。 人类发现，在特殊时空设定下，当粒子变得共线时，单负螺旋度胶子树振幅并不一定为零；GPT-5.2 Pro 简化了5点和6点情形，猜出了通式；一个更强的内部模型又在12小时内独立重新发现并证明了它。“他甚至还没下飞机，我们就已经解决了这个问题”（“We solved the problem before he even got off the plane.”）。

• 第2篇论文表明，第1项成果并非偶然：公开版 ChatGPT-5.2 Pro 将这一方法从胶子推广到了数学上不同的引力子振幅。 模型选中了有向矩阵树定理，完成了多轮检查，并通过一场110页的对话产出了论文的大部分内容。团队称，模型大约在第1篇论文发布后3天就能给出第2篇；最终耗时3周，是因为人类进行了细致核验。“大部分时间花在验证答案，而不是写作上”（“Most of the time was spent verifying the answer, not writing.”）。

• 研究经济学正在从生产计算转向选择问题、验证大量产出。 Lupsasca 说，只要引导得当，对于难度不高或类似已知计算的问题，模型可能每天产出1篇论文；10个并行对话则能侦察不同路径，快速淘汰死路。稀缺的人类贡献将变成品味、专家引导和验证，而不是原始符号劳动。

• AI目前更像一名能力惊人的研究生，而不是能自主设定科学议程的人。 给它一个尖锐、定义清楚的问题，它就能完成前沿计算；但“优秀物理学家与伟大物理学家的区别，在于知道该问什么问题”。这道护城河正在收窄：当被要求为胶子论文提出3个后续方向时，GPT给出的基本就是Lupsasca自己的3个首选。

• 赋予研究者“AI超能力”的同一项能力，也在威胁训练体系和信息质量。 传统上需要6至12个月的研究问题如今可以被“碾碎”，学生借此建立技术与信心的成长仪式正在弱化；与此同时，措辞糟糕的提示词也能生成包装精美的“AI垃圾内容”，充斥 arXiv。Lupsasca 的应对是提高发表门槛，而不是花一年写出30篇增量论文。

• 验证、形式化和科学传播正在成为新的基础设施机会。 自然语言推理已经强到让形式化证明显得没那么紧迫，但大规模并行生成又把负担推回给人类，使 Lean 等工具重新变得更有价值。Lupsasca 也怀疑静态论文还能否再撑20年：他设想的将是交互式研究对象，能解释全局、展示推导，并按需展开细节。

精读

1. 前沿物理从邮件工具跃迁至研究级推理

• 仅仅1年多前，Lupsasca 还认为AI最多适合处理邮件，与那些构成其研究核心的“重要理论物理计算”无关。ChatGPT o3 只用11分钟就完成了一项他原本需要数天的计算；据他所知，普通科学软件也无法完成这项任务。

• GPT-5 带来了更彻底的转变。只给出一个热身提示，它就在30分钟内复现了Lupsasca最重要、最困难的论文之一——他认为只有少数几个人能够完成的计算。“天啊，这改变了一切。”他回忆自己当时这样想；在休假期间加入 OpenAI，成了顺理成章的选择。

• Lupsasca 说，GPT-5.4 又实现了一次大幅跃升，即便消费者只看邮件质量，几乎也察觉不到变化。他对 GPT-5 最初反响冷淡的抱怨很直接：“GPT-3就能写邮件。它写邮件还能好多少？重点不在这里。”前沿科学能力的进步速度，远远超过了消费者看得见的体验。

• 研究团队如今会主动传来证据。一位通信对象称，Codex 在10分钟内生成了技术要求很高的 SYK 模型模拟，此前物理学家为搭建它苦苦挣扎。RJ 指出，许多物理学家也具备编程能力；Brandon 则强调，有能力的研究者本来就会尝试这件事，最后得出的结论是：“Codex 现在真的很强了。”

