在专门设计、物理规则和现实世界不一样的模拟异世界里，大语言模型在配套实验闭环框架加持下，有概率发现一部分隐藏物理规律，但不能稳定、可靠地完成完整的科学发现。近期两篇代表性研究 LongChang 和 DiscoverPhysics 专门测试这个问题：前者让模型自由探索，自主发现反常现象、设计实验；后者给模型有限实验次数，观测粒子轨迹，反推异世界的引力、耦合、时变相互作用等定律。在 LongChang 测试中，12 款参评模型里仅有一款顶尖模型达到 16.7% 的完整发现率，其余模型全部失败，大多只能捕捉局部现象，漏掉底层核心规则；DiscoverPhysics 基准里最强模型也只能答对一半异世界任务，遇到带有隐变量、暗物质类隐藏粒子的场景时，失败率很高。本质上大模型本身没有内置物理公理，它依靠语言推理、生成实验方案、解读数据、拟合公式、迭代假设，属于 “语言驱动的科学智能体”，不是天生的物理引擎。想要看懂这个结论，要区分两种场景：带闭环仿真、能反复做实验的 Agent，才有机会发现规律；纯靠文本脑补、没有观测数据反馈的情况下，大模型基本不可能猜出异世界全新物理。同时它的短板很突出：容易把现实物理的先验知识强行套用到异世界，对异常不敏感，很难主动构思关键判决实验，就算预测数据很准，也经常给不出正确、自洽的物理解释。
一、两项核心测试基准清单
- LongChang（龙场悟道）：自由探索范式，MuJoCo 物理仿真，异世界修改单条物理规则，模型自主选择观察对象、搭建简易装置，无预设实验指引，指标：完整识别底层定律的比例
- DiscoverPhysics：N 体粒子模拟器，异世界包含分数幂引力、屏蔽引力、隐粒子、时变耦合等复杂规则，模型提交实验、拿到轨迹数据，输出文字解释 + 可运行 Python 物理方程
- 共同前提：大模型只是智能体大脑，必须搭配模拟器、数据返回、假设迭代循环，单独 LLM 不行
二、能力对照表
| 能力项 | 当前大语言模型表现 |
|---|---|
| 简单异世界（仅一条规则改动、无隐变量） | 有机会归纳出规律，写出近似方程 |
| 含隐变量、隐藏粒子、多效应叠加的异世界 | 极易失败，只能拟合表面数据，抓不到底层结构 |
| 主动发现反常现象、产生好奇心 | 很弱，经常忽略和常识不符的观测结果 |
| 区分 “刚好拟合数据” 和 “真正物理原理” | 薄弱，预测准≠理解物理机制 |
| 脱离仿真、只凭文字猜想异世界物理 | 几乎无法完成 |
三、为什么它能做到一部分，但做不到稳定发现
- 优势：大模型擅长把自然语言转化成实验思路、数学表达式、假设，在反馈循环里迭代猜想
- 短板 1：训练集里都是现实世界物理，存在强烈先验偏见，容易 “用地球物理硬套异世界”
- 短板 2：科学发现需要主动设计判决性实验，主动怀疑旧假设，这是当前 LLM 推理链条的弱项
- 短板 3：模型是概率生成，不是因果推理引擎，对复杂、多层耦合的隐式规律穿透能力有限
四、边界说明
✅ 它不是 “灵光一现式” 原创洞察，是在大量试实验、数据反馈、不断修正假设下的归纳拟合
✅ 这项研究属于 Agent+LLM 组合的能力，功劳不能只归于 LLM，模拟器闭环至关重要
❌ 不代表大模型已经拥有科学家一样的科学直觉，距离自主提出全新底层范式差距很大
❌ 成功率高度依赖异世界难度、实验预算、提示词和 Agent 框架，换一个环境结果会大幅波动
【相关 FAQ】
问题 1：大语言模型能在异世界发现隐藏的物理规律，是模型自己凭空想出来的吗？
回答 1：不是，大语言模型要搭配物理模拟器，能够提交实验、拿到观测轨迹数据、反复修正假设，在闭环 Agent 系统下才有可能发现异世界隐藏物理规律，单独 LLM 无法做到。
问题 2：LongChang 实验里，大语言模型在异世界发现隐藏物理规律的成功率高吗？
回答 2：LongChang 实验里 12 个参评大模型中，只有一款顶尖模型取得 16.7% 的完整发现率，其余全部失败，大部分情况只能看到表面现象，无法挖到底层隐藏规律。
问题 3：在异世界里，什么样的隐藏物理规律大语言模型最难发现？
回答 3：带有隐变量、隐藏粒子、多种效应叠加、随时间变化耦合关系的物理规律最难，大模型常常只能拟合表面数据，识别不到背后看不见的底层结构。
问题 4：为什么大语言模型很容易把现实物理套用到异世界，导致发现失败？
回答 4：大模型的训练数据全部基于我们现实世界的物理，会形成很强的先验偏见，当异世界规则和常识相悖时，模型容易忽略反常观测，强行套用熟悉的物理公式。
【参考资料】
[2026-10-27]（Can LLMs Uncover Hidden Physical Laws through Free Exploration?）arXiv:2610.37649（LongChang）arXiv
[2026-05-26]（DiscoverPhysics: Benchmarking LLMs for Out-of-the-Box Scientific Thinking）arXiv:2605.26087
[2026-10-28]（LongChang 项目主页）zhenyangcs.github.io/LongChang-website/
【免责声明】
本文内容基于两篇公开 arXiv 预印本实验结果，不同模型、仿真环境、实验预算条件下结论会发生变化；当前实验属于前沿学术探索，不代表大语言模型具备通用科学发现能力，本文不构成科研方案建议。