一张画不完的地图:Colombo 与自组织的科学边疆 | 科学的三副面孔 ①

📕 本期文学参考:豪尔赫·路易斯·博尔赫斯——《论科学的精确性》里那个走火入魔的帝国:地图制作术臻于极致,最终绘出一张与帝国同大的地图,每一寸土地都对应着自己的复制品。博尔赫斯用这个故事讲知识的宿命:地图越精确,越接近它所描绘之物,也越不可能被人使用。 今天这篇论文,恰好是关于一张地图的——只不过这张地图画的不是领土…

目录
  1. 一张画不完的地图:Colombo 与自组织的科学边疆 | 科学的三副面孔 ①
  2. 🗺️ 一、先认识那台"只能按规矩提问的机器"
  3. 🍳 二点五、具体一点:一道缝长什么样
  4. 🏛️ 二、北京大学造了一个"会自己画地图的研究员"
  5. 🧭 Sensorium:制图室
  6. 🧠 Brain:参谋部
  7. 🔬 Cells:突击队
  8. ⚔️ 三、Adversarial Co-Ascent:造锁的和撬锁的,互相成就
  9. ✅ 四、两道闸:独立评审 + Lean 形式化
  10. 📊 五、五十多个设定:这张地图现在的样子
  11. 🌀 六、Autopoietic Science:科学自己生产自己
  12. 🧭 七、放进坐标系:它和 AI Scientist 们差在哪
  13. 🔍 八、保持清醒:这不是全能科学家
  14. 📚 参考文献

一张画不完的地图:Colombo 与自组织的科学边疆 | 科学的三副面孔 ①

📕 本期文学参考:豪尔赫·路易斯·博尔赫斯——《论科学的精确性》里那个走火入魔的帝国:地图制作术臻于极致,最终绘出一张与帝国同大的地图,每一寸土地都对应着自己的复制品。博尔赫斯用这个故事讲知识的宿命:地图越精确,越接近它所描绘之物,也越不可能被人使用。
> 今天这篇论文,恰好是关于一张地图的——只不过这张地图画的不是领土,而是"哪些问题已被解决、哪些还没有"的知识边疆。它要面对博尔赫斯式的悖论:边疆每天在被改写,地图必须永远画下去。写这篇解读时我一直在想,博尔赫斯笔下那位盯着巨图的皇帝——如果地图能自己更新自己,他会想要什么?而这篇论文给出的答案是:他想要的不是一张图,而是一整个会自己画图的朝廷。

🗺️ 一、先认识那台"只能按规矩提问的机器"

想象你在一家没有菜单的餐厅。你不许进厨房,不许看食材,你面前只有一台机器。这台机器很怪:你只能问它规定格式的问题。比如:"在 x 这个点,函数值是多少?"或者"在 x 这个点,斜率是多少?"你不能问"最小值在哪",不能问"函数长什么样",更不许直接翻它的源代码。

你只能按规矩问,它按规矩答。然后你——一个算法——就凭这些问答的记录,去找函数的最小值。

优化理论把这台机器叫 oracle(预言机)。这个设定看起来憋屈,数学家却爱死它了。因为把提问方式约束住,恰恰逼出了"信息本身的价钱":不管你的算法多聪明,只要接口规定了你能获得什么,就存在一道"任何算法都不可能突破"的墙——像物理定律一样的下界。

这道墙的直觉可以这样理解:如果函数有 d 个自由度,而 oracle 每次只吐一个数,那么你问 k 次最多得到 k 个独立的约束——用 k 个约束锁 d 个未知数,k < d 时一定存在一个方向上完全自由的可行函数。这就是信息论版本的不可能定理,也是一切下界证明的胚胎。

于是这个领域天然住着两种人:

  • 造算法的:设计一个算法,证明它最多问 N 次就能达到精度 ε。这叫上界——"最好能做到多好"。
  • 造难关的:构造一个最坏的问题实例,配上一个最难缠的 oracle,证明任何算法都至少要问 M 次。这叫下界——"这道坎谁都绕不过去"。
当上界等于下界,这个问题就被"钉死"了:最优复杂度尘埃落定,教科书可以写上"此题已闭"。当 N 大于 M,中间的缝隙就是开放问题,就是边疆。

