中国科大把AI推进到真实实验室执行层面
中国科学技术大学发布的最新研究，尝试回答一个更具体的问题：人工智能是否已经足够聪明，能够从事科学研究，并实现端到端的自主科学发现。研究不再停留在知识问答或实验方案生成，而是把AI“大脑”接到机器科学家实验室“身体”上，直接进入真实物理世界中的实验执行与反馈学习。
论文链接：https://arxiv.org/abs/2607.23045
研究团队搭建了一个机器催化实验室，包含45个覆盖合成、表征和催化性能测试的模块化自动工作站。为了让AI理解并调用这些实验能力，团队将其封装为机器可读技能（skills）。AI智能体可以通过这些技能直接调用实验设备，同时接受真实设备能力、操作规范和实验条件的约束。
图1显示了用于催化研究的AI可读机器科学家实验室架构，图2则展示了从科学意图到机器实验室执行的路径。
48种实际配置、4,608次评测
基于这一平台，研究团队对6种智能体框架和9个大语言模型组合而成的48种实际配置进行了系统评测。测试覆盖32项由领域专家定义的研究任务，共计4,608次评测试次。
评估不只看智能体能否生成实验计划，还追踪这些计划能否通过核验并下发至机器人系统，以及生成的工作流是否能够在没有人工干预的情况下直接执行。
可执行率仍然偏低
结果显示，当前领先的大语言模型智能体距离“接管”实验室仍有明显差距。在4,608次测试中，仅151个工作流无需人工修复即可执行，占全部测试的3.3%。表现最好的Claude Code与Claude Opus 4.7组合，可执行率为28.1%；Codex与GPT 5.5组合的可执行率为19.8%。
图3展示了AI智能体在可执行规划、验证和实验室任务下发各环节的表现。
能调参数，不等于会重写研究路线
研究还进一步考察了智能体能否从真实实验结果中学习。团队将Codex/GPT 5.5组合放入一个开放式五轮闭环中，连续进行实验规划、机器人执行、证据获取和重新规划。
结果表明，智能体能够根据返回的实验结果调整材料配方和操作条件，但这些调整主要停留在局部参数优化层面。五轮实验过程中，智能体始终保留原有工作流骨架，没有重新设计分析方法，也未能纠正一些持续存在的关键遗漏，例如缺少电极黏结剂和针对特定分析物的显色试剂。
这说明，读取实验反馈并调整参数，并不等于识别研究策略本身的问题，更不等于进行科学层面的重新规划。
长程规划仍是瓶颈
虽然部分智能体生成了经专家评估可执行、且最多包含44个操作步骤的工作流，但在全部测试中，只有3个工作流超过30个操作步骤。这表明，随着任务链条拉长，智能体维持实验逻辑完整性和物理可执行性的能力仍面临明显挑战。
AI科学能力被拆成三层
研究由此区分了当前“AI科学家”讨论里常被混在一起的三种能力：一是流畅生成实验计划，二是生成能够在物理实验室中实际执行的工作流，三是根据实验结果调整整体研究策略。
研究结果显示，语言层面的规划能力并不会自动转化为可靠的实验执行能力，局部参数调整也不能直接视为科学层面的重新规划。
机器实验室既是测试场，也是训练场
作为AI for Science的智能科研基础设施，机器实验室既可以成为检验AI科学能力的测试场，也可以成为推动AI持续进化的训练场。AI智能体通过机器可读技能与机器实验室直接对话，把科学意图转成可执行任务，并接收来自机器执行、仪器状态和实验结果的真实反馈。
由此形成的“规划—执行—反馈—重新规划”闭环，不仅能暴露AI在知识、操作和研究策略层面的缺陷，还可以把成功工作流、失败案例、实验结果和专家评估沉淀为模型训练与智能体对齐的数据，用于持续迭代AI模型及其智能体系统。
图4展示了开放科学问题下AI-机器科学家的五轮迭代。
参考资料：https://arxiv.org/abs/2607.23045
本文来自微信公众号“新智元”，作者：新智元；编辑：LRST