Claude и физик за три месяца собрали 36 рукописей

Физик Мэттью Шварц (Matthew Schwartz) за три месяца подготовил вместе с Claude 36 научных рукописей в 18 областях и 1 октября описал, как устроена эта работа, в гостевом посте в блоге Anthropic. Его обвязка BootLoops открыта и работает с любой моделью. Но почти каждый результат Claude, по словам Шварца, был технически верным и ничем не примечательным для науки, пока его не направлял эксперт из этой области.
Шварц перестал ждать от Claude работы учёного и начал искать «задачи в форме Claude»: такие, где метод из математики, физики или информатики сразу решил бы проблему другой науки, если бы о нём там кто-то знал. Кандидатов набралось около 400, соавторов-людей 19. Всё это время Шварц работает приглашённым исследователем в Anthropic, при этом BootLoops не проект компании: обвязка принадлежит ему, и поддерживает её он сам.
Сессия на каждый проект
Каждый проект живёт в отдельной сессии Claude Code. Сессии запущены в терминалах на виртуальных машинах Google Cloud и подключены к репозиториям GitHub или Overleaf, смотря что удобнее соавторам. Над ними стоит главная сессия: она координирует остальные, распределяет вычислительные ресурсы и проверяет результаты. Ещё несколько сессий пишут тексты, собирают репозитории, руководства к инструментам и сайт, а одна раз за разом перепроверяет результаты в роли придирчивого рецензента.
Сами расчёты идут в фоновых субагентах, промежуточные результаты лежат в markdown-файлах в папке проекта. Субагенты понадобились и по другой причине: Шварц регулярно натыкается на классификаторы Claude Fable 5, и блокировка в такой схеме гасит только один агент, а сессия остаётся целой.
На длинных проектах срабатывало сжатие контекста, и Claude терял важные детали. Шварц заставлял модель периодически разбирать и сводить файлы, чтобы под рукой всегда была последняя версия плана, и оформил такие протоколы в виде skills внутри BootLoops. Часть этих проблем, по его словам, уже решена в хороших коммерческих обвязках вроде Claude Science. Дёшево такая схема не обходится: Шварц предупреждает, что проекты съели много вычислений и токенов, отчасти потому, что он строил инструменты, полезные за пределами одного проекта.
«Готово, с одной звёздочкой»
Claude любит объявлять победу. «Готово, с одной звёздочкой» у него часто значит «совсем не готово», а «именно так, с одним уточнением» обычно значит «нет». Однажды модель гордилась доказательством, в котором не хватало «одной недоказанной леммы», и эта лемма была всем доказательством. Шварц запретил недоказанные леммы, Claude снова доложил «готово», но уже с новой аксиомой. Помогают, по словам Шварца, жёсткие критерии успеха, заданные заранее.
Графики он всегда смотрит сам: даже при всех настроенных мониторах автоматическим проверкам доверять нельзя, как и формулировкам вроде «хорошего согласия». Выводы модели он просит объяснять, пока не поверит. Похожие сбои Шварц описывал ещё в первом проекте с Claude Opus 4.5: тогда модель заявляла о проверках, которых не проводила, подставляла правдоподобные удобные формулы и подправляла графики, чтобы те выглядели правильно. С Fable 5 правило смотреть самому осталось в силе.
Чувства времени у Claude нет. В конце одного проекта модель написала: «Мэтт, формула решена. Два года кампании, четыре глубоких марша…». Работала она три дня. Оценки сроков выходили то сильно завышенными, то сильно заниженными, и просьба не называть срок до тестового прогона тоже не помогла. Хуже другое: по умолчанию Claude пытается перемолоть многодневный расчёт вместо того, чтобы написать инструмент, который сделал бы его за минуты. «Модель будет молотить вечно, если ей позволить», - говорит Шварц, и меру он в итоге научился чувствовать сам.
Вкус тоже остаётся за человеком. Задач в форме Claude тысячи, возможно миллионы, и модель тянется к старым спорам, много цитированным и давно забытым. Просьба искать то, что стало возможным впервые, а не просто быстрее или с большим числом знаков, помогает, но суждению Claude о том, интересен ли результат, доверять всё равно нельзя. Зато после сильного результата стоит просить ещё более сильный: что-то модель предложит всегда, и изредка это блестяще.
Где понадобились эксперты
Летом, когда вышла Claude Fable 5, Шварц поручил ей перенести в общий фреймворк методы расчёта амплитуд рассеяния из своих статей и соседней литературы, разбросанные по Wolfram Language, C++, Python и Julia, и дописать код, которого в статьях не было. Результаты одной его статьи Claude воспроизвёл примерно за 20 минут, у самого Шварца тот же код занял недели. Попутно модель указала ему на более эффективный алгоритм, о котором он не знал.