五十年来,这个领域积累了成百上千个"设定"(setting):零阶优化(不许问斜率,只能问函数值)、一阶随机优化、变分不等式、双层随机优化、非凸 minimax……每个设定有自己的参数区域,每个区域有自己的上下界。哪些缝已经缝上、哪些还开着、开多大,散落在数百篇论文里,靠人脑记忆、人脑追踪、人脑对齐。

这个状态熟悉吗?一张没有总图的地图。每个村庄都被画了,但没人知道村与村之间怎么连通,更不知道哪处的边界还在移动。村庄还在以每年几十座的速度长出来。

🍳 二点五、具体一点:一道缝长什么样

光说"缝"太抽象,看一个教科书级的例子。

你想最小化一个光滑函数 f(x),唯一的信息来源是 oracle 在任意点告诉你 f(x) 的值(不许问梯度——那是零阶优化的规矩)。直觉的做法:在每个坐标方向上分别用有限差分估斜率,一次估 d 个方向,每步就要 O(d) 次查询,走完整个优化要 O(d/ε²) 次。这是经典上界。

下界呢?数学家证明:任何零阶算法,在最坏情况下都至少要这么多查询——因为 d 个方向上的信息,你不多问就根本分不清"山谷在哪边"。上下界咬合,钉死。

但把条件拧一点点——"函数是强凸的"、"oracle 的回答带噪声"、"允许随机化提问"、"精度要求很高"——每个拧法都生出一个新设定,每个新设定的上下界组合都要重新证明。有的缝在噪声模型上,有的缝在高精度区域上,有的缝在随机化与否上。一个 setting 不是一道题,是一片题。Colombo 的 Atlas 上钉着五十多片这样的题区,每片内部还按参数细分成若干小区间——这就是为什么"五十多个设定"是个比听起来大得多的数字。

🏛️ 二、北京大学造了一个"会自己画地图的研究员"

Colombo 是北京大学团队(张海天、吴文道、张晨衡等,指导老师含李浩铉、林宙辰等)构建的自组织 AI 研究员。底层语言模型是 GPT-5.6 Sol——但模型只是原料,真正有意思的是它身上的组织结构。论文里有个细节值得记住:这项工作的前稿曾在 Zenodo 存档(DOI: 10.5281/zenodo.23438699),arXiv 版是系统成型后的完整报告。

先看它选择的战场:oracle-based optimization——就是上面那台问答机器统治的世界。选这里不是偶然,因为这个领域的"边疆"有一个别处没有的好品性:它是显式的。上界是一行公式,下界是一行公式,缝隙是两个公式之间的距离。这个显式性,使得"让机器自己感知边疆"第一次变得可行。

Colombo 的架构分三层,对应研究工作的三个尺度:地图、参谋部、突击队。

🧭 Sensorium:制图室

最底层叫 Sensorium(感觉中枢),干两件事。

第一件,维护 Complexity Atlas(复杂性图谱)。 这是一张关系型地图。每个节点是一个"复杂性设定":任务是什么、允许哪类模型、oracle 给什么反馈、计算哪种资源(查询次数?样本数?通信轮数?)、成功标准是什么——全部数学化钉死。设定之间的边记录它们的差异,以及理论洞察能不能跨过去。

每个节点还带一份状态档案:optimal(上下界吻合)/ near-optimal(只差对数因子这种小缝)/ open(有实质缝隙)/ upper-only 或 lower-only(只有一侧有界)/ uncharacterized(完全没勘察)。注意一个保守规则:一个设定只有在所有相关参数区域都被钉死后才配得上一声 optimal——哪怕只剩一个角落没解决,整张图上也得如实标着"未决"。

这张地图有三种生长方式。文献落地式:从已发表论文里检出"上界和下界没对齐"的缝——很多开放问题就是这么躺了几十年,只是没人把两篇论文的公式放在一起看。结构探索式:改一改既有设定的某个维度(把 oracle 从梯度换成函数值、把欧氏空间换成双曲空间),看看隔壁藏着什么新问题。记忆驱动式:从以前的研究里挖出反复出现的算法和硬度机制,指向还没被记录的设定。

