让LLM扔块石头，它居然造了个投石机

主要观点总结

文章介绍了BesiegeField团队的研究，他们开发了一个名为BesiegeField的新平台，旨在测试AI在设计复杂机器方面的能力。该平台允许AI从零开始设计并建造能动的、有功能的机器，并在真实的物理仿真环境中进行试验。研究者通过引入强化学习，使大模型能够根据反馈进行自我调整和改进。该研究展示了AI在机械设计领域的潜力，并有望推动AI在创造复杂结构方面的进一步发展。

关键观点总结

关键观点1: BesiegeField平台介绍

研究团队推出了一个名为BesiegeField的新平台，它是给大模型的“机械工程师训练场”，专门测试AI的设计能力。

关键观点2: 组合式机械设计方法

研究者提出了一种叫“组合式机械设计”的方法，将机械结构限定在“用标准零件组装”这个范围内，大模型只需要决定哪些零件以及它们之间如何连接。

关键观点3: 自进化训练场和强化学习

BesiegeField平台支持上百次的并行实验，并引入了强化学习，使大模型能够“自我进化”，从反馈中调整策略，逐步学会结构设计的物理逻辑。

关键观点4: 智能体工作流

为了解决单个模型难以完成复杂任务的问题，研究团队构建了一套“智能体工作流”，让多个AI协作，以优化投石机等任务。

关键观点5: 研究影响与前景

该研究首次证明LLM能够借助强化学习在仿真反馈中持续提升机械设计能力，并为观察AI如何获得空间智能和物理智能提供了起点。研究团队期待AI未来能够创造更复杂的结构。