大模型在数学和编码上的成功，无法延伸到科学领域
中国科学报 ｜ 2026-09-10

AI在编程、数学领域的突破，不断刷新人类对于大模型能力边界的认知。

当前的大模型，究竟是恰好覆盖了人类现有的全部通用知识，还是覆盖了通用知识中较为核心的部分，抑或是已经超出了人类现有知识，能够催生训练数据中从未出现过的新发现？AI离自主探索和发现还有多远？

9月10日，普林斯顿大学人工智能创新中心主任王梦迪在2026外滩大会开幕式发表演讲时，向台下的听众抛出了这个问题。听众的反映呈现两极分化，一半认为模型的知识面还不及人类，一半认为已经超越人类。

而王梦迪给出的答案是：得分类。

点 击 图 片 看 原 图

虽然AI已经能 “自己写自己的系统”，Anthropic今年5月对外表示该公司超过80%合并进生产环境的代码由Claude自行编写；在数学领域，AI从竞赛选手升级为研究助手，正在触碰人类几十年没解开的题，然而，王梦迪说，当前的大模型训练方法，在数学和编码上的成功，并无法延伸到科学领域。

“大模型会学到一个分布里最大似然的知识，但是可能会忽略长尾现象和知识。”王梦迪解释说，大模型的训练方法使得它常常高估通用情况，低估少见情况，在理解人类世界时，大模型更像是在寻找概率分布中最常见的模式。她表示，即使经过了预训练、强化学习，无论是在模拟社会、模拟人生，还是在数学等更严谨的问题中，大模型仍会向概率分布的中心聚集。

但在生物、化学、物理尤其是实验学科领域，人类真正的创新恰恰发生在长尾。在基础学科前沿寻找新发现，就像在宇宙中寻找一颗从未被观测、训练数据中也没有的新星。大模型学到的往往只是概率分布中的最大似然知识，容易忽略长尾。因此，王梦迪表示，大模型可能还没有真正抵达前沿，更难继续将长尾向前推进，找到概率分布之外的新星。