2. 散射振幅压缩了量子场论中的信息

• Lupsasca 从量子场论必须调和的一组张力讲起：相对论绝对禁止信息超光速传播，而量子力学则认为物理量本质上带有模糊性。量子场论是20世纪用来同时容纳这两项原则、并通过概率结果描述力的理论框架。

• 这些概率来自对称为量子振幅的复数量求平方。散射振幅规定了具有给定能量、动量和偏振的粒子相撞后，以另一种构型出现时可能发生什么；如果知道任意 n 的 n点振幅，就“大致上”等于知道整个理论。

• 偏振引入了螺旋度：光子的横向箭头在传播时可以右旋或左旋，形成正或负螺旋度。传递束缚原子核的强力的胶子，也带有类似标签。树振幅提供领先阶贡献，圈图则增加相互作用，因此带来耦合常数更高次幂的、逐渐变小的修正。

3. 共线漏洞重新打开了教材认定为零的振幅

• 如果所有胶子都具有正螺旋度，树振幅就会为零：这种相互作用被禁止，无法发生。教材将基本相同的论证延伸到单负构型，即其中1个胶子具有相反螺旋度，并同样将该振幅视为零。

• 下一个情形是2个负螺旋度胶子，它 famously 不会消失。Parke 和 Taylor 在1980年代的计算汇总了大量几乎完全相互抵消的项，最终只剩下一条简洁公式。这些振幅后来被称为“最大螺旋度破缺”（MHV）振幅；但Lupsasca如今更偏好理论色彩较弱的“双色负”描述。

• Alfredo Guevara、David Skinner 和 Andrew Strominger 发现了一个漏洞：零值论证假定粒子从一般方向抵达。当部分粒子严格共线，并在所需的特殊时空签名下考察问题——通俗地说，就是“2个空间维度和2个时间维度”——单负振幅就可能非零。

• 人类可以表示出答案，却无法揭示它的简洁形式。3个粒子给出1项，4个给出2项，5个给出8项，6个则产生32项复杂表达式；对一般 n 而言，费曼图数量按阶乘增长。整整1年，他们都在寻找 Parke–Taylor 式奇迹简化的单负对应物。

4. GPT将阶乘展开压缩成线性公式

• 在 Strominger 按计划到 OpenAI 合作之前，团队把5点、8项的表达式输入公开版 ChatGPT Pro。模型找到了一个相空间区域：其中1个粒子的频率符号与其他粒子不同；在该区域里，表达式收缩成3项的乘积。据称模型写了 Python，检查约5,000种可能，并自行选出了这种简化方式。

• 6点测试更具冲击力：32项、每项都包含嵌套乘积的表达式，收缩成了4项的乘积。“哇，好吧。这真的很漂亮。”研究人员这样回应。他们没有7点表达式，因为手工展开1个这样的表达式成本高到无法承受。

• 当被要求推断所有 n 的模式时，GPT-5.2 Pro 提出了一条复杂度按线性增长、而非阶乘增长的公式：粒子数翻倍，项数也只需翻倍。Lupsasca 认为，这就是 Parke–Taylor 公式的单负版本；但公开模型能猜出公式，却无法证明它。

• 一个更强的内部模型接到的是经过清晰表述的问题，没有候选公式，也没有低点数答案。12小时后，它独立重新发现了同一个表达式，并给出3步推导。论文在陈述结果之后的其余部分，本质上就是该模型生成的证明。

5. 科学主张独立于不寻常的发现手段

• Lupsasca 对功劳划分得很清楚：人类发现了共线漏洞，并证明振幅不必为零；AI找到了简洁的通式及其证明。论文标题《单负胶子树振幅非零》把重点放在物理学上，而不是把工作包装成一次AI演示。

• 作者没有在摘要中提及AI，只在一段文字中交代 GPT-5.2 Pro 的猜想和内部模型的证明。Lupsasca 打了个比方：读者查阅几十年前的结果时，并不关心当年运行关键计算的是哪个 MS-DOS 版本，或用了几摞软盘。方法在历史上很重要，但不应遮蔽持久的物理学成果。

