开源工具 BootLoops 支持 AI 模型执行精确科学计算

哈佛物理学家 Matthew Schwartz 使用开源工具 BootLoops 与 Claude，在三个月内跨 18 个领域产出 36 篇手稿，涵盖粒子物理到语言学。但这些结果往往需要人类专家介入后才具备科学价值。Schwartz 的提醒是“所有内容都要自己看一遍”。

此前 AI 科研辅助多停留在文献整理或代码生成，这次展示了跨 18 个学科批量产出科研手稿的可行性，同时暴露出人类专家审核仍是结果具备科学价值的前提。

BootLoops 作为开源 harness 为模型提供结构化调用与计算流程约束，使 AI 能在具体科学任务中执行精确计算；但证据未披露其内部实现方式与校验机制。

对研发团队而言，可将类似 harness 用于科研流程中的计算、推导与初稿生成，降低跨领域探索成本；但必须保留专家复核环节，否则输出难以达到可发表标准。

• 在科研软件中集成开源 harness，提供带计算校验与人工复核节点的 AI 辅助工作流。
• 面向高校与实验室推出 BootLoops 类工具的托管版本，按领域打包计算模板与审核清单。
• 为 AI 生成的科学手稿增加自动溯源与计算复现模块，帮助专家快速核验结果。
• 围绕跨学科批量手稿产出场景，提供专家审核调度与版本管理工具。

• BootLoops 的开源协议、维护方和具体技术架构是什么？
• 36 篇手稿中有多少经过同行评审或正式发表？
• 人类专家介入的具体环节和占比是多少？
• 该结果是否有独立第三方复现或验证？