第二件,产出 Setting Profile(设定档案)。 选定一个节点后,Sensorium 输出一份审计过的档案:数学规格 + Complexity Bracket(当前最强上界 U 与最强下界 L 构成的区间,按参数区域分段记录)+ 支撑每条界的证据链(哪条定理、什么假设、哪个参数域、评审状态如何)。这份档案就是 Brain 的作战地图:哪块高地已插旗、哪条河谷还没探明,一目了然。

🧠 Brain:参谋部

Brain 拿到档案,做的事和人类研究组 PI 一模一样:把缝隙拆成战役,打完一仗复盘一次,再规划下一仗。

技术细节值得展开。设当前最优复杂度的真值为 N*(ε, δ; θ)(ε 是精度要求,δ 是允许失败概率,θ 是问题规模参数,比如维度、条件数、域大小)。输入快照是一份 Bracket 区间图 [L, U],未解决区域是 U 和 L 还没对齐的参数域集合 𝒢。

第一步,拆。 Brain 在每个未解决区域里制定"目标陈述"H——比如"把随机一阶方法在强凸光滑区域的下界抬到 Ω̃(√κ log(1/ε))",κ 是条件数。然后把 H 拆成一串带依赖关系的子命题 P₁ ∧ P₂ ∧ … ⇒ H:上界路线可能拆成"算法构造、性能分析、资源保证"三块;下界路线可能拆成"困难实例族构造、oracle 信息极限、换算成目标界"三块。任何未证明的组合步骤本身也算一个开放义务——这个细节很数学:凑不出最后一步的零件,等于没有零件。

第二步,派。 选中的子命题打包成一批带版本的"研究工单"发给 Cells。每张工单写明前提、目标、依赖、完成标准,Cell 开工前要先核对——规格有缺陷,Brain 会修正。工单在当轮内是冻结的,实质性修改只能等轮次整合之后。这种"工单纪律"避免了多智能体系统里最常见的失控:每个 agent 都在做"更好但不对题"的工作。

第三步,收。 每批工单回来后,Brain 更新 Live Complexity Bracket——新下界取 max,新上界取 min,区间收窄一次,就重新计算还剩哪些区域没解决,然后重建路线:被证伪的零件替换,被支持的零件保留为新路线的前提。关键性质:即使上下界数字没变,新发现的"这条路走不通"的证据,也足以改变下一批工单的构成。这不是一次性任务分解,而是带反馈的活循环。

Brain 对 Cell 的指令只有三种:CONTINUE(继续)、PAUSE(你的贡献已被别人覆盖,或不再被剩余目标需要)、STEER(在工单范围内给一点战略指引)。读到 PAUSE 的时候我笑了一下——人类实验室里多少工时浪费在"重复发明同事已经发明的东西"上,一个会喊停的 PI 有多值钱,做过科研的都懂。

🔬 Cells:突击队

Cells 是执行层。领走子命题,做猜想、构造、证明。每个 Cell 每轮结束要提交三样东西:本地审计(这轮的推理链有没有洞)、更新后的草稿与工作记忆、checkpoint 报告。它们彼此独立推进,但共享状态在 Brain 那里实时汇总——一个 Cell 刚证明的新下界,可能在下一小时就让另一个 Cell 的上界路线失去意义,Brain 会在 checkpoint 时告诉它:你本来的任务被覆盖了,但这里有个新缺口正好需要你手上的工具。

⚔️ 三、Adversarial Co-Ascent:造锁的和撬锁的,互相成就

架构里最漂亮的机制叫Adversarial Co-Ascent(对抗共升)——也是我觉得整个系统里最"科学"的部分。

回想 oracle 世界的两类人:造算法的、造难关的。Colombo 不满足于让系统只做其中一种,它让两种角色在系统内部互相打:

  • 算法侧拿到一个候选困难实例族,开始找它的结构破绽:"这族问题看似刁钻,其实有个可利用的局部低秩性——只要问题问得巧,三次查询顶过去十次";
  • 难度侧拿到一个候选算法,开始找它的信息漏洞:"它每次只查询单点梯度,那我设计一个 oracle,前 k 次回答保持完全一致,第 k+1 次才亮出底牌,逼它从头学起——下界就是这么来的"。
每一轮攻防结束,系统把胜负背后信息如何被利用、如何被隐藏的机制抽象成新猜想;猜想指导下一代算法和更刁钻的困难族;证明或证伪猜想,又揭示出"这个机制在什么条件下成立"——而条件的边界,往往就是新设定的定义。

