LLM跨越关键门槛：在部分科研问题上超越顶尖专家

LLM在科研领域跨过了一道隐形门槛

大型语言模型（LLM）正在逼近、甚至在某些科研问题上超越顶尖人类专家，这被不少业内人士视为一个标志性的转折点。一条在 Twitter 上引发讨论的观点指出：LLM 已经在部分研究问题上超过了最顶级的人类专家，而这背后隐藏着一个容易被忽视的事实——在科学发现领域，模型"略低于"顶尖人类水平和"略高于"顶尖人类水平之间，存在着本质性的差别。

这种差别恰恰解释了为何近期数学领域的进展给人一种"突然爆发"的感觉。能力曲线其实多年来一直在稳步上升，但对于科研工作而言，只有当模型真正越过人类的最高水准，它才开始具备独立产出新知识的价值。在那之前，哪怕性能已经非常接近，模型仍然只是一个"追赶者"。

为什么门槛效应如此关键

科学发现与常见的基准测试任务有一个根本不同：它不奖励"接近正确"，只奖励"突破"。一个比人类专家稍差的模型，无法贡献人类尚未发现的结论；而一个哪怕只是略微超越人类的模型，就有可能解决此前无人攻克的问题。

这就是所谓的"门槛效应"。在渐进式的能力提升过程中，大部分改进是不可见的——用户感受不到模型从"做对80%"提升到"做对90%"带来的质变。但一旦模型跨过人类专家的天花板，成果会以一种看似跳跃的方式集中涌现。原帖作者认为，近期数学领域成果的集中爆发，正是这一机制的直接体现：不是能力突然变强，而是能力刚好越过了那条决定"有无价值"的分界线。

能力依然"参差不齐"

值得强调的是，这种突破并不意味着 LLM 已经全面超越人类。原帖作者也坦承，LLM 的能力依旧是"参差不齐"（jagged）的——它们在很多方面仍然明显不如人类。

所谓"锯齿状能力"，指的是模型在某些高度结构化、可验证的任务上表现惊人，却可能在一些对人类来说极为简单的常识判断或推理环节上出错。数学之所以率先出现突破，部分原因在于它的结果可被严格验证，推理链条清晰，容易形成高质量的训练与反馈信号。而在更依赖实验、直觉、跨学科整合的科研领域，模型的短板依然明显。

换句话说，"超越专家"目前仍是局部的、特定问题上的超越，而非整体智能层面的全面压制。理解这种不均衡性，对于合理评估 AI 在科研中的真实作用至关重要。

"锯齿状能力"（jagged capability）这一概念最初由研究人员用来描述大型语言模型令人困惑的能力分布格局：同一个模型可以解答研究生水平的数学题，却在计算"一周后的日期"这类小学难度问题上频繁失误。这种不均衡并非偶然，而是与训练数据的分布、强化学习反馈信号的质量以及任务的内在结构密切相关。高度形式化、符号化的任务（如数学证明、代码生成）天然适合自动化验证，能够产生大量高质量的监督信号，从而驱动能力快速提升；而依赖隐性知识、跨模态感知或"常识物理直觉"的任务，则因缺乏清晰的反馈机制而进展迟缓。理解锯齿状能力的存在，有助于避免两种常见的认知误区：一是因为模型在某个难题上的出色表现而过度外推其整体智能水平；二是因为模型在某个"简单"问题上的失误而全盘否定其在特定领域的真实突破。

新一轮科学发现时代的前奏？

基于数学领域的进展，原帖作者给出了一个乐观但审慎的预判：随着模型持续改进，其他领域的突破也会相继出现，最终可能开启一个"科学发现的新时代"。

这个判断的逻辑在于，门槛效应并非数学独有。只要某个学科的问题具备可验证性、可形成有效反馈循环，模型能力的持续积累就迟早会越过人类专家的上限，从而在该领域引爆类似的成果潮。物理、化学、生物乃至材料科学，都可能成为下一批候选。

当然，这一愿景也伴随着现实约束。许多科研领域缺乏数学那样清晰的验证机制，实验成本高、反馈周期长，模型的"锯齿状"短板也可能在复杂真实场景中被放大。因此，与其将其理解为"AI即将取代科学家"，不如视为一种新的协作范式正在成形：模型负责在可验证空间内高速探索与突破，人类负责提出问题、设计验证、整合跨领域洞见。

"可验证性"（verifiability）是决定某一学科能否率先受益于AI突破的核心变量。数学之所以领先，不仅因为其命题有明确的真假判断，更因为现代定理证明辅助工具（如Lean、Coq、Isabelle）已经能够自动检验形式化证明的正确性，从而为强化学习提供了精确的奖励信号。这一反馈回路使模型能够在无需人类专家逐步批改的情况下进行大规模自我改进。相比之下，生物学或材料科学中的假说往往需要数周乃至数年的湿实验才能得到验证，反馈周期的延长极大地压缩了强化学习的可用信号量。因此，"哪些学科会是下一个数学"这一问题，本质上是在问：哪些学科能够建立起低成本、高速度的自动化验证基础设施——无论是通过计算机模拟、高通量实验，还是形式化规范体系。

结语：转折点的意义

这条简短的观点之所以引发关注，是因为它点出了一个被能力曲线掩盖的真相——在科研这件事上，"刚好超过人类"远比"持续接近人类"更具颠覆性。数学只是第一个显现这一效应的领域。如果门槛效应在更多学科复现，我们或许正站在一轮由 AI 驱动的科学发现浪潮的起点上。保持乐观的同时，也需要清醒认识到当下模型能力的局限与不均衡。