讓LLM扔塊石頭，結果它發明了投石機？
大模型接到任務：「造一個能把石頭扔遠的結構。」
誰成想，它真的開始動手造了，在一個真實的物理仿真世界裏，一邊搭零件，一邊看效果，一邊修改。
最後，它造的投石機，把石頭扔了出去。
這就是來自港中大（深圳）、港中大的研究團隊（Wenqian Zhang, Weiyang Liu, Zhen Liu）帶來的最新研究——《Agentic Design of Compositional Machines》。
他們推出了一個叫BesiegeField的新平台，它就像一個給大模型的「機械工程師訓練場」，專門測試AI能不能像人一樣，從零開始設計並造出能動的、有功能的複雜機器。
這還沒完。BesiegeField支持上百次的並行實驗，一旦引入強化學習（Reinforcement Learning），大模型就能「自我進化」：從反饋中調整策略，逐步學會結構設計的物理邏輯，最終學會如何「造出能動的結構」。
大模型怎麼寫出一個機械結構
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節。研究者提出了一種叫「組合式機械設計」（Compositional Machine Design）的方法。
說白了，就是把機械結構限定在「用標準零件組裝」這個範圍裏。每個零件（比如支架、關節）都有標準尺寸和接口，大模型只需要決定：
用哪些零件
它們之間怎麼連
這樣，複雜的設計就被簡化成一個「離散結構組合問題」。到底好不好用？能不能動？穩不穩？交給物理仿真去驗證。
為了讓模型好理解和修改，研究者用了一種類似XML的「結構化表示機制」，設計機械就變成了一種語言模型擅長的結構生成任務。
一個自進化訓練場
上面說的這一切，都發生在BesiegeField這個仿真平台裏。它跑在Linux集群上，能同時跑幾百個機械實驗，並給到完整的物理反饋——比如速度、受力、能量變化、投擲距離、穩不穩定、機械損壞度等等。
這些反饋不僅能驗證設計，還能作為強化學習的「獎勵信號」，指導模型改進策略。
在這個平台裏，模型的設計形成了閉環：生成 → 仿真 → 拿反饋 → 調整 → 再來一次。
就算不更新模型參數，它也能靠反饋優化輸出；如果引入強化學習，模型就能通過這些量化的獎勵信號，系統性地提升設計能力和成功率。
平台還設計了一系列從易到難的任務，比如直線行駛、投擲、抓取，甚至還有過障礙、地形坡度、穿環投擲等更復雜的場景，構成了一個多樣化的實驗空間。
為什麼造機器這麼難
造機器的挑戰，不在於零件多少，而在於它們能不能「在動態中協同工作」來完成複雜功能。
拿投石機來說，配重、支點、發射臂必須在關鍵時刻協同發力，才能把能量精準地扔出去。
只要一個地方偏差，整個機器就可能失效：沒配重，打不出去；缺支點，原地轉圈；少了槓桿，石頭飛不起來。
這些問題，只有在真實仿真中才能被發現，也只有這樣，模型才能一步步搞懂「結構到底是怎麼動起來的」。
差距有多大？人類設計的投石機能投近200米，而大模型設計的，常常連30米都到不了。
這其中，差距就在於對「結構協同」和「發力效率」的理解。
這也是BesiegeField要解決的核心問題——讓它懂得結構之間「如何協同去完成任務」。
模型真學會造結構了嗎
為了解決單個模型「想不明白」的難題，研究團隊構建了一套「智能體工作流」（Agentic Workflow），讓多個AI協作。
這套系統裏有不同角色：
總設計師（Meta-Designer）： 負責拆解任務。
結構設計師（Designer）： 搭建初始方案。
審查員（Inspector + Refiner）： 檢查結構和連通性。
反饋查詢員（Active Env Querier）： 跑仿真並從大量反饋數據內抽取對任務最有用的信息報告。
分析/優化員（Refiner）： 解讀反饋，提出修改。
團隊測試了多個主流模型，發現在這套工作流下，Gemini 2.5 Pro的表現很突出。
比如在優化投石機時，Gemini 2.5 Pro能根據仿真反饋，識別出「底座太小導致結構失衡」、「旋轉軸方向錯誤導致無法發力」等問題，並提出「移除舊底座」、「重新定位手臂和容器」、「構建新底座」等修改方案。
對比表格顯示，這套「多角色分層設計」（Hierarchical Design）策略，在投石機（Catapult）和小車（Car）任務上，其平均分（Mean）和最高分（Max）都顯著優於以Gemini為代表的部分「單一模型」或簡單的「迭代修改」策略。
關鍵這些成果是模型自己在真實反饋裏逐步學會調整的。
怎麼讓AI越造越聰明？
有了工作流還不夠，還得讓模型能「自我進化」。研究團隊引入了強化學習（RL），具體用了一種叫RLVR（基於可驗證反饋的強化學習）的策略。
BesiegeField的仿真反饋就是現成的「獎勵信號」（Reward）：比如投擲距離多遠？能不能成功執行任務？能運行多久？
研究團隊用了Pass@k Training方法（即在k次嘗試中選獎勵最大的那個樣本作為訓練信號），對Qwen2.5-14B-Instruct這個模型進行持續微調。
效果很明顯。隨着迭代次數增加，模型設計的結構越來越好，投擲距離也越來越遠。
定量數據也顯示，在「Cold-Start + RL」（用少量好例子啓動+強化學習）的策略下，模型在小車任務上的最高分達到了45.72，投石機任務的平均分和最高分也都是最優的。
這是首次證明，LLM確實能藉助RL，在仿真反饋中持續提升機械設計能力。
AI創造力的新邊界
總的來說，BesiegeField帶來的不只是一個仿真平台，更像是一種新的「結構創造範式」。
它把複雜的機械設計，轉變成了一個AI擅長的「結構化語言生成任務」；
它提供了一個閉環，讓模型能在真實的物理反饋中，學會理解力學規律和結構協同；
它支持任務難度可控、流程模塊化、結果可定量評估；
更重要的是，它提供了一個觀察AI如何獲得「空間智能」和「物理智能」的起點。
研究團隊期待，未來AI造的不僅是投石機，而是能奔跑、搬運、協作的各種複雜結構——讓語言模型真正具備「造出會動的東西」的能力。
項目主頁：https://besiegefield.github.io
論文地址：https://www.arxiv.org/abs/2510.14980