MEPPP 热点收录
@meppp_hot
收录
原帖正文
哈佛一个物理学家，三个月，用 Claude 搞出 36 篇论文稿，横跨 18 个领域。生态学、群体遗传、经济学、语言学、太阳黑子……
大部分是他自己的专业以外。我觉得最值得看的，是他怎么走到这一步的。去年 12 月他第一次试，把 Claude 当研究生用。
感觉像一个很强的博士生，速度快 20 倍。
但每句话都得他改，老跑偏，老往死胡同里钻。
很累。今年夏天他换了个用法：
别再拿它当你想要的那种合作者，按它实际的样子来用。深的概念问题，它现在确实帮不上。
但它什么领域都懂，代码极强，数学统计跟得上前沿，读论文读数据是机器速度。那就专门去找适合它形状的问题。
他管这叫 "Claude-shaped" 问题。结果发现这类问题多到离谱。
很多领域卡了很多年的难题，另一个学科早就有现成的数学工具能直接解，只是没人两边都懂。比如生态学有个方程，2005 年提出来，20 年没人能大规模算出来。
Claude 认出它和物理里算的积分是同一类东西，直接解了。这个哥们兴冲冲拿去给生态学家看。
对方说：技术上很厉害，但大部分生态学家看了大概会耸耸肩。然后专家给了个更好的方向，三方一起改，最后才做成真正有价值的东西。几乎每个项目都是这个轨迹：
Claude 找到一个技术上正确的结果
专家不太感冒，但看到了潜力
一起把它雕成真正的科学他用了个词我很喜欢：凸包。
人类知识是锯齿状的，每个领域朝自己的方向戳出去很远。
中间那些"人类够得着，但没有哪个具体的人去够"的地方，最适合 AI 来填。还有两个细节太真实了。Claude 特别爱宣布胜利。
有次说证明完成了，就差"一个未证明的引理"。
那个引理就是整个证明。
他说不许有未证明的引理。
它又说完成了，这次多了一条新公理。还有它完全没有时间概念。
干了三天，汇报说"历经两年征战"。我觉得这篇对普通人挺有用：
很多人用 AI 用得失望，是因为一直在拿它当人用。
找对了形状，它是怪物。
找不对，它就是一个每句话都要你改的实习生。至于哪个问题值得做，这个品味目前还在人这边。看完我把 todo 重新排了一遍，Claude 形状的全扔给它了。
剩下的都是我形状的。
主要是开会。https://x.com/AnthropicAI/status/2105733864152858919
大部分是他自己的专业以外。我觉得最值得看的，是他怎么走到这一步的。去年 12 月他第一次试，把 Claude 当研究生用。
感觉像一个很强的博士生，速度快 20 倍。
但每句话都得他改，老跑偏，老往死胡同里钻。
很累。今年夏天他换了个用法：
别再拿它当你想要的那种合作者，按它实际的样子来用。深的概念问题，它现在确实帮不上。
但它什么领域都懂，代码极强，数学统计跟得上前沿，读论文读数据是机器速度。那就专门去找适合它形状的问题。
他管这叫 "Claude-shaped" 问题。结果发现这类问题多到离谱。
很多领域卡了很多年的难题，另一个学科早就有现成的数学工具能直接解，只是没人两边都懂。比如生态学有个方程，2005 年提出来，20 年没人能大规模算出来。
Claude 认出它和物理里算的积分是同一类东西，直接解了。这个哥们兴冲冲拿去给生态学家看。
对方说：技术上很厉害，但大部分生态学家看了大概会耸耸肩。然后专家给了个更好的方向，三方一起改，最后才做成真正有价值的东西。几乎每个项目都是这个轨迹：
Claude 找到一个技术上正确的结果
专家不太感冒，但看到了潜力
一起把它雕成真正的科学他用了个词我很喜欢：凸包。
人类知识是锯齿状的，每个领域朝自己的方向戳出去很远。
中间那些"人类够得着，但没有哪个具体的人去够"的地方，最适合 AI 来填。还有两个细节太真实了。Claude 特别爱宣布胜利。
有次说证明完成了，就差"一个未证明的引理"。
那个引理就是整个证明。
他说不许有未证明的引理。
它又说完成了，这次多了一条新公理。还有它完全没有时间概念。
干了三天，汇报说"历经两年征战"。我觉得这篇对普通人挺有用：
很多人用 AI 用得失望，是因为一直在拿它当人用。
找对了形状，它是怪物。
找不对，它就是一个每句话都要你改的实习生。至于哪个问题值得做，这个品味目前还在人这边。看完我把 todo 重新排了一遍，Claude 形状的全扔给它了。
剩下的都是我形状的。
主要是开会。https://x.com/AnthropicAI/status/2105733864152858919
引用自 X
原帖地址：https://x.com/i/status/2105967024593940948
原帖：
在物理学中，当两个系统各自工作良好但匹配不佳时，会发生“阻抗不匹配”。在这篇科学博客的客座文章中，哈佛大学物理学家马修·施瓦茨（ Matthew Schwartz ）认为，人工智能和科学正在发生类似的事情。 LLM在许多方面都有能力，但与人类合作者一样与他们合作并不是目前激发他们科学优势的最佳方式。为了解决这种不匹配， Schwartz创建了一个用于定量科学精确计算的工具包。由于类似的计算经常出现在非常不同的科学领域， Claude发现了与生态学、种群遗传学和其他十几个领域的联系， Schwartz与领域专家合作，将其引向有趣的问题。在这里阅读更多关于这些项目的信息： https://www.anthropic.com/research/claude-shaped-science
查看引用原文
In physics, an “impedance mismatch” occurs when two systems each work well but are poorly matched.In this Science Blog guest post, Harvard physicist Matthew Schwartz argues that something similar is happening with AI and science. LLMs are capable at many things, but working with them as you would with a human collaborator isn’t currently the best way to elicit their scientific strengths.To address this mismatch, Schwartz created a toolkit for exact calculations in quantitative science. Because similar calculations often emerge in very different areas of science, Claude found connections to ecology, population genetics, and a dozen other fields, and Schwartz worked with domain experts to steer it towards interesting questions.Read more about these projects here: https://www.anthropic.com/research/claude-shaped-science
0 条评论
登录后可以参与讨论。
成员登录还没有评论。第一条认真回应会很重要。