哈佛教授“带”AI：两周内将Claude训练成物理学二年级研究生水平

哈佛教授用14天把Claude训成物理研究生，AI开始自己写论文了

哈佛大学施瓦茨教授用两周时间，把Claude模型培训成了一名具有物理学二年级研究生水平的研究者。有开发者试了说，这标志着大模型正在从简单的知识检索工具，进化为能够深度参与前沿科学探索的“研究伙伴”。

14天爬坡路径：从懵懂新生到独立研究者

在这为期14天的实验里，Claude展现出了与人类研究生高度相似的成长轨迹：

• 任务分解：面对复杂的物理学问题，Claude能够主动与GPT-5.2、Gemini3.0等模型协作梳理思路，将大课题拆解为102个小任务（相当于把期末考试分成102道小题来做）。
• 高强度对话：实验期间，导师与AI进行了约270次深度对话（差不多每天聊19次），消耗了约3600万tokens（相当于读了60本300页的书）。
• 研究论文迭代：经过110稿的修改（改到第110版才算满意），AI最终独立完成了一份专业水平的研究产出。

导师只动口不动手：人类只提供“指导”与“纠偏”

在整个研究过程中，施瓦茨教授扮演着纯粹的“导师”角色。群里在传，教授的做法很硬核：

• 设定边界：他只负责指出逻辑错误、设定研究边界、把控大方向。比如告诉AI“你这个推导方向错了”，但绝不动手改公式。
• 拒绝“代笔”：教授绝不介入具体的计算和推导，所有核心攻关均由AI独立完成。有参与实验的人透露，教授连一行代码都没写过。
• 针对性解决：针对AI偶尔出现的“跳步”或“偷懒”倾向，教授通过精准的提示引导其自我修正。比如发现AI跳过了某个中间步骤，就会问“你确定这一步成立吗？”

AI分身同时干两件事：理论推导+编程计算

进入实验攻坚阶段后，Claude展现出了人类难以匹敌的多任务处理能力。据参与实验的研究人员说，AI可以一边推导复杂物理公式，一边同步编写底层计算代码。这种“理论推导”与“编程计算”的双线协作，极大缩短了研究周期。按传统方式，一个研究生可能需要花三周分别做完这两件事，而Claude只用三天就把两样都搞定了。

这让博士生们有点慌，但科研进度可能更快了

当大模型也能像研究生一样通过“实战”快速成长，未来的科学发现，或许将进入一个由人类定义方向、AI深度执行的“自动驾驶”时代。有高校圈在传，一些物理系的研究生已经开始担心自己毕业后的竞争力了。不过搞基础研究的老板们倒是很兴奋——以后一个教授带十个AI“博士后”，一年出的活儿可能顶一个研究所。接下来盯着看的是：其他学科（比如化学、生物）能不能复制这套培训方法？以及，教授们会不会被AI“徒弟”反过来教会新知识？