La Agente Óptima：迈向智能体自驱动实验室
TLDR
提出La Agente Óptima：用于自驱动实验室的智能体框架，管理贝叶斯优化并支持长期闭环实验。
评分理由
The paper demonstrates a practical agentic framework with strong real-world validation across digital and physical platforms, including error correction and multi-objective optimization. However, the abstract is truncated and lacks detailed comparisons or baseline analyses, limiting assessment of relative advances.
Read-first 评分解释
综合优先阅读分 62.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 69。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：31。
关键词评分
深度分析
创新点
- 智能体框架（La Agente Óptima），可在计算和实验系统上构建并监督贝叶斯优化实验活动，同时保持持久的优化状态。
- 将LLM推理与已执行的实验活动分离，使重复的优化循环能够一致地运行，智能体仅在需要解释或修改实验活动时介入。
- 在长期运行的优化实验活动中实现可审计的决策。
方法
La Agente Óptima 是一个智能体框架，将 LLM 推理与已执行的贝叶斯优化实验活动分离，并保持持久的优化状态。研究通过消融研究、五项数字发现任务和两个物理平台进行了评估。评估包括一项闭环接触角优化实验和一项为期五天的多目标流动化学实验。
关键结果
Óptima 在问题和执行环境演变时始终保持实验活动可执行。在接触角优化中，它识别并纠正了运行中期的测量故障，将接触角从 71.4 度降至 67.8 度，并推断使用现有试剂可能无法达到目标；在流动化学中，它通过 23 次实验将产率从 30% 提高到 59%，尽管推理成本较高，但比人工主导的实验活动成本更低且物料效率更高。
局限性
- 产生了可观的推理成本。
- 接触角优化未达到 64–66 度的目标，Óptima 推断使用现有试剂可能无法达到该目标。