讓LLM扔塊石頭，結(jié)果它發(fā)明了投石機(jī)？

大模型接到任務(wù)：“造一個(gè)能把石頭扔遠(yuǎn)的結(jié)構(gòu)?！?/span>

誰成想，它真的開始動(dòng)手造了，在一個(gè)真實(shí)的物理仿真世界里，一邊搭零件，一邊看效果，一邊修改。

最后，它造的投石機(jī)，把石頭扔了出去。

這就是來自港中大（深圳）、港中大的研究團(tuán)隊(duì)（Wenqian Zhang, Weiyang Liu, Zhen Liu）帶來的最新研究——《Agentic Design of Compositional Machines》。

他們推出了一個(gè)叫BesiegeField的新平臺(tái)，它就像一個(gè)給大模型的“機(jī)械工程師訓(xùn)練場(chǎng)”，專門測(cè)試AI能不能像人一樣，從零開始設(shè)計(jì)并造出能動(dòng)的、有功能的復(fù)雜機(jī)器。

這還沒完。BesiegeField支持上百次的并行實(shí)驗(yàn)，一旦引入強(qiáng)化學(xué)習(xí)（Reinforcement Learning），大模型就能“自我進(jìn)化”：從反饋中調(diào)整策略，逐步學(xué)會(huì)結(jié)構(gòu)設(shè)計(jì)的物理邏輯，最終學(xué)會(huì)如何“造出能動(dòng)的結(jié)構(gòu)”。

大模型怎么寫出一個(gè)機(jī)械結(jié)構(gòu)

首先得明確，這不是讓大模型去畫CAD圖，它也控制不了三維細(xì)節(jié)。研究者提出了一種叫“組合式機(jī)械設(shè)計(jì)”（Compositional Machine Design）的方法。

說白了，就是把機(jī)械結(jié)構(gòu)限定在“用標(biāo)準(zhǔn)零件組裝”這個(gè)范圍里。每個(gè)零件（比如支架、關(guān)節(jié)）都有標(biāo)準(zhǔn)尺寸和接口，大模型只需要決定：

• 用哪些零件
• 它們之間怎么連

這樣，復(fù)雜的設(shè)計(jì)就被簡(jiǎn)化成一個(gè)“離散結(jié)構(gòu)組合問題”。到底好不好用？能不能動(dòng)？穩(wěn)不穩(wěn)？交給物理仿真去驗(yàn)證。

為了讓模型好理解和修改，研究者用了一種類似XML的“結(jié)構(gòu)化表示機(jī)制”，設(shè)計(jì)機(jī)械就變成了一種語言模型擅長(zhǎng)的結(jié)構(gòu)生成任務(wù)。

一個(gè)自進(jìn)化訓(xùn)練場(chǎng)

上面說的這一切，都發(fā)生在BesiegeField這個(gè)仿真平臺(tái)里。它跑在Linux集群上，能同時(shí)跑幾百個(gè)機(jī)械實(shí)驗(yàn)，并給到完整的物理反饋——比如速度、受力、能量變化、投擲距離、穩(wěn)不穩(wěn)定、機(jī)械損壞度等等。

這些反饋不僅能驗(yàn)證設(shè)計(jì)，還能作為強(qiáng)化學(xué)習(xí)的“獎(jiǎng)勵(lì)信號(hào)”，指導(dǎo)模型改進(jìn)策略。

在這個(gè)平臺(tái)里，模型的設(shè)計(jì)形成了閉環(huán)：生成 → 仿真 → 拿反饋 → 調(diào)整 → 再來一次。

就算不更新模型參數(shù)，它也能靠反饋優(yōu)化輸出；如果引入強(qiáng)化學(xué)習(xí)，模型就能通過這些量化的獎(jiǎng)勵(lì)信號(hào)，系統(tǒng)性地提升設(shè)計(jì)能力和成功率。

平臺(tái)還設(shè)計(jì)了一系列從易到難的任務(wù)，比如直線行駛、投擲、抓取，甚至還有過障礙、地形坡度、穿環(huán)投擲等更復(fù)雜的場(chǎng)景，構(gòu)成了一個(gè)多樣化的實(shí)驗(yàn)空間。

為什么造機(jī)器這么難

造機(jī)器的挑戰(zhàn)，不在于零件多少，而在于它們能不能“在動(dòng)態(tài)中協(xié)同工作”來完成復(fù)雜功能。

拿投石機(jī)來說，配重、支點(diǎn)、發(fā)射臂必須在關(guān)鍵時(shí)刻協(xié)同發(fā)力，才能把能量精準(zhǔn)地扔出去。

只要一個(gè)地方偏差，整個(gè)機(jī)器就可能失效：沒配重，打不出去；缺支點(diǎn)，原地轉(zhuǎn)圈；少了杠桿，石頭飛不起來。

這些問題，只有在真實(shí)仿真中才能被發(fā)現(xiàn)，也只有這樣，模型才能一步步搞懂“結(jié)構(gòu)到底是怎么動(dòng)起來的”。

差距有多大？人類設(shè)計(jì)的投石機(jī)能投近200米，而大模型設(shè)計(jì)的，常常連30米都到不了。

這其中，差距就在于對(duì)“結(jié)構(gòu)協(xié)同”和“發(fā)力效率”的理解。

這也是BesiegeField要解決的核心問題——讓它懂得結(jié)構(gòu)之間“如何協(xié)同去完成任務(wù)”。

模型真學(xué)會(huì)造結(jié)構(gòu)了嗎

為了解決單個(gè)模型“想不明白”的難題，研究團(tuán)隊(duì)構(gòu)建了一套“智能體工作流”（Agentic Workflow），讓多個(gè)AI協(xié)作。

