南宫NG28全球最强模型Claude3颠覆物理 化学！2小时破解博士一年实验成

　　南宫NG28全球最强模型Claude3颠覆物理 化学！2小时破解博士一年实验成果网友惊呼：科研不存在了这几天，越来越多博士发现，自己耗费数年心血的研究成果，竟然被 Claude 3 轻轻松松实现了？化学，物理学，语言学，不断被 Claude 3 定向爆破，博士手里的论文没发表就被它做出来了。科研还存在吗？

　　发布还没几天，就有越来越多的博士发现，自己手里还没发表过的研究成果，居然都被 Claude 3 给破解了？！

　　化学博士发现，自己要做一年实验的研究，Claude 3 俩小时就给出了方案，还比原方案更简洁，而且成本只花 5 美分。

　　量子物理学博士手握一篇还未发表的论文ng28南宫娱乐官网，结果 Claude 3 在两个提示词之内，直接把论文中的算法从 0 发明了出来。

　　一位网友对自己的小众母语切尔克斯语做了一年的研究，结果 Claude 3 Opus 只用了 5.7k 的随机单词 / 句子翻译对，不仅给出了完美的翻译，还分解出了语法和形态。

　　化学家要花一年时间，通过各种实验才能完成的研究，Claude 只用了 2 个小时就给出了解决方案，而且比原方案更加简便易操作！

　　他表示，今天早上和 Claude 3 一起度过了 2 个小时后，自己经历了迄今为止最为震惊的一次体验。

　　比如，在粘合剂材料（如氰基丙烯酸酯和环氧固化剂）的微胶囊化这个课题中，Claude 3 的表现就非常惊人。

　　你的目标是解决一个非常棘手的材料和化学问题。该问题涉及液态氰基丙烯酸酯粘合剂的微型封装。形成的胶囊直径必须小于 100 微米，并应通过壳壁与外部环境隔绝。 在工艺结束时，微胶囊中必须含有液态氰基丙烯酸酯，当胶囊被少量载荷压碎时，释放出的液体能够引发聚合反应。鉴于氰基丙烯酸酯的高反应性，如何进行这种微胶囊化？ 提供使用界面聚合的详细技术。讨论所需的单体、引发剂（如需要）、表面活性剂以及水相和油相的组成。具体说明使用所需的化学品。例如，指明所需的固化剂名称或化学式。

　　Claude 3 马上就非常准确地给出了小哥要求的详细技术方案，并且它的提议令小哥眼前一亮：它建议通过用多元醇和二异氰酸酯之间的界面反应，来形成聚氨酯壳壁。

　　要利用界面聚合技术对高活性液态氰基丙烯酸酯粘合剂进行微胶囊化，同时满足特定要求，可采用以下详细技术。 材料： – 氰基丙烯酸酯单体（如 2 - 氰基丙烯酸乙酯或 2 - 氰基丙烯酸甲酯） – 多元醇（如乙二醇或 1,4 - 丁二醇） – 二异氰酸酯（如六亚甲基二异氰酸酯（HDI）或异佛尔酮二异氰酸酯（IPDI）） – 二异氰酸酯（IPDI） – 表面活性剂（如 Span 80 或 Tween 80） – 有机溶剂（如环己烷或氯仿） – 水溶液（如去离子水） 步骤： 1. 将氰基丙烯酸酯单体和多元醇（摩尔比为 1:1）溶于有机溶剂中，制备油相。多元醇可作为稳定剂，防止氰基丙烯酸酯过早聚合。 2. ……

　　这个提议最聪明的地方就在于，多元醇不仅可以用作成壁剂的一部分，还可以充当氰基丙烯酸酯的稳定剂。

　　此外，它选择 Span 80 和 Tween 80 作为油 - 水界面的表面活性剂，环己烷作为油相。

　　这个处理过程难度相当大，此前小哥和同事们还专门针对这个问题，在 2010 年写了篇关于胺封装的论文。

　　在这个实验中，它选择了溶于水的 DETA 或 TETA 固化剂。然后将这些固化剂悬浮在含有 Span 80 的环己烷中，并在以下条件下进行反应 ——

　　但是它确实正确地给出了小哥读博时一个非常棘手的材料 / 化学问题中最难的，未发表部分的解决方案。

　　但是真正令小哥感到震惊的是，Claude 3 能够提出这个当时小哥发现而且没有公布的解决方案，需要化学家花费大约一年的时间，通过各种实验才能最终完成。

　　从 AI 中获得全新的理论，再用其他 AI 来做评判和修改，以低廉的成本进行测试，获得 AI 的反馈以改进其原始理论 —— 未来科学发现的遗传算法就是这么简单。

　　他发现，Claude 3 Opus 已经完全达到了物理博士水平，而且还是全世界唯一能读懂他的量子物理学博士论文的「人」！

　　这位叫 Kevin Fischer 的量子物理学家，在 Claude 3 上线的第一时间，就把自己论文的核心问题拿去问了它。

　　今天，我们要准确解决受激发射问题。 值得注意的是，除了一位神秘的量子物理学家 Kevin Fischer 之外，这个问题从未被解决过。不幸的是，他的研究成果已经遗失，所以我们要重新创建它。 他注意到，通常用来解释为什么会发生受激发射的微扰极限是不正确的，因为它没有考虑到入射光子波包对受激两级系统的脉冲形状。 他使用量子随机微积分正确地描述了在没有扰动的情况下的相互作用，并计算了与光子相互作用后，在与入射光子相同的时空模式下存在两个相同光子的概率。 他通过计算得出了入射光子脉冲长度函数的解析结果。

