哈佛物理学家发布开源工具 BootLoops，助 AI 模型完成精确科学计算

核心事实

据 the-decoder.com 报道，哈佛大学物理学家 Matthew Schwartz 构建了开源工具 BootLoops，用于支持 AI 模型执行精确的科学计算，源代码已在 GitHub 上公开。Schwartz 目前同时在 Anthropic 担任访问研究员，相关介绍出自 Anthropic 的一篇客座文章。

据其描述，借助该工具，Claude 在粒子物理、生态学、群体遗传学、经济学和语言学等领域之间找到了联系。Schwartz 用「凸包」概念解释思路：人类知识分散在各学科，学科之间的空白地带少有人涉足，而此类工具意在填补这些缝隙。

背景与影响

据 Schwartz 介绍，三个月内他与 19 位合著者在 18 个领域产出 36 篇手稿。他最初做粒子物理计算，数周内 Claude 用 BootLoops 计算了 30 个积分，其中 15 个复现已知结果，15 个为首次计算。在生态学中，模型求解了中性生物多样性理论中一个已有 20 年历史的方程；在群体遗传学中，团队分析了 1000 基因组计划中的 57 亿个突变对。其他项目还包括面向经济学期刊的 AI 数据编辑器，以及覆盖 6072 种语言的重音数据库。

Schwartz 认为 AI 正在快速改变科研节奏，并称「面向工程师的 Python」课程如今已无必要。但他也强调，人类指导与判断仍不可或缺。

限制与来源

Schwartz 提醒，模型常过早宣布成功，「完成，但有一个星号」往往意味着根本没完成；它还会误判任务耗时，倾向于暴力计算而非更优雅的解法，自动检查并不可靠，即使计算正确，结论也可能出错。此外，模型偏好引用量高的旧议题，而非真正的新问题，且项目「算力与 token 消耗密集」。上述内容来自 Schwartz 的个人介绍与 Anthropic 客座文章，尚未获独立验证；工具功能与可用范围请以官方仓库当前信息为准。