【新智元导读】大模子在原子操作使命中遭遇瓶颈。。。。。只管大模子能剖析质料知识，，却难以精准操控原子结构。。。。。研究指出Scaling Law在空间逻辑使命中效果有限，，强调AI for Science需转向Action Scaling，，提升模子在真实科研操作中的能力。。。。。 已往几年，，大模子领域最乐成的履历总结莫过于「Scaling Law（缩放定律）」。。。。。一个险些被行业默认接受的共识是：只要模子足够大、数据足够多，，能力就会一连涌现，，甚至自动泛化到未知的领域。。。。。 由中科大苏州高等研究院、新南威尔士大学等机构联合在ICML2026宣布的AtomWorld，，借助一系列真实原子操作使命得出结论：在文本明确、知识归纳等场景体现稳固有用的Scaling Law，，落地到受物理规则约束的原子实操使命时，，往往达不到预期效果。。。。。 好比，，Anthropic推出AI科研事情台Claude Science，，将科研拆成可逐步审计的流水线，，实现综述写作、基因剖析等特定环节效率提升10倍；；；Google DeepMind的GNoME用图神经网络展望无机晶体稳固性、以「天生候选→DFT 验证→数据回流」的闭环产出约 220 万个结构。。。。。 但真实的质料盘算研究，，并非简朴的选择题作答。。。。？？
？？？蒲腥粘３渎鸥叨染呦蠡氖挡僦噶睿汗菇ㄌ囟ㄖ柿系 (001) 外貌，，模拟「真实天下」的界线；；；替换晶格特定位点原子给质料掺杂或改性；；；在指定间隙位置嵌入新原子，，设计「储能」和「输运」通道等。。。。。 为了客观量化该项能力，，研究团队搭建了AtomWorld评测框架，，框架依托质料领域通用晶体学信息实现自动化测评。。。。。它不审核质料识别、理论辨析类问题，，只聚焦基础空间操作使命：模子能否凭证指令精准调解原子排布？？
？？？ 图1： AtomWorld 基准测试流程示意图。。。。。AtomWorld天生器流程：1. 随机采样器调取预设原子结构；；；2. 随机初始化器设置原子编号、位置参数；；；3. 结构算子运算获得目的结构；；；4. 提醒词？？
？？？樘焐杂ψ匀挥镅孕蚊。。。。。产出的结构 - 文本配对数据送入大模子智能体，，通过pymatgen的StructureMatcher工具比照模子输出结构与标准目的结构，，量化评估模子性能。。。。。 图2：差别模子在AtomWorld上的总体体现。。。。。a、c为乐成率；；；b、d为mean max_dist几何误差。。。。。左侧较量差别主流模子，，右侧较量差别尺寸 Qwen 模子。。。。。模子规模扩大可以提升部分规则清晰的使命，，例如原子替换、删除和移动；；；但面临旋转、区域删除、扩超胞等需要三维空间明确和几何妄想的操作时，，提升并不稳固。。。。。纵然是 Claude 等强通用模子，，在「绕原子旋转」等使命上也体现较差。。。。。 本次测试笼罩Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro、Gemini 2.5 Pro、Qwen3-32B、GPT o3、GPT-4o-mini、DeepSeek Chat、Llama3-70B等主流模子。。。。。图 2 显示，，模子规模扩大确实能改善一部分规则清晰、可模板化的操作，，但面临依赖三维空间关系的使命，，这种提升并不稳固。。。。。 以 Qwen 系列为例，，从 4B 到 32B，，原子替换、移除、移动等使命的乐成率显着提高，，说明规模增添仍然有价值。。。。。但这种提升主要集中在规则明确、路径相对牢靠的使命上，，不可自动迁徙到所有原子操作。。。。。 更具挑战性的使命袒露出显着瓶颈。。。。。典范例子是「绕原子旋转」：它不但在 Qwen 差别尺寸模子上始终体现很低，，在 Claude Opus 4.6 这类强模子上也只有约 12% 的乐成率。。。。。这说明问题并不但是某个模子不敷大、不敷强，，而是目今通用大模子普遍缺少稳固的三维空间行动能力。。。。。 因此，，AtomWorld并不是简朴否认Scaling Law，，而是指出它的适用界线：规模扩大能够带来部分能力增益，，却无法自动补齐三维物理空间操作中的焦点短板。。。。。关于质料建模而言，，语言推理能力、文本知识储备和原子级结构行动能力之间，，不可直接画等号。。。。。 也就是把可执行行动的数据天生、行动基元拆解、模拟器反馈、物理约束验证和工具挪用纠错系统性地规模；；媚Ｗ硬坏谟镅陨媳淝浚苍诳裳橹さ目蒲行卸斜淝。。。。。 AtomWorld的焦点价值，，不止于定位模子失效，，更在于把 「质料智能体不会建模」 这个模糊痛点，，拆解成一系列可丈量、可追踪的原子操作能力 —— 从基础元素替换到空间区域判断，，再到一连几何明确，，逐层厘清失效类型、水平与规模增益纪律。。。。。 这也点破了纯粹扩参难以落地的症结：现有Scaling Law聚焦海量文本语料的语言与知识拟合，，但质料原子建模需要的空间明确、几何妄想与物理约束行动能力，，在果真数据中极端缺少 「操作指令 — 坐标转变」 的高质量成对训练样本，，很难仅靠语言规模扩张自然补齐。。。。。 针对大模子三维操作偏弱的问题，，行业普遍通过对接pymatgen等专业工具库补短板。。。。。AtomWorld 比照测试显示，，外挂工具仅能提升原子插入等强坐标盘算类使命效果，，面临需要判别原子关系、空间区域的重大场景，，提升十分有限。。。。。 实质上，，工具只能输出准确坐标，，却无法替换模子做 「原子该放哪」、「哪些属于目的区域」 这类焦点决议；；；模子自己若缺乏三维空间感知，，工具只会把过失意图执行得更精准，，最终获得 「建模逻辑过失」 的效果。。。。。 AtomWorld并非直接否认Scaling Law，，而是提醒科学智能体重思 「该缩放什么」。。。。。文本语料的Language Scaling是知识基。。。。。柿辖Ｕ饫嗲坎僮魇姑枰嫦蛐卸芰Φ腁ction Scaling——将「行动 — 反馈 — 纠错」全流程酿成可规模；；暗墓ぞ。。。。。 AtomWorld的真正意义，，正是通过自动天生使命、标准结构与匹配反。。。。。柿辖５男卸萦胙盗繁栈诽峁┑鬃贫疉I for Science从追求更大的通用模子，，转向在可验证的科学操作中迭代真实验动能力。。。。。 AtomWorld不但是一套标准化评测基准，，更像一面视察镜，，直观展现出目今AI for Science生长中的要害问题：大模子可以诠释质料结构性子，，并不料味着它已经能够可靠修改质料结构；；；可以读懂元素周期表，，并不料味着它能够在三维空间中稳固执行一次原子级操作。。。。。 这一问题并不局限于质料建模。。。。。真正的科学研究历来不是纯文本事情，，而是由提出假设、设计实验、挪用工具、调解参数、视察效果、排查过失和一连修正等一系列行动组成。。。。。无论是质料建模、分子设计、自动化实验，，照旧更普遍的科学发明流程，，AI 若想真正加入科研，，就不可只会「诠释知识」，，还必需学会「执行行动」。。。。。 只有当模子同时具备知识明确能力和行动能力，，科学智能体才可能从「会回覆问题」的百科全书，，走向「能完成使命」的实验助手。。。。。