Vibe Research：大语言模型时代的理论物理研究工作流

报告人简介：金磊，同济大学物理科学与工程学院教授、博士生导师。金磊教授于2016年在西班牙塞维利亚大学获得博士学位，2016-2020年先后在俄亥俄大学及意大利INFN-Pisa从事博士后研究，2020年入职同济大学，2021年入选国家级高层次青年人才计划。金磊教授从事量子少体理论、大爆炸核合成、原子核反应及原子核的第一性原理计算等方面研究，在PRL、PLB等高水平期刊发表学术论文50余篇。

报告摘要: 一个计算物理项目的智力内核通常在几天到几周内结晶，而把它变成一篇发表的论文往往需要几个月到几年。这 80% 的实现开销，包括推导、编码、调试、绘图、撰写、回复审稿，过去只能由研究者本人承担。Agentic 大语言模型正在改写这条规律。报告人在过去四个月内，在 LLM 日常协助下完成 16 篇论文。本报告旨在系统剖析让这一产出成为可能的分工模型—— Vibe Research。研究者负责问题定义、物理判断与结果验收（Expert Filter），AI承担从符号推导到数值实现、从图表生成到论文撰写的完整实现链条。报告将以两个具体案例为锚点。其一是一个针对散射边界条件的边界匹配方法，从想法到可复现的 Phys. Rev. C 初稿耗时 6 天。其二是一个 37 维耦合、18 参数的代理模型，从零到投稿仅用 4 天。报告将讨论以下三个问题：Agentic AI 如何重新配置研究者的时间预算；Expert Filter 机制的作用原理及四种典型失败模式；探讨该工作流成功的关键——理论骨架成熟度、代码规模、约束可验证性及 Benchmark 密度。