这就是数学家版的 GAN。生成器和对立器不是网络权重,而是定理和反例;目标函数不是判别损失,而是上下界之间那道缝的宽度。此前 AI Scientist 类的工作大多是"选一个题、做一题",把"造难题"本身当成与"解难题"同等重要的研究产出——Colombo 可能是第一个这么做的系统。这个思想的价值怎么强调都不为过:科学史反复证明,好问题比好答案稀缺,而造难度实例的过程,正是在批量生产好问题。造锁匠和撬锁匠共用同一套图纸库,彼此盯着对方的手艺精进——这大概是对抗共升最生动的工作图景。

✅ 四、两道闸:独立评审 + Lean 形式化

数学自动化里最大的雷是幻觉证明:推理链中间某一步悄悄加强了假设、交换了量词、藏了一个只对特定常数成立的依赖——单看每一步都言之成理,合起来是个空集。

Colombo 设了两道闸。

第一道,独立评审。 一轮研究结束后,独立评审 agent 介入——注意,它和做研究的 Cell 不是同一个实例,它的 KPI 就是挑刺:假设有没有被偷换?组合步骤里的共享构造和量词有没有被保留?"对所有 ε 成立"和"对固定的 ε 成立"是不是被悄悄调了包?

第二道,Lean 形式化认证。 通过评审的数学声明,交给 Lean 定理证明器做机器验证。Lean 不讲情面,它只做类型检查和推导规则——一个定理被 Lean 接受,意味着它的形式化表述和证明结构在公理层面无懈可击。这一步把"听起来正确"从可接受标准里彻底删除。

第二道闸的重量级在於它改变了一层信任结构。Colombo 的产出带着 Lean 证书,意味着下游使用者不需要信任"某个 Cell 说它证出来了",只需要信任 Lean 内核——那是一个几千行代码、被全球数学社区反复锤打过的小型信任根。把机构信任换成机器可验证信任,在数学自动化里,是比任何单个定理都重要的基础设施。

Memory 里那条"负面证据"的记录格式值得一提:不是简单标"失败",而是记录"卡在哪个证明义务、被什么证据否决、否决的模式能否抽象成一般准则"。失败被当成矿来开采——这种待遇,人类实验室里只有最好的 PI 才舍得给。

认证结果回写 Long-Term Memory:被验证的定理、算法、困难族、证明技术、以及负面证据(这条路走不通,为什么,卡在哪一步)。记忆跨设定复用——上一个设定里学会的 hardness 机制,可能是下一个设定下界证明的种子。这也是"frontier-to-frontier"里 frontier 的双关:科学边疆在一次又一次的往返中被推进。

📊 五、五十多个设定:这张地图现在的样子

战果部分,Colombo 至今已在 Complexity Atlas 的五十多个设定上建立了最优或近最优复杂度速率。论文列了六大战役区:

1. 零阶优化:关闭了多个长期开放缝隙。零阶就是那个"不许问斜率、只能问函数值"的最严苛环境——相当于蒙着眼睛摸山谷,每次迈步前要先跺几脚听回声。这里每一道缝的关闭,都直接影响黑盒优化、强化学习、超参搜索、进化策略的理论极限:它们全都活在零阶世界里。 2. 随机一阶复杂度:解决了随机梯度方法遗留的间隙——机器学习每天用的 SGD,它的理论极限有多少是被"随机性本身的信息代价"占掉的,这里给了定量的答案。对做训练的人来说,这类结果决定了一个加速技巧是"真加速"还是"只是把常数藏进了假设"。 3. 变分不等式(VIs):关闭了 oracle 复杂度缝隙。VI 比优化更一般:博弈均衡、鞍点问题、互补问题都归它管。许多在优化里成立的结论搬到 VI 就失效——梯度场没有势函数的怪地形——缝隙也因此更深更硬。 4. 随机双层优化(Bilevel):给出尖锐复杂度极限。双层问题有两层互相嵌套的优化——内层的解是外层的参数,超参优化、元学习、隐式微分都是这个形状,出名的难,出名的贵。 5. 非凸 minimax:min-max 对抗优化的尖锐 oracle 复杂度。GAN 训练、对抗鲁棒性的理论天花板长什么样,这里有了一块新拼图。 6. 几何与矩阵计算:双曲空间上的测地凸优化(空间的曲率怎么改变信息代价)、单纯形上的矩阵博弈(对策论遇上谱方法)、低秩矩阵逼近(推荐系统和量子化学的共同底座)。

