Google DeepMind 资深研究员 Tom Zahavy 在一篇观点论文《LLMs can't jump》中提出，尽管大语言模型（LLM）在归纳与演绎上表现优异，但结构性缺乏“溯因”能力，因此无法实现真正的科学发现。论文以爱因斯坦构建广义相对论的历史为案例，论证了单纯扩大模型规模、注入更多数据并不能让 AI 自动“发明”新物理定律，这一观点对当前 AI 产业的技术乐观主义构成根本性质疑。
论文指出，主流机器学习界常将科学发现视为“数据压缩”问题，即通过归纳法在海量数据中寻找最简洁的模式。然而，爱因斯坦提出广义相对论时，牛顿力学并未面临显著的数据误差，当时唯一的反常是水星近日点进动，且被归咎于假设中的“火神星”。这意味着不存在驱动模型优化的“损失函数梯度”，科学上的重大范式转移往往发生在没有监督误差信号的真空里。因此，单纯依靠归纳压缩数据，AI 只会拟合已知模式或引入凑数参数，而无法重构全新的物理图景。
论文借助哲学家皮尔士的逻辑学框架，将推理分为演绎、归纳与溯因三类。演绎是从规则与案例推出结果，归纳是从案例与结果提炼规则，而溯因则是为了解释令人惊异的“结果”而凭空推断出新的“案例”或规则。论文认为，LLM 在归纳（如从数据提炼规律）和演绎（如 AlphaProof 在既定公理下推导数学定理）上已展现极强能力，但科学发明的核心瓶颈在于溯因——即提出全新公理假设的能力。LLM 如同高维度的“中文房间”，仅在已知符号间进行逻辑运算，缺乏从现实感官体验跨越到新公理的“飞跃”机制。
论文详细回顾了爱因斯坦构建广义相对论的历程，将其分为构想期（1907–1912）、整合期（1912–1913）与数学验证期（1913–1915）。在构想期，爱因斯坦通过“电梯思想实验”进行具身仿真，将抽象符号锚定于物理体验，从而提出等效原理。在整合期，他与数学家 Marcel Grossmann 合作，但因一个致命错误而放弃正确的几何路径，导致理论推迟两年。论文强调，爱因斯坦的“溯因飞跃”依赖于具身仿真，而非纯粹的数据归纳。
基于此，论文提出，AI 科学创新的下一阶段必须将大模型与具有“动作可控性与反事实干预能力”的物理一致性世界模型（如 Genie 范式）相结合。只有具备物理一致性的多模态世界模型，才能提供必要的感官锚定，从而弥合从物理仿真到形式化公理的鸿沟。这一论断为下一代 AI 科学基础设施的研发提供了理论路线图。
该论文发表于通用人工智能与 AI for Science 迅猛发展的背景下，对评估 AI 科学能力具有重要意义。它澄清了科学发现的认知本质，明确划分了 LLM 的能力边界，并为未来 AI 架构设计指明方向。对于 AI 产业投资者而言，该研究挑战了“规模即智能”的主流叙事，提示单纯扩大参数规模可能无法带来科学突破，未来投资或需关注具身智能与物理世界模型等新方向。