要点
- 框架：构建模型结构与方程形式；用数据约束参数；解释模型对真实系统说了什么。三人强调循环修订，而非一次拟合。
- 方法焦点：约束侧用 simulation-based inference（SBI）返回参数分布；构建侧应用 LLM agent 搜索候选模型集合，而不是只交一个「最佳」方程。
- 作者自限：迄今系统多在重发现科学家已知的模型；在尚无已知答案的问题上，证据稀薄。解释仍是最难交给 AI 的一步。
- 可证伪点是这段自我限定与三步分工能否对照原文；不是「AI 已经替人完成科学理解」。
1951 年，Hodgkin 与 Huxley 用方程描述鱿鱼神经细胞动作电位。计算机坏了半年，Huxley 用手摇计算器算了三周多。他们把一个变量提高到四次方，只因更简单的形式拟合更差；几十年后相关钾通道结构果然有四个相同亚基围着中心孔。
Anthropic Science 2026 年 11 月 6 日的客座博文借这个故事收束：AI 或许能在一个下午找到拟合更好的方程，但若只交出「能拟合的模型」，而不说明哪些特征被数据钉住、哪些备选失败，就还没有给出理解。作者 Jakob Macke、Daniel Gedon、Stefan Wahl（ELLIS Institute Tübingen / 图宾根大学；Anthropic AI for Science 受资助方）把这句话写成可核对的自我限定：现有系统多在重发现已知模型，对未知问题证据稀薄。
[1]硬事实（https://www.anthropic.com/research/teaching-ai-to-build-scientific-models；Published Nov 6, 2026；访问于上海时区当日）：
- 体裁：Anthropic Science 客座博文；作者为 AI for Science 受资助研究者 Jakob Macke、Daniel Gedon、Stefan Wahl（ELLIS Institute Tübingen 与 University of Tübingen）。
- 三步：构建（决定模型由什么组成、方程取什么形式）；约束（调参数以拟合测量）；解释（模型对真实系统说了什么，例如四次方暗示门控有多个运动部件）。实践中三步循环。
- 约束：经典贝叶斯对复杂模型常算不动；simulation-based inference（SBI）正向大量仿真后训练网络，由输出反推可行参数分布。文中举例双中子星并合定位可快到仍能指向望远镜；SBI 也已用于 Hodgkin-Huxley 类神经细胞模型。
- 构建：LLM agent 根据数据与自然语言描述写候选模型代码，约束、对比、修订；近两年多套系统出现（脚注列举 Romera-Paredes et al. 2024、Shojaee et al. 2025、Ma et al. 2024、Novikov et al. 2025、Xia et al. 2026、Ziaei Bideh and Gryak 2026 等）。作者主张返回「合理模型的分布」，而非单个最佳拟合（另见 Wahl et al. 2026 等脚注）。
- 解释：三人写明这是最难交给 AI 的一步；拟合可测，「理解」难写成目标。提议包括：看扰动后预测是否稳；或看输出是否帮助人类科学家读懂设计原则（量子实验程序生成一例）。
- 尺度：果蝇全脑接线组已存在（脚注 Dorkenwald / Schlegel / Azevedo 等 2024）；可在其上建大规模模型。气候集合与对撞机「排除哪些理论版本」被用作类比：有用的是数据相容模型的共享属性，不是唯一正确方程。
- 关键自我限定原句大意：这些系统迄今多在重发现已知模型；它们在尚无已知答案的问题上是否有效，证据稀薄。
证据强度：这是受资助研究者的观点综述加方法地图，不是新榜单。Hodgkin-Huxley 史实、SBI 工作方式、果蝇接线组引用与脚注论文列表都可以对照原文与公开文献。最硬的「可证伪句」反而是作者自己的限制：重发现已知模型为主，未知问题证据稀薄。
可检验路径：核对三步定义与 SBI 段落；打开脚注是否指向所述建模型 agent 与 Wahl 等分布建模工作；看作者是否仍写着「evidence that they work on problems with no known answer is sparse」。若后续独立工作在多个未知问题上稳定给出可复现、可解释的模型族，应上调对「构建」自动化的外推。
钢人：坚持「模型分布 + 失败备选」，能避免把偶然拟合读成机制发现。四次方之所以有解释力，是因为更低次方不够好，而不是因为某个优化器吐出了四。
[1]最强钢人：把构建也做成对候选模型集合的推理，与约束侧返回参数分布是同构诚实。共享特征提供较稳的主张；分歧指出下一步该做的实验。果蝇全脑与气候集合说明：尺度上去以后，「唯一正确模型」本来就不是工作目标。
钢人风险：博文是论证与文献地图，几乎不给新的定量榜。客座作者与 Anthropic 资助关系需要读者自行计入。解释步骤仍缺可操作的自动目标；「帮助人类理解」难以变成单一分数。重发现已知模型的测试，过不了外推到开放科学问题的门槛。
「insight, not numbers」引用 Hamming，是规范主张，不是本次新实验结论。
[1]对科学软件与资助方，未来六个月可观察的是：建模型 agent 是否开始在未知问题上公布可复核的模型族与失败备选；SBI 与 LLM 搜索回路是否出现共享基准；解释步骤是否出现比「读起来像洞察」更硬的评测。对读者，验收应是作者自限句与脚注文献，而不是「AI 已经会发现诺贝尔级机制」。
[1]这篇客座博文的检验对象应是三步分工，以及作者写明的限度：现有 AI 建模型系统多在重发现已知模型，对尚无答案的问题证据稀薄；不是「AI 已经交付科学理解」。分布优于单点拟合的要求写清楚了，它是一份可核对的方法立场；把「一个下午找到方程」读成已经理解系统，就离开了原文。
【No.2】
[1]