• 主持人提出了一个值得保留的质疑：从展示出的5点、6点公式走向通式，对研究生来说可能看起来很自然。Lupsasca 的回答是，证明来自一场没有任何极限情形提示的新会话，构成了独立检验；但他仍拒绝过早给论文排名，因为真正的影响力要由未来几十年的后续工作来衡量。

6. 公开版 GPT 将发现从胶子推广至引力子

• 引力子是引力波假设中的不可分量子，但没有任何实验直接测量到它们，正确的量子引力理论也仍未知。用场论语言说，胶子是自旋1粒子，引力子是自旋2粒子，偏振数据的某些方面翻倍，使数学问题实质上不同。

• 胶子论文发布3周后，团队发布了《单负引力子树振幅非零》。他们称，论文其实可以在第1篇发布约3天后就推出，因为 ChatGPT 就是这么快给出了答案；拖延来自仔细检查、撰写完善论文和补充背景。“大部分时间花在验证答案，而不是写作上。”Lupsasca 认为，1年前这还是荒谬的倒置。

• 这一次不需要内部模型。团队把胶子论文交给公开版 ChatGPT-5.2 Pro，强调其附录，说明引力问题需要的两处改动，然后说：“祝你好运。你是一名杰出的理论物理学家。”模型意识到，可以用有向矩阵树定理来组织新的计算——这是一套已知数学工具，但人类专家此前没有想到在这里使用它。

• 在一场110页的对话中，模型提出下一步、完成合理性检查、处理树求和与约化公式，并反复请求继续的许可。人类的回复往往只是“继续”，或者要求进行一项明确验证。Lupsasca 将这种工作模式称为“氛围物理”（“vibe physics”）。

7. 结果何时成为有意义的科学，仍取决于人类引导

• 人类判断依然清晰地体现在模型没有主动产生的部分。Strominger 撰写了更宽泛的引言；通用AI草稿没有解释结果为何重要。研究人员还单独发起了另一项研究，考察振幅在与天体全息和量子引力相关的对称性下如何变换。

• 但从第3节开始，Lupsasca 说，发表的引力子论文基本保持了模型草稿的面貌，数学部分由公开版 ChatGPT Pro 推导完成。因此，他的判断相当明确：这是“量子引力领域一项真正扎实的成果”，主要由AI产出，但问题由专家选择，工作由专家引导，每一步由专家核验，科学视角也由专家提供。

• 边界已经移动，但并未消失。AI如今解决了几位领域专家追踪一年的问题，但Lupsasca明确表示，它还没有解决一个让整个学界苦战几十年的问题。这是他想看到的下一个门槛。

8. AI压缩困惑，并把并行对话变成研究侦察兵

• 物理教育传统上把艰苦计算当作必经训练：学生学习技术，也证明自己能够熬过困难工作。教授们会把可处理的6至12个月问题留在手边，用来连接课程学习与研究。Lupsasca 怀疑，当前模型可以“碾碎”其中许多作业，使旧有训练结构变得不稳定。

• 但AI也能帮助学生穿过他所称的研究生课程与研究前沿之间的“沙漠”。它可以按所需层级拆解任何事实，连接陌生概念，避免数月无效困惑。尚未解决的问题是：当最强的导师也有能力替学生完成作业时，学生如何建立独立信心。

• 在Lupsasca自己的工作中，困惑耗费的时间已经大幅缩短。完成计算后，他可以询问这与另一个已知事实如何相容，立即听到自己遗漏了什么，或对问题的框架哪里有误；过去需要散步、转做其他项目、在思维堵塞中消耗数日的过程，如今变成快速纠偏。

