跳到正文
bioRxiv· Kim, J.; Romero, P. A.·· 来源仅提供日期AI 评分46

通用大语言模型经 PEARL 展现实验推理能力

Experimental reasoning in large language models

AI 导读

通用大语言模型经 PEARL 连接液体处理机器人和摄像头后,可在只给目标、不给流程的条件下自主设计并执行实验、解释结果并随证据修正方案。系统在八类场景中表现稳定,所需智能体脚手架有限,且未获得针对场景的恢复配方;在定量酶表征中还能判断测量是否充分、是否需要新数据或改变条件。

预印本 · biorxiv · 10.64898/2026.10.20.760214

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

科学推理需要与物理世界互动:设计实验、解读结果,并决定下一步该做什么实验。在此我们表明,通用大语言模型(LLM)已经具备相当强的实验推理能力。我们通过 PEARL 将 LLM 与液体处理机器人和摄像头相连,PEARL 提供感知、行动和持久状态。在给定目标而非规定工作流程的情况下,该系统设计并成功执行了实验,解读观察结果,并随着证据积累不断修正方法。当信息不足时,PEARL 会自主设计并执行中间实验以获取信息。在定量酶学表征中,它能判断测量是否充分、是否需要新数据,或是否需要改变条件。在八种场景中,这些行为在有限的智能体脚手架下、且没有提供场景特定恢复方案的情况下依然可靠。更广泛地说,通用 LLM 或许可以在科学目标与物理实验之间提供一个推理层,使实验室自动化从执行预定义流程,转向由 AI 系统直接参与实验过程。

来源:bioRxiv · biorxiv.org