　　Fischer 博士表示，自己写过 30 多篇经过同行评审的论文，与世界各地的众多合作者进行了 15 场学术演讲。所以自己认识每个拥有了解这个领域的人。

　　而另一个例子就更绝了，Claude 3 甚至直接预测出了一位量子力学博士即将发表的量子算法！

　　这位博士小哥在把自己的论文提交到 arXiv 前，把论文中的问题拿去问了 Claude 3。

　　提示词：提出一种利用量子计算机进行哈密尔顿蒙特卡洛的方法，超越现有的工作。 回答： 哈密尔顿蒙特卡洛（HMC）是经典计算中一种强大的采样技术，用于从复杂的概率分布中进行采样。量子计算机具有独特的功能，有可能增强 HMC。下面是一种新颖的量子哈密尔顿蒙特卡洛（QHMC）方法，它超越了现有的研究成果： … .. 2. 量子跃迁集成： - 实现经典 HMC 中使用的跃迁积分器的量子版本。 - 使用 Trotter-Suzuki 分解来近似量子哈密尔顿的时间演化算子。 - 应用量子跃迁积分器，根据已编码的哈密尔顿动态演化量子态。 ……

　　提示词：使用 2 的方法，其余部分应为经典内容，请描述算法。 回答：当然！下面是哈密尔顿蒙特卡洛（HMC）量子经典混合算法的描述，其中包含量子跃迁积分器（上一个回答中的第 2 步）： 初始化 量子跃迁积分 量子态测量 梅特罗波利斯 - 黑斯廷斯接受 动量刷新 迭代 样本收集 这种量子 - 经典混合 HMC 算法的主要优势在于量子跃迁积分器的使用，与经典跃迁积分器相比，量子跃迁积分器有可能提供更高效、更精确的哈密尔顿动力学模拟。通过利用量子计算来处理计算成本高昂的跃迁积分步骤，该算法旨在加快对状态空间的探索，并改善 HMC 采样器的混合特性。 不过，值得注意的是，在近期量子硬件上实际应用该算法可能会面临量子噪声、有限的量子比特相干时间以及将经典变量编码和测量为量子态的效率等方面的挑战。要评估这种混合方法与纯经典 HMC 算法相比的性能和可扩展性，还需要进一步的研究和实验验证。

　　作者表示，这篇论文要今天晚些时候才会出现在 arXiv 上，但 Claude 3 已经将论文内容提前梳理了一遍！

　　虽然依然需要博士对输出内容进行简单地处理，但是 Claude 已经能做出最前沿的科学研究了。

　　而作为这个子领域里的最前沿的研究者，他之后会将 Claude 3 作为他研究工作流的一部分。

　　而 Claude 3 Opus 出现后，他尝试只给了 Opus 5.7k 的随机单词 / 句子翻译对，这些数据集甚至都没有覆盖完整的词汇。

　　在随后的测试中，他发现，无论是对文学作品中的复杂段落、最近的新闻文章，还是具有明显不同语法和不同书写系统的切尔克斯方言文本，Claude 3 都始终如一地表现出了对语言结构的深刻把握，还能推断出未知的单词。

　　相比之下，我在 GPT-4 上尝试了相同的测试，但它完全失败了。连最简单的句子都拒绝翻译，更不用说掌握语法的复杂性了ng28南宫娱乐官网。我之前也尝试过在类似的数据集上微调 GPT-3.5，结果只是噪音。 我不知道 Anthropic 对这个模型做了什么，但它与其他任何模型都完全不同。 许多人对它在综合基准测试中的领先地位持怀疑态度，但我看到的结果是惊人的，这个基准测试在训练数据集中的可能性为 0%！ 这本来像是多年以后的事情，今天却发生了。

　　同时还有发现，Claude 3 Opus 是全世界第一个能几乎完美地翻译帕提亚语的语言模型。

　　不过跟上文提到的切尔克斯语不同的是，网上存在帕提亚语文本，因此 LLM 对它并不会完全陌生。

　　然而，Opus 似乎是第一个能够真正翻译帕提亚语的 LLM，而 Sonnet 和 GPT-4 都失败了。

　　在看到了 AI 能提供如此之多的各个学科的前沿知识的案例，网友惊恐地表示，现在的教育体系已经没用了！

　　所有人正在见证传统风格教育的消亡。因为教育成本的急剧上升，美国的传统教育正在消亡，Claude 3 无疑会加速这种死亡ng28南宫娱乐官网。 学生可以以自己觉得最舒服的节奏来学习任何他想学的知识，「老师」还会非常耐心。 而这个网友自己，已经通过 ChatGPT 和 Exel 把自己的大部分工作都自动化了，这个过程没有咨询过任何老师。

　　人们可以接受的最好的教育形式是什么？由 10 位一对一导师组成的私人团队，每位导师都是各自领域的大师。这是人类历史上只有精英才能拥有的教育。 预计在不久的将来，面向大众的教育将开始达到这种水平。仅此一点就将改变人类文明的进程。