让 LLM 扔块石头，结果它发明了投石机？

大模型接到任务：" 造一个能把石头扔远的结构。"

谁成想，它真的开始动手造了，在一个真实的物理仿真世界里，一边搭零件，一边看效果，一边修改。

最后，它造的投石机，把石头扔了出去。

这就是来自港中大（深圳）、港中大的研究团队（Wenqian Zhang, Weiyang Liu, Zhen Liu）带来的最新研究——《Agentic Design of Compositional Machines》。

他们推出了一个叫BesiegeField的新平台，它就像一个给大模型的 " 机械工程师训练场 "，专门测试 AI 能不能像人一样，从零开始设计并造出能动的、有功能的复杂机器。

这还没完。BesiegeField 支持上百次的并行实验，一旦引入强化学习（Reinforcement Learning），大模型就能" 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，最终学会如何" 造出能动的结构 "。

大模型怎么写出一个机械结构

首先得明确，这不是让大模型去画 CAD 图，它也控制不了三维细节。研究者提出了一种叫" 组合式机械设计 "（Compositional Machine Design）的方法。

说白了，就是把机械结构限定在 " 用标准零件组装 " 这个范围里。每个零件（比如支架、关节）都有标准尺寸和接口，大模型只需要决定：

用哪些零件

它们之间怎么连

这样，复杂的设计就被简化成一个 "离散结构组合问题"。到底好不好用？能不能动？稳不稳？交给物理仿真去验证。

为了让模型好理解和修改，研究者用了一种类似 XML 的" 结构化表示机制 "，设计机械就变成了一种语言模型擅长的结构生成任务。

一个自进化训练场

上面说的这一切，都发生在BesiegeField这个仿真平台里。它跑在 Linux 集群上，能同时跑几百个机械实验，并给到完整的物理反馈——比如速度、受力、能量变化、投掷距离、稳不稳定、机械损坏度等等。

这些反馈不仅能验证设计，还能作为强化学习的 " 奖励信号 "，指导模型改进策略。

在这个平台里，模型的设计形成了闭环：生成 → 仿真 → 拿反馈 → 调整 → 再来一次。

就算不更新模型参数，它也能靠反馈优化输出；如果引入强化学习，模型就能通过这些量化的奖励信号，系统性地提升设计能力和成功率。

平台还设计了一系列从易到难的任务，比如直线行驶、投掷、抓取，甚至还有过障碍、地形坡度、穿环投掷等更复杂的场景，构成了一个多样化的实验空间。

为什么造机器这么难

造机器的挑战，不在于零件多少，而在于它们能不能" 在动态中协同工作 "来完成复杂功能。

拿投石机来说，配重、支点、发射臂必须在关键时刻协同发力，才能把能量精准地扔出去。

只要一个地方偏差，整个机器就可能失效：没配重，打不出去；缺支点，原地转圈；少了杠杆，石头飞不起来。

这些问题，只有在真实仿真中才能被发现，也只有这样，模型才能一步步搞懂" 结构到底是怎么动起来的 "。

差距有多大？人类设计的投石机能投近 200 米，而大模型设计的，常常连 30 米都到不了。

这其中，差距就在于对 " 结构协同 " 和 " 发力效率 " 的理解。

这也是 BesiegeField 要解决的核心问题——让它懂得结构之间 " 如何协同去完成任务 "。

模型真学会造结构了吗

为了解决单个模型 " 想不明白 " 的难题，研究团队构建了一套" 智能体工作流 "（Agentic Workflow），让多个 AI 协作。

这套系统里有不同角色：

总设计师（Meta-Designer）：  负责拆解任务。

结构设计师（Designer）：  搭建初始方案。

审查员（Inspector + Refiner）：  检查结构和连通性。

反馈查询员（Active Env Querier）：  跑仿真并从大量反馈数据内抽取对任务最有用的信息报告。

分析 / 优化员（Refiner）：  解读反馈，提出修改。

团队测试了多个主流模型，发现在这套工作流下，Gemini 2.5 Pro 的表现很突出。

比如在优化投石机时，Gemini 2.5 Pro 能根据仿真反馈，识别出 " 底座太小导致结构失衡 "、" 旋转轴方向错误导致无法发力 " 等问题，并提出 " 移除旧底座 "、" 重新定位手臂和容器 "、" 构建新底座 " 等修改方案。

对比表格显示，这套" 多角色分层设计 "（Hierarchical Design）策略，在投石机（Catapult）和小车（Car）任务上，其平均分（Mean）和最高分（Max）都显著优于以 Gemini 为代表的部分 " 单一模型 " 或简单的 " 迭代修改 " 策略。

关键这些成果是模型自己在真实反馈里逐步学会调整的。

怎么让 AI 越造越聪明？

有了工作流还不够，还得让模型能 "自我进化"。研究团队引入了强化学习（RL），具体用了一种叫RLVR（基于可验证反馈的强化学习）的策略。

BesiegeField 的仿真反馈就是现成的 " 奖励信号 "（Reward）：比如投掷距离多远？能不能成功执行任务？能运行多久？

研究团队用了 Pass@k Training 方法（即在 k 次尝试中选奖励最大的那个样本作为训练信号），对 Qwen2.5-14B-Instruct 这个模型进行持续微调。

效果很明显。随着迭代次数增加，模型设计的结构越来越好，投掷距离也越来越远。

定量数据也显示，在 "Cold-Start + RL"（用少量好例子启动 + 强化学习）的策略下，模型在小车任务上的最高分达到了 45.72，投石机任务的平均分和最高分也都是最优的。

这是首次证明，LLM 确实能借助 RL，在仿真反馈中持续提升机械设计能力。

AI 创造力的新边界

总的来说，BesiegeField 带来的不只是一个仿真平台，更像是一种新的 " 结构创造范式 "。

它把复杂的机械设计，转变成了一个 AI 擅长的 " 结构化语言生成任务 "；

它提供了一个闭环，让模型能在真实的物理反馈中，学会理解力学规律和结构协同；

它支持任务难度可控、流程模块化、结果可定量评估；

更重要的是，它提供了一个观察 AI 如何获得 " 空间智能 " 和 " 物理智能 " 的起点。

研究团队期待，未来 AI 造的不仅是投石机，而是能奔跑、搬运、协作的各种复杂结构——让语言模型真正具备" 造出会动的东西 " 的能力。

项目主页：https://besiegefield.github.io

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

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

我们正在招聘一名眼疾手快、关注 AI 的学术编辑实习生 

感兴趣的小伙伴欢迎关注  了解详情

点亮星标

科技前沿进展每日见