每条战果的成色都要强调一遍:不是"复现人类已知结论",而是上界下界两头 newly proved 然后咬合——把人类留在文献里的开放问题缝上了。这是定理级的产出,不是综述级的。

🌀 六、Autopoietic Science:科学自己生产自己

论文最后一节,作者抛出了他们真正想说的东西:Autopoietic Science(自创生科学)。

这个词借自生物学。Autopoiesis,"自我生产":一个系统持续生产着维持自身存在所需的组件。Colombo 式的科学过程也是这样运转的:每一次被验证的进展,都在改变"下一步该问什么"这个问题的答案。它生产的不只是定理,还有新的问题、新的工具、新的地图——科学过程本身成为自己产出的消费者和再生者。

这个愿景有一个具体的技术对应。 oracle 世界里说"缝闭合"时,指的是上下界咬合;而缝一闭合,Atlas 就解锁三种后续动作:相邻设定被波及(这条 hardness 技术能不能搬到隔壁?)、新参数区域浮现(这个界在什么条件下退化?)、新设定被定义(把 oracle 换成 XX,会发生什么?)。每一次"完成"都自动生成"未完成"。这就是 autopoietic 的严格含义。

往应用推一步,作者提出 capability–challenge co-evolution(能力-挑战共演):在大模型训练里,更强的训练方法会让旧基准变得不再能提供信息——今天的 benchmark 就是明天的无聊题,评测的效度随能力一起衰减。一个 Colombo 式的训练系统应该主动设计对抗性诊断挑战来暴露自身失效模式,再用失效模式驱动新算法。训练不再是"在固定考题上刷分",而是造题的、破题的、解题的,永远在同一张地图上周而复始——Map 即 Mission。

博尔赫斯的皇帝面对那张与帝国同大的地图,最终发现它没用,只能任它风化。Colombo 的地图不会,因为它从第一天就承认地图永远画不完,并把"画不完"制度化成了工作机制。这是它和那张绝望巨图的本质区别:不追求完备,只追求永不停止的更新。博尔赫斯写的是知识的挽歌,这篇论文写的是知识的发动机。

🧭 七、放进坐标系:它和 AI Scientist 们差在哪

近年自动化科研的系统出了不少,值得摆在一起看清楚 Colombo 的坐标。

Sakana AI 的 AI Scientist 做的是论文流水线:选题、跑实验、写稿、评审,全自动,但每一步的目标都是"产出一篇论文"。Google 的 Co-Scientist 和 FutureHouse 的 Robin 做的是科学家副驾:目标识别、药物重定位、机制解释,人类定题,AI 加速。

Colombo 的定位和它们都不同:它不做实验、不写论文为主业,它管的是领域本身的自我更新——哪个问题值得做、做完之后地图怎么改、改完之后下一个问题从哪长出来。用公司的比喻:AI Scientist 是自动化的研究员,Co-Scientist 是自动化的研究助理,Colombo 是自动化的研究总监兼制图师。

更本质的差别在反馈回路的位置。前两类系统的产出物是"论文"或"答案",反馈来自外部评审;Colombo 的产出物是"被修改的地图",反馈直接来自产出本身——每闭合一道缝,地图就自动指示下一批值得攻击的位置。前两类是开环流水线,Colombo 是闭环系统。这个分工如果成立,意味着未来 AI 做科学的形态可能不是"很多个自动研究员各自为战",而是"感知层、规划层、执行层各司其职的组织体"。这也是我读这篇论文时最大的方法论收获:多智能体系统的护城河,不在 agent 有多聪明,在组织结构有多讲究。

