robotic chemistry laboratory

大型语言模型代理在机器人化学实验室压力测试中失败

一篇新发表在arXiv上的研究详细介绍了如何利用机器人化学实验室对大型语言模型（LLM）代理进行压力测试。研究人员发现，LLM代理在可靠的物理操作和根据证据进行适应方面存在困难，只有3.3%的试验产生了专家评估的可执行工作流。尽管实验反馈促使了微小调整，但代理并未展示出工作流级别的重新规划或分析方法重新设计能力。该研究旨在为LLM在科学研究中的部署就绪度提供可衡量的评估，并为改进提供一个框架。