你可以把“爱因斯坦测试”想成一场开卷考试，但先撕掉教材的后半本：只让 AI 看到1911年以前的知识，再问它能否走到1915年的广义相对论。这样测的不是模型会不会背答案，而是它能否从零散、反常的证据中发现旧理论的问题，并发明一套新解释。
据 Philip Ball 在《Nature》的报道，Google DeepMind 联合创始人 Demis Hassabis 今年2月在新德里的 India AI Summit 提议，把大语言模型（LLM——通过大量文本学习如何续写和回答问题的模型）的训练资料截断在1911年，再看它能否推导出广义相对论。他称这会是检验 AGI 的一个好测试。AGI 即“通用人工智能”，但报道也提醒，这是一个定义模糊的概念，因此这只是 Hassabis 提出的判据，并非公认标准。
难点不是算出答案，而是发明问题
广义相对论把引力解释为物质和能量造成的时空弯曲，而不是普通意义上的隔空拉力。它后来支撑了黑洞、引力波等宇宙学研究，也用于空间任务和 GPS 卫星导航。
今天的模型早已读过这些知识。直接问它相对论，就像让学生照着标准答案答题。历史数据回测则试图把模型送回过去，遮住后来出现的理论，检验它能否重走发现过程。
这种思路并不限于相对论。《Nature》报道，Truthful AI 研究者 Owain Evans 在2024年12月提出“vintage”或“historical” LLM，也就是只用某个截止日期以前的数据训练模型，再看它能重新发现什么。2026年已有多个团队构建这类模型，包括尝试爱因斯坦测试的项目。不过报道的概括是：早期尝试更多暴露了当前 AI 的局限。
当前模型为什么“跳”不过去？
Google DeepMind 研究员 Tom Zahavy 在今年1月的立场论文《LLMs can’t jump》中认为，爱因斯坦式突破需要溯因推理（abductive reasoning）：面对一个特殊而难解的现象，创造性地提出可能的原因。它不同于归纳推理——从许多案例中总结共同规律。
现有模型擅长从海量样本里寻找相关性，并给出统计上更可能的答案。数据充足时，这使它们成为有价值的预测工具。可重大突破常从少量数据或不合常规的异常出发，科学家必须进一步构造“世界模型”——对现象背后基本原则的整体解释。
一项7月发表的会议论文提供了直观例子。MIT 计算机科学家 Sendhil Mullainathan 等人把遵循牛顿力学的合成行星系统数据交给一个轨道力学基础模型。模型没有推出统一的真实引力定律，而是给每个行星系统分别拟出一条规律，并且各有各的错误。它像是为每道题单独找窍门，却没看出题目背后的共同规则。
这场测试真正测什么
量子光学研究者 Ido Kaminer 等人在7月发布预印本《Can AI follow in Einstein’s footsteps?》。他们认为，AI 原则上并非不可能完成类似相对论的突破，但可能需要重新思考当前模型依赖的一些基本原则。这是可能性判断，不是 AI 已经重新发现相对论的证据。
这也正是爱因斯坦测试值得关注之处。它把“会答题”和“会发现”的差别变成了一场可理解的实验：前者在问题与理论都已写明后寻找答案；后者要判断旧框架为何失效，甚至创造一种此前不存在的提问方式。
局限与未知
- 现有供稿仅为一篇《Nature》报道，且正文在介绍后续实验时截断，无法完整评估各项目。
- 报道没有给出多个团队的完整名单、训练资料截止规则、现代知识防泄漏办法、评价指标和具体成绩。
- 《LLMs can’t jump》与 Kaminer 等人的预印本分别表达了立场和可能性；目前材料不足以证明 AI 必然不能、或已经能够完成爱因斯坦式发现。