📖Anthropic 发布科学博客客座文章，哈佛大学物理学家马修・施瓦茨提出"AI‑科学领域的阻抗失配（impedance mismatch）"概念。

借用物理学概念：两套系统各自运转正常，但相互之间匹配不佳、能量传递效率低下。引申到大模型科研场景：当前大语言模型能力很强，但直接当作人类科学家同事协作时，整体工作效率并不理想，科学家诉求与 LLM 实际擅长的能力之间存在鸿沟。

✨核心观点

1. LLM 擅长论文解析、编码、限定条件下结构化计算；但并不等同于人类科研人员，很难独立完成完整科研选题、提出有价值的科学问题，需要大量人工引导与校验才能产出真正有价值的科研成果。

2. 不要期待通用聊天大模型端到端包办全部科研流程；应当适配模型的能力边界，构建配套工作流、工具框架。

3. 配套开源工具 "BootLoops"：作者开发的定量科学精确计算工具套件，作为 LLM 的外部 “适配器”，弥合这种阻抗失配；不限于 Claude，可兼容多家大模型，用于物理、生态、遗传学等定量学科的严谨演算、复现与拓展计算。

地址：anthropic.com/research/claude-shaped-science