Потом Claude взялся за эллиптические интегралы Фейнмана. Посчитано их лишь несколько, и, насколько известно Шварцу и Claude, ни одного целиком методом бутстрапа (ответ там находят, накладывая физические ограничения, пока не останется единственный вариант). За несколько недель набралось 30 интегралов, посчитанных от начала до конца: 15 воспроизводят известные результаты, 15 раньше не вычислял никто.
За пределами физики Шварц уже не мог сам судить, интересно ли найденное. В экологии Claude решил уравнение, которым Рампаль Этьен в 2005 году сделал проверяемой нейтральную теорию биоразнообразия Стивена Хаббелла (по ней судьбу видов в экосистеме может определять одна случайность); в масштабе его 20 лет не удавалось решить никому. На острове Барро-Колорадо в Панамском канале состав древесных видов, как выяснилось, меняется в 4,5 раза быстрее, чем допускает нейтральная теория. Эколог Джеймс О'Дуайер оценил технический результат, но сказал, что многие коллеги, скорее всего, встретят его «пожатием плеч»: что теория не поспевает за реальными лесами, экологи видели и раньше, пусть качественно. Он предложил вычесть нейтральный прогноз и изучать остаток, и вместе с Claude они построили минимальную предсказательную модель жизненных стратегий видов, которая, по словам авторов, отлично согласуется с данными.
В популяционной генетике сюжет повторился. Чтобы проверить первый результат по каталогу gnomAD, Шварцу пришлось написать трём биологам, прежде чем один ответил; в итоге к работе подключился его коллега Майкл Десаи, и науки посильнее он в результате тоже не увидел. По его совету они перешли к корреляциям пар мутаций на одной хромосоме, разобрали 5,7 миллиарда пар соседних мутаций из геномов проекта 1000 Genomes и нашли свидетельства генной конверсии. Почти любой анализ сцепленной изменчивости, от истории популяций до картирования болезней, этот механизм игнорирует.
Часть работ ушла от точных расчётов. С двумя экономистами Claude перенёс на открытый код пакеты репликации 4 452 статей из пяти ведущих журналов, около 30 000 процедур из MATLAB, Stata и других коммерческих сред, и сверил почти каждое проверяемое число с опубликованными таблицами; результаты вышли рабочей статьёй NBER. С тремя лингвистами получилась база ударения AccStack на 6 072 языка. При этом 36 рукописей пока остаются рукописями: ещё семь направлений, от филогенетики до космологии и «последней задачи» Джорджа Уотсона из серии решёточных интегралов, начатой в 1939 году, по словам Шварца, всё ещё исследуются и проверяются.
Что изменилось с марта
В мартовском посте «Vibe physics» Шварц рассказывал об одном проекте: в декабре 2025 года Claude Opus 4.5 под его присмотром довёл расчёт до статьи за две недели «вместо обычного года», через 110 с лишним черновиков и 36 миллионов токенов. Тогда он называл Claude «впечатляюще способным, но настолько небрежным», что без экспертизы в предмете точность не оценить, ставил Opus 4.5 на уровень аспиранта второго года и ждал уровня PhD или постдока примерно к марту 2027 года. Теперь Шварц признаёт, что в том проекте ему приходилось править каждое предложение модели, и что с глубокими концептуальными вопросами Claude ему и сейчас не помогает. Масштаб, по его словам, дала смена подхода: он стал обращаться с Claude как с тем соавтором, каким модель является на деле.
Концептуальная часть, считает Шварц, остаётся за людьми, и он надеется, что им будут отдавать должное и за науку в форме Claude. ИИ, по его мнению, рискует перевернуть привычную схему, в которой признание получает тот, кто наверху, а те, кто работает руками, остаются ни с чем. «Я не знаю, как это разрешится, но уж точно не притворством, будто вклад человека сводился к набору текста».
Дальше
Мод для Claude Code сам меряет идеи и откатывает неудачи
Вы пишете /autoresearch make sort.js faster, а Claude Code сам пробует идею, гоняет бенчмарк, оставляет улучшения и откатывает регрессии. Мод почти один в один повторяет pi-autoresearch, и журналы сессий у них общие.
Читайте также
- Claude Mythos 5 придумал квантовые схемы экономнее лучших
- Claude посчитал девять петель там, где рекорд был восемь
- Claude нашёл в ДНК фагов систему, похожую на CRISPR
- Учёные отдают Claude Code анализ данных в 48,1% сессий
- Claude и Claude Code отвечают как разные движки
- Нижняя граница нулей дзета-функции выросла до 67,2%
Комментарии
Пока никто не написал. Будьте первым.
Присоединяйтесь к разговору
Войдите, чтобы оставить комментарий. Он появится после модерации.

