La Agente Óptima：結果だけでなく実験ループを検証する

Müller らの2026年9月のプレプリントは、最適化の状態を言語モデルの外に保存し、プログラムで反復可能な実験を実行する仕組みを説明する。評価は五つのデジタル課題と二つの物理プラットフォームで行われたと報告される。フロー化学では23回の実験で測定収率が30%から58.8%に上昇した。別の接触角実験の結果67.8°は、目標64–66°の範囲外だった。^[1]

著者らは人が主導した実験に比べ総費用が13%低かったと報告する一方、統制されたベンチマークではないと明記する。探索空間、初期設定、実験数、最終条件が異なるためだ。モデルの推論費用を含む比較だが、あらゆる課題での節約や実験装置の処理速度向上を示すものではない。一つのプレプリントによる証拠であり、独立した追試ではない。

エージェントの最高収率は58.8%で、人が主導した全実験の70.9%、消耗品予算をそろえた場合の63.9%を下回った。実験数が23回と50回で異なることは総費用の差を説明するが、同じ成果を示すわけではない。^[1]

分析と応用

応用に向けて問うべきは、反復操作がどこで終わり、判断がどこから始まるかだ。入力、測定値、変更理由を残せば、実験の不成功と測定の異常を区別しやすくなる。ただし、確認できるログがあるだけで、判断の正しさや安全性が証明されるわけではない。

分析と応用

1. 目標、許容範囲、停止条件を定義する。
2. 生の測定値、解釈、決定を分けて保存する。
3. 有効な過去の結果を消さずに、欠測や誤測定から復旧できるか試す。
4. 比較可能な課題で準備、人の作業時間、材料、モデル費用、設備占有を比較する。
5. 成功だけでなく失敗も記録する。これらは提案する評価手順であり、論文の追加結果ではない。