• AI也改变了探索方式。他不再需要把稀缺精力押在从A经过B走到C的一条路径上，而是可以同时开启10个对话，让它们沿不同方向成为高速“侦察兵”。即便不完美的侦察兵，也能指出有希望的地形并留下路标；沿着一条部分绘制出的路线前进，远比第1个闯入未知区域容易。

9. 技术能力的扩张速度快于科学品味

• 研究生进入物理学时，常问的问题包括：为什么空间有3个维度？大爆炸发生了什么？黑洞内部是什么？专业成熟意味着意识到，有些问题距离当前知识边界太远，无法有效切入；进步来自选择一个刚刚超出边界的问题。

• Lupsasca 因此区分了能力与伟大。一个合格的物理学家可以学会问题所需的任何数学、代码或计算工具。“优秀物理学家与伟大物理学家的区别，在于知道该问什么问题”——这是最难的科学技能，通常也是最后才学会的技能。

• 当前模型像能力异常强的研究生：一旦给出精确问题，它们可能在计算上达到超人水平。但它们还不能稳定判断哪个问题值得追踪，因此人类品味仍居核心；而把问题、细节层级和表述方式匹配给学生的学术能力，也可以直接迁移到提示AI协作者。

• 这种优势可能只是暂时的。当Lupsasca把胶子论文的一页内容交给 ChatGPT Pro，要求它提出3个最佳后续方向时，模型给出的基本就是他的3个首选。他不愿透露内部正在进行的自主前沿发现工作，但表示，AI在选择问题方面已经强得出人意料。

10. 黑洞“Love”测试让这条轨迹变得私人化

• 主持人质疑，表面上的创造力是否只是重新组合。Lupsasca 回答说，人类发明也可能只是“一台栈式机器的重新组合”，而 GPT 给人的感觉像一名有创造力的协作者。他保留了一个异议基准：据他了解，Terry Tao 曾将看似有创造力的AI证明追溯至晦涩参考文献，尚未见过真正令人印象深刻的新颖数学步骤。

• Lupsasca 对 GPT-5 的决定性测试，使用了他当时尚未公开的论文，主题是黑洞为何没有“Love”——Love 数衡量潮汐响应，黑洞响应为零意味着存在某种保护对称性。由于模型的训练数据截止时间早于论文发表，他只提供了控制方程，并要求模型找出其对称性。模型最初错误地回答说不存在任何对称性。

• 随后，他给出了一个显而易见的平直时空热身问题。GPT-5 Pro 在9分钟内正确解决了这个有着200年历史的问题，找到了3个生成元；在同一场对话中得到提示后，它又回到黑洞方程，并在18分钟内发现了新的对称性。“那就是我的第37步棋。”他说，那一刻，模型在不到半小时内复现了他最珍视的计算。

11. 低成本论文生成抬高门槛，也让验证变得稀缺

• Lupsasca 认为，在专家引导下，对于接近已知工作的计算，模型已经能够每天产出1篇人类水平的论文。糟糕的问题同样能生成包装精美的胡言乱语，助长“AI垃圾内容”，并淹没 arXiv。学界再也不能把专业化呈现当成底层问题或推导可靠的证据。

• 他的应对不是发表30个单负论文变体。随着生产成本下降，重要性的标准必须提高。他希望以这些新振幅为切入点，逐步攻向更困难的量子引力问题，最终挑战那些让整个学界苦战几十年的难题。

• 静态论文本身也显得低效：AI完成计算，人类把它压缩成简短符号，结果又被重新输入AI展开。Lupsasca设想一种交互式论文：可以解释全局、放大某个推导，或展示数学家目前通常省略的直觉图景；同时保留写作迫使人澄清思路的有用纪律。

• 验证可能成为今年的主导瓶颈。Lupsasca 曾认为形式化证明系统不可或缺，后来自然语言推理进步到足以接近人类数学讨论；如今模型可以同时攻克数千个问题，返回多到人类无法检查的证明。因此，Lean 等系统中的形式化、自动检查，以及更清晰的模型置信度信号，又重新变得有价值。