BootLoops 工具包使 Claude 形状的科学计算在各学科中成为可能
TL;DR
Matthew Schwartz 发布了 BootLoops，这是一个开源工具包，使 Claude（以及其他大语言模型）能够在多个科学领域执行精确的大规模计算，将 Claude 形状的问题转化为可发表的研究成果。
什么是 BootLoops？
BootLoops 是一个软件工具包，将 Claude 的代码生成、数学和数据解析能力连接到定量科学工作流中。它类似于 Claude Code 或 Claude Science，但模型无关，允许使用任何大语言模型。该工具包自动化了整个流程：导入文献、将算法移植到统一框架、生成代码、运行高精度数值计算，并与解析或数值基准验证结果。
"BootLoops 作为一种大语言模型的工具包，就像 Claude Code 或 Claude Science 是 Claude 的工具包，或 Codex 是 GPT 的工具包一样。" – Matthew Schwartz
为什么 BootLoops 重要
当前的大语言模型在知识广度和编程方面表现出色，但在科学家所需（概念洞察、新颖性）与大语言模型所能提供的（精确计算、数据处理）之间存在 阻抗失配。BootLoops 通过聚焦于 Claude 形状的问题——即匹配当今代理型人工智能优势的任务：海量知识、快速编码和可复现的数值计算——缩小了这一差距。
核心技术方法
- 统一框架 – 所有导入的方法（例如散射振幅计算、贝叶斯证据积分）都被翻译成一个单一代码库（Python/Julia），Claude 可以对其进行扩展。
- 半数值重整化群 – 该工具包实现了半数值重整化群方法，结合解析约束与高精度数值评估（通常超过 1,000 位小数），解决原本难以处理的积分问题。
- 代理会话管理 – 每个研究项目都在 Google Cloud 虚拟机上的专用 Claude Code 会话中运行，子代理负责计算、文件组织和结果验证。主会话负责资源分配并监控分类器触发的中断。
- 故障模式防护机制 – 协议强制执行严格的成功标准（无未经证明的引理、明确的预计完成时间测试、强制绘图检查），以缓解 Claude 倾向于过早宣布完成的问题。
突出的科学应用
| 领域 | 问题类型 | BootLoops 贡献 | 结果 |
|---|---|---|---|
| 数学物理 | 椭圆费曼积分 | 移植半数值重整化群方法，为椭圆族生成代码 | 数周内解决 30 个积分（15 个已知，15 个新发现） |
| 生态学 | 中性生物多样性理论（巴罗科罗拉多岛） | 求解 Etienne 2005 年方程，与森林数据对比 | 证实物种更替速度比中性预测快 4.5 倍；推动与专家 James O’Dwyer 共同完善预测模型 |
| 群体遗传学 | 选择塑造的稀有突变积分 | 引入物理方法，应用于 gnomAD 数据集 | 验证技术结果；后续扩展至 57 亿个突变对，揭示基因转换证据 |
| 经济学 | 复现包验证 | 将 4,452 篇论文的 MATLAB/Stata 代码转换为开源格式，交叉核对数值 | 结果记录于 NBER 工作论文（W35782） |
| 语言学 | 重音数据库构建 | 爬取 6,072 种语言，引用原文段落，构建 AccStack | 公开数据库包含 16 万条书目条目 |
| 系统发育学 | 树选择的贝叶斯证据 | 加速精确证据计算，识别出在抽样误差范围内的平局 | |
| 地球科学 | 大氧化事件建模 | 整合大气、地球化学、气候方程 | 构建跨越四个冰期的定量模型 |
| 太阳黑子与恒星黑子人口统计学 | 使用人口统计方法进行生命周期分析 | 将人类种群技术应用于太阳数据 | 新特征对系外行星研究具有价值 |
| 宇宙学 | 大尺度结构参数拟合 | 实现完整的两圈功率谱和一圈四谱工具包 | |
| 统计学 | 混合模型的贝叶斯证据 | 推导精确近似，实现实际模型选择 |
与领域专家协作的工作流程
Schwartz 强调，Claude 常常生成技术正确但科学意义有限的结果。专家协作可将这些输出精炼为有意义的发现。例如：
- James O’Dwyer（植物生物学） 帮助将中性理论结果重构为预测性生活史模型。
- Michael Desai（遗传学） 指导从稀有突变积分转向基因转换分析。
- 经济学家与语言学家 提供领域特定的验证和背景阐释。
使用代理型 AI 的实用经验
- 严格定义成功标准 – 要求明确标准（例如，无未经证明的引理，可复现的图表）。
- 独立验证 – 始终检查生成的图表并运行独立检查。
- 引导追求新颖性 – 指示 Claude 优先处理 新可能 的问题，而非已有研究的重复计算。
- 与专家迭代 – 使用 AI 生成初稿，再由专家主导科学叙事。
- 管理计算资源 – 会话消耗大量 token；合理分配云资源并监控分类器中断。
展望与影响
BootLoops 表明，当问题空间与大语言模型的优势对齐时，大部分技术工作——编码、高精度数值计算、数据整理——可以实现自动化。这使研究人员能够专注于概念框架、假设生成和跨学科整合。该方法还揭示了一种新的成果归属模式：人类科学家提供 方向 和 验证，而 AI 提供 执行。
未来方向包括扩展工具包以支持更多模型家族、集成自动化文献综述流程，并通过开源 GitHub 仓库促进社区贡献。
资源
- BootLoops 官网： http://bootloops.ai/
- GitHub 仓库： https://github.com/BootLoops-ai/bootloops/tree/66b680ce742e654cfe86da4f072a69061fe182b1
- 相关 Anthropic 文章： Vibe Physics, Claude Science
本文为 Anthropic 访问研究员 Matthew Schwartz 的客座投稿。BootLoops 并非 Anthropic 项目。
Sources
- OriginalClaude-shaped science