La Agente Óptima：不只看結果，也要審視實驗循環

Müller 等人在2026年9月的預印本中描述了一套系統：把最佳化狀態保存在語言模型之外，用程式執行可重複的實驗流程。作者報告了五項數位任務和兩個實體平台。在流動化學實驗中，23次實驗將測得產率從30%提高到58.8%。另一項接觸角實驗得到67.8°，仍未進入64–66°的目標範圍。^[1]

作者報告，與人工主導的實驗流程相比，總成本低13%；但也明確指出，兩組流程並非受控基準測試，其搜尋空間、初始化、長度和最終條件不同。比較計入模型推理費用，卻不能證明所有任務都能省錢，也不能證明實驗室運作更快。這是一篇預印本提供的證據，不是獨立重現。

智慧代理的最高產率為58.8%，人工主導的完整流程為70.9%，在相同耗材預算下為63.9%。23次與50次實驗的數量差異有助於解釋總成本為何較低，卻不能說明成果相同。^[1]

分析與借鑑

值得借鏡的問題，是重複操作在哪裡結束、判斷在哪裡開始。保存輸入、測量值和修改理由，才能讓複核者區分實驗沒有成功，還是測量出了問題。可查看的紀錄有助於調查，但本身不能證明決策正確或系統安全。

分析與借鑑

1. 定義目標、允許範圍與停止條件。
2. 分開保存原始測量、解釋和決策。
3. 測試測量缺失或出錯後的恢復，保留先前有效結果。
4. 用可比任務比較準備工作、操作人員時間、材料、模型成本和設備占用。
5. 同時記錄失敗與成功。這些是建議的評估步驟，不是論文新增的實驗結果。