La Agente Óptima 使自主实验室活动可审计且成本更低

自动驾驶实验室可以自适应地运行实验，但专家仍需将目标转化为可执行的闭环活动，并在条件变化时进行调整。

团队围绕持久优化状态构建了 La Agente Óptima。它在计算和物理系统之间构建并监督贝叶斯优化活动，同时将 LLM 推理与实际执行的活动分离。常规循环稳定运行；当进展需要解释或修订时，控制权会返回给代理。

在一次接触角活动中，它捕捉到一次中途测量失败，将结果从 71.4 度调整为 67.8 度，并推断使用现有试剂可能无法达到 64–66 度的目标。在为期五天的流动化学活动中，23 次实验将产率从 30% 提升到 59%；成本低于人工指导的活动，并且起始物料使用更少。

将 LLM 推理与活动执行分离

持久状态防止每次循环重置上下文。

将执行与推理分离，使重复优化保持一致。

可审计的决策使测量失败和活动变更可诊断。

代理能够识别无法实现的目标，并建议改变配方，而不是盲目迭代。

对于长期优化，将推理与执行分离：让系统重复经过验证的循环，但保留人或代理的注意力用于解释、失败恢复和重新制定。

论文报告了五项数字发现任务和两个物理平台，随着科学问题和执行环境演变，可执行活动得以维护。它将 Óptima 呈现为一种方式，让领域科学家无需专业设置即可进行严格、长期的优化。