LLM 在科学推理中“治标不治本”：识别病灶失败模式分析

研究显示，7个LLM在合成调控系统中修复表型成功率高于识别病灶，Claude Opus 4.6和Sonnet 4.6虽挽救所有生物但诊断准确率仅55%和35%。 在91%的会话中证据足以区分病因，但模型难以预测各假设下的实验结果，导致推理断裂。 需评估AI使用证据得出因果结论的能力，而非仅关注干预是否成功。