让 agent 设计中子仪器，会怎样

agent 到底能不能干真正的科学工程，以及整个科研系统被模拟出来会暴露什么，10 月初的两篇 arXiv 论文分别给出了实验场。

NeutronGym：真仪器，真物理，真打分

中子散射仪器是大科学装置的核心部件，设计门槛极高。Lijie Ding 与 Changwoo Do 的 NeutronGym（arXiv:2610.03631）为此建了第一个可执行环境：agent 用验证工具搭建仪器，McStas 负责仿真，判分走一条四层阶梯，语法、运行、结构、科学性逐级评，全程不用 LLM 当裁判，物理说了算。

考卷除了程序化生成的任务族，还有 McStasBench 的 16 道从已发表仪器精选的题目，配了防背题的记忆探针与沙箱。成绩很冷静：七个模型最多解出 16 题中的 7 题，没有一个检索出参照设计，没有一个达到改进目标。

更有意思的是训练侧：拿环境奖励做强化学习，Qwen3-8B 在留出实例上从 11% 拉到 77%，超过了未训练的 32B 版本；去掉阶梯里的部分得分机制，收益直接崩掉 60 个点。闭式物理问题上，训练后的模型与经典优化器打成 77 对 81 的接近水平，前沿模型仍是 98 到 99 的另一档。作者还坦白了四个任务设计因无模型基线就能解而被废弃，找出它们的探针随文发布。页面未见主代码链接。

SciUtopia：把学术界装进模拟器

Yiqiao Jin 等 11 位作者的 SciUtopia（arXiv:2610.01257）走另一条路：用 LLM agent 模拟整个学术生态系统，研究者、机构、资助方、合作网络与文献共同演化，覆盖选题、合作、投稿、评审、改投、引用、经费与人员流失全过程。61 个模拟世界跑下来，超过 4 万名虚拟研究者、8 千家机构，产出约 40 万次发表决策与 120 万条 LLM 生成的同行评审。

三个发现值得科研政策圈注意：拒稿驱动的改投会显著放大评审负担，增速超过人口增长本身；谨慎的探索策略在引用影响、职业成功与长期主题多样性之间取得平衡；即便检测不到早赢经费的累积优势，资源不平等仍会涌现。代码开源于 github.com/Ahren09/ScienceUtopia。

放在一起读

一个用物理当裁判测 agent 的真本事，一个用模拟器照科研生态的镜子。加上此前写过的 ScholarCatalyst，agent 与科学的三种关系（干活、找文献、当生态）在本周的论文里凑齐了样本。