這套系統(tǒng)里有不同角色：

• 總設(shè)計(jì)師（Meta-Designer）： 負(fù)責(zé)拆解任務(wù)。
• 結(jié)構(gòu)設(shè)計(jì)師（Designer）： 搭建初始方案。
• 審查員（Inspector + Refiner）： 檢查結(jié)構(gòu)和連通性。
• 反饋查詢員（Active Env Querier）： 跑仿真并從大量反饋數(shù)據(jù)內(nèi)抽取對(duì)任務(wù)最有用的信息報(bào)告。
• 分析/優(yōu)化員（Refiner）： 解讀反饋，提出修改。

團(tuán)隊(duì)測(cè)試了多個(gè)主流模型，發(fā)現(xiàn)在這套工作流下，Gemini 2.5 Pro的表現(xiàn)很突出。

比如在優(yōu)化投石機(jī)時(shí)，Gemini 2.5 Pro能根據(jù)仿真反饋，識(shí)別出“底座太小導(dǎo)致結(jié)構(gòu)失衡”、“旋轉(zhuǎn)軸方向錯(cuò)誤導(dǎo)致無法發(fā)力”等問題，并提出“移除舊底座”、“重新定位手臂和容器”、“構(gòu)建新底座”等修改方案。

對(duì)比表格顯示，這套“多角色分層設(shè)計(jì)”（Hierarchical Design）策略，在投石機(jī)（Catapult）和小車（Car）任務(wù)上，其平均分（Mean）和最高分（Max）都顯著優(yōu)于以Gemini為代表的部分“單一模型”或簡(jiǎn)單的“迭代修改”策略。

關(guān)鍵這些成果是模型自己在真實(shí)反饋里逐步學(xué)會(huì)調(diào)整的。

怎么讓AI越造越聰明？

有了工作流還不夠，還得讓模型能“自我進(jìn)化”。研究團(tuán)隊(duì)引入了強(qiáng)化學(xué)習(xí)（RL），具體用了一種叫RLVR（基于可驗(yàn)證反饋的強(qiáng)化學(xué)習(xí)）的策略。

BesiegeField的仿真反饋就是現(xiàn)成的“獎(jiǎng)勵(lì)信號(hào)”（Reward）：比如投擲距離多遠(yuǎn)？能不能成功執(zhí)行任務(wù)？能運(yùn)行多久？

研究團(tuán)隊(duì)用了Pass@k Training方法（即在k次嘗試中選獎(jiǎng)勵(lì)最大的那個(gè)樣本作為訓(xùn)練信號(hào)），對(duì)Qwen2.5-14B-Instruct這個(gè)模型進(jìn)行持續(xù)微調(diào)。

效果很明顯。隨著迭代次數(shù)增加，模型設(shè)計(jì)的結(jié)構(gòu)越來越好，投擲距離也越來越遠(yuǎn)。

定量數(shù)據(jù)也顯示，在“Cold-Start + RL”（用少量好例子啟動(dòng)+強(qiáng)化學(xué)習(xí)）的策略下，模型在小車任務(wù)上的最高分達(dá)到了45.72，投石機(jī)任務(wù)的平均分和最高分也都是最優(yōu)的。

這是首次證明，LLM確實(shí)能借助RL，在仿真反饋中持續(xù)提升機(jī)械設(shè)計(jì)能力。

AI創(chuàng)造力的新邊界

總的來說，BesiegeField帶來的不只是一個(gè)仿真平臺(tái)，更像是一種新的“結(jié)構(gòu)創(chuàng)造范式”。

• 它把復(fù)雜的機(jī)械設(shè)計(jì)，轉(zhuǎn)變成了一個(gè)AI擅長(zhǎng)的“結(jié)構(gòu)化語言生成任務(wù)”；
• 它提供了一個(gè)閉環(huán)，讓模型能在真實(shí)的物理反饋中，學(xué)會(huì)理解力學(xué)規(guī)律和結(jié)構(gòu)協(xié)同；
• 它支持任務(wù)難度可控、流程模塊化、結(jié)果可定量評(píng)估；
• 更重要的是，它提供了一個(gè)觀察AI如何獲得“空間智能”和“物理智能”的起點(diǎn)。

研究團(tuán)隊(duì)期待，未來AI造的不僅是投石機(jī)，而是能奔跑、搬運(yùn)、協(xié)作的各種復(fù)雜結(jié)構(gòu)——讓語言模型真正具備“造出會(huì)動(dòng)的東西”的能力。

項(xiàng)目主頁：https://besiegefield.github.io

論文地址：https://www.arxiv.org/abs/2510.14980