Físico de Harvard descreve impedance mismatch

Anthropic publica guest post de Matthew Schwartz: o modelo rende em código e conta, não como colega humano.

Em 1º de outubro de 2026 a Anthropic publicou no Science Blog o texto “Claude-shaped science”, um guest post de Matthew Schwartz sobre o impedance mismatch entre o que um cientista quer de um colega humano e o que os modelos de linguagem grande (LLM, o sistema por trás desses chats) realmente fazem bem. Schwartz é professor de física em Harvard e visiting researcher na empresa, pesquisador visitante, sem ser o emprego principal. No mesmo dia a conta @AnthropicAI apontou para o post no X.

Muitos laboratórios já conversam com o modelo como se ele fosse mais uma pessoa na bancada. Schwartz diz que esse hábito encosta mal no tipo de trabalho em que o modelo já rende.

Resumo rápido

• A Anthropic publicou o guest post em 1º de outubro de 2026 e anunciou no X.
• O impedance mismatch de Schwartz é cientista versus modelo, não um pedido para refazer o método científico.
• BootLoops é o harness open source dele. Ele mantém. A Anthropic financiou. Ele e o site dizem que não é produto da empresa.
• Os números públicos estão no NBER Working Paper 35782 (setembro de 2026), ainda sem revisão de revista. O resto das alegações científicas do blog continua na voz do autor.

Primeiro: o que é o impedance mismatch

Em física, impedance mismatch, ou descasamento de impedância, é o que acontece quando dois aparelhos funcionam sozinhos e se ligam mal. O sinal se perde na junção. Schwartz pega essa imagem para o laboratório. O cientista quer um colega que pense como gente. O LLM atual escreve código e confere conta com uma amplitude de assunto que uma pessoa não segura o dia inteiro. A analogia para aí. Não é um circuito.

No Outlook do texto, ele diz que não vê evidência nem necessidade de “revisit the scientific method”. O descompasso dele é outro: o fluxo humano contra o formato de problema em que o modelo já rende. Ele escreve que Claude e o GPT são bons em ciência, mas não são cientistas. Tratar o LLM como colaborador humano, segundo o autor e o post da empresa, não é hoje “currently the best way to elicit their scientific strengths.”

O que o texto propõe

O ensaio continua “Vibe physics: The AI grad student”, de 23 de março de 2026. Lá Schwartz descreveu o Claude Opus 4.5 como um aluno de pós forte, só que mais rápido, e ainda assim um “slog”: corrigir frase a frase, puxar o modelo para fora de fios inúteis. “20 times the speed” é analogia dele, sem base de medição publicada. Desta vez ele muda a pergunta. Em vez de obrigar o modelo a trabalhar como cientista, procura problemas no formato em que o agente já é forte.

Ele descreve o BootLoops, um harness open source: scripts e checagens que prendem o modelo a um cálculo conferível, em vez de deixar o chat solto. O harness não pensa. Só estreita o caminho. O site é https://www.bootloops.ai/. O código está em BootLoops-ai/bootloops. O guest post e o site dizem que o BootLoops não é projeto da Anthropic. Schwartz o mantém. O dinheiro veio da empresa.

Limites, custo e conflito

O README do GitHub traz “Copyright (c) 2026 Anthropic, PBC” e, no mesmo fôlego, que não é produto oficialmente suportado. Esta redação não resolve essa tensão. O conflito de interesse está escrito: o autor é visiting researcher na empresa que publica o texto.

O post não publica preço em dólar nem em tokens. RUMOR: além de Schwartz chamar o arranjo de intensivo em compute e tokens, não há cifra. Não rodamos o BootLoops. Serve se você já tem um cálculo que dá para conferir. Não serve como colega humano, e não pula a revisão por pares.

O que já tem working paper

Fora do blog, o documento público é o NBER Working Paper 35782, de setembro de 2026, de Matthew Schwartz, Isaiah Andrews e Jesse M. Shapiro. O NBER (National Bureau of Economic Research) é um instituto americano que solta working papers de economia, estudos ainda sem a revisão de uma revista. Os autores descrevem um fluxo com LLM em 4.452 pacotes de replicação de cinco journals. Pacote de replicação é o conjunto de arquivos que a revista guarda para outro pesquisador refazer as contas. Eles relatam divergências em 3.460 artigos ou apêndices; em 496 artigos, redução de tempo de cálculo maior que 10 vezes, com precisão similar ou maior, segundo os três; em 923, uma extensão alinhada aos objetivos do paper original. O NBER registra que Schwartz foi contractor da Anthropic neste projeto e que resultados e visões não são endossados pela empresa. O guest post ainda fala em cerca de 30 mil rotinas. Esse número está no blog, não no resumo do NBER.

O que ainda não sabemos

RUMOR: a maior parte dos outros resultados que Schwartz lista no post de 1º de outubro de 2026 (integrais novas, ecologia, genética de populações, 36 manuscritos em 18 campos com 19 coautores em três meses, a partir de cerca de 400 problemas candidatos) aparece só no guest post, na voz do autor. Quem conta é ele. Esta redação não achou paper independente nem revisão por pares para esses itens. O próprio Schwartz marca vários como “undergoing further exploration and verification”.

A página do departamento de física de Harvard lista Schwartz como Professor of Physics, independente da Anthropic.

A resposta do post àquele hábito de laboratório é não. Use o modelo onde o problema já é um cálculo conferível. O resto da lista científica fica no blog até virar paper que outra pessoa consiga ler.

Fontes

Oficial

• Anthropic Science Blog, “Claude-shaped science”, Matthew Schwartz, 01/10/2026
• @AnthropicAI no X, 01/10/2026
• BootLoops
• GitHub BootLoops-ai/bootloops
• Anthropic, “Vibe physics: The AI grad student”, 23/03/2026

Filiação e working paper

• Departamento de Física, Harvard, Matthew D. Schwartz
• NBER Working Paper 35782, setembro/2026