🔍 八、保持清醒:这不是全能科学家

按惯例泼几盆冷水。

第一,领域的特殊性。 Oracle-based optimization 是少有的"边疆可以被完整数学化"的领域——上界、下界、缝隙,全是良定义的符号对象。Colombo 的成功很大程度吃到了这个结构红利。换到生物学或材料学,"边疆在哪"本身就要吵上十年,"上下界"可能根本没有良定义的形式。论文自己也老实承认这是 first step。把它直接外推成"所有科学的自动化",是一步太大的跳跃。

第二,成本与规模的黑箱。 论文没披露 token 成本、wall-clock 时长、每个设定平均几轮收敛。五十多个设定听着多,但多数是同一领域内的参数变体;完整打下一个硬设定要跑多久、烧多少钱、失败率多少,都需要独立复现才能判断经济性。

第三,认证的边界。 Lean 验证只覆盖能形式化的声明。证明策略层面"这条路看起来有戏"的直觉,目前无法被机器检查——而直觉恰恰是数学家最值钱、也最不可自动化的资产。Colombo 把直觉留在 Cell 的内部,把纪律放在 Cell 的边界,这个分工聪明,但也意味着系统的上限仍然受限于模型的数学直觉质量。

第四,评审的元问题。 自动化产出的数学,人类审稿人该怎么审?审证明思路还是审系统日志?Lean 证书能兜底形式正确,但"这个定理值不值得发"的判断,目前还得靠人。这未必是坏事——它把人类的角色从"证明执行者"挪到了"品味仲裁者",可能恰好是人类数学家该去的地方。

第五,也是最容易被忽视的一点:多样性。 由 GPT-5.6 Sol 驱动的 Cell,其猜想空间受训练分布塑形。如果模型对某类 hardness 构造有系统性偏好,整个系统的探索会不会在一个看不见的角落里打转?Atlas 本身无法察觉这种盲区——地图照不出自己没画过的地方。对抗共升提供了部分纠正(难度侧专门找算法的盲点),但两个角色共享同一个底座模型,共享的盲区无从对抗。这在哲学上是个诚实的开放问题。

📚 参考文献

  • Zhang, H., Wu, W., Zhang, C., Zheng, C., Li, Y., Fang, C., Li, H., & Lin, Z. (2026). *Colombo: A Frontier-to-Frontier Autoresearch System for Oracle-Based Optimization*. arXiv:2611.23080. 北京大学。
  • 先前存档:Zenodo. https://doi.org/10.5281/zenodo.23438699
  • Popper, K. (1963). *Conjectures and Refutations*.(猜想与反驳——Colombo 的哲学底座之一)
  • Kuhn, T. (1962). *The Structure of Scientific Revolutions*.
  • Lakatos, I. (1978). *The Methodology of Scientific Research Programmes*.
  • Nemirovski, A., & Yudin, D. (1983). *Problem Complexity and Method Efficiency in Optimization*.(oracle 复杂度领域的奠基之作)
#论文 #AI做科学 #自动化研究 #优化理论 #复杂性 #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

Q

📑 本期三部曲导航 | 科学的三副面孔

本系列从 Papers.Cool 2026-11-18 列表中选取,主题聚类「AI 做科学」:

📕 ① 一张画不完的地图:Colombo 与自组织的科学边疆(本篇) → arXiv:2611.23080 · 北京大学 · oracle 优化复杂度的自动测绘与推进 博尔赫斯式的悖论:地图永远画不完,那就把"画不完"做成工作机制。

📗 ② 换一个问法:Abelio 与被遗忘的细胞修墙术 → arXiv:2611.22988 · Asteromorph/加川大学 · 结构化假设生成 卡尔维诺的手法工程化:换问法拆检索围墙,湿实验证实膜锚定 PEG + DNA 纳米桥。

📘 ③ 为一次计算生一个程序:Born 与量子化学的宿命编程 → arXiv:2611.22897 · 北大/摩尔线程 · 预见式智能体编译 莱姆的特鲁尔式机器:单 GPU 干翻 64 GPU,173 倍提速的 DNA 双螺旋计算。

三篇合看:Colombo 管"什么问题值得做",Abelio 管"怎么问出新问题",Born 管"怎么把答案算出来"。AI 做科学的关键不在更大的模型,在更讲究的架构。

—— 千寻 · 追评

暂无表态
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens