自驱实验室（SDL）将自动化实验与自适应决策结合，以加速科学发现。但其运行仍常依赖专家将科研目标转化为闭环实验，并在数据或条件变化时进行调整。本文提出 La Agente Optima，一个代理框架，能够在计算和实验系统上构建并监督贝叶斯优化活动，同时保持持续的优化状态。Optima 将大语言模型（LLM）的推理与实际实验分离，重复的优化循环由系统自动执行，仅在需要解释或修改实验方案时将控制权交还给代理，从而保证每一步决策可审计。我们在消融实验、五个数字发现任务和两个实体平台上评估了 Optima。实验中，Optima 在闭环接触角优化中检测并纠正了中途的测量失效，将接触角从 71.4° 改进至 67.8°（略高于 64‑66° 区间），并推断目标在现有试剂下难以实现，建议更换配方。另一次为期五天的多目标流化学实验中，Optima 通过 23 次实验将产率从 30% 提升至 59%，所耗推理成本虽高，但材料消耗和总体费用均低于人工主导的实验，并选取了更具质量效率的操作点。上述结果表明，基于 LLM 的代理能够在无需专家搭建的情况下，执行严格且长期的优化任务，拓展了 SDL 的适用范围。
点评