邁向全自動實驗室，北大兩篇頂會論文讓大模型從推理走向物理執行

作者 | 論文團隊

編輯丨ScienceAI

AI 正在重塑科學發現的流水線，科學家的核心工作正從親力親為的「執行」向上游的「判斷」轉移。未來的科研核心競爭力，在于能否敏銳地評判 AI 遞上的假設與方案。

然而，當科學家將精力聚焦于高維決策時，一個嚴峻的現實問題隨之浮現：誰來接管下游極其復雜、容錯率極低的濕實驗？大語言模型（LLM）雖有強悍的「數字大腦」，卻缺乏操作試管的「物理雙手」，其在數字空間里無傷大雅的「概率性幻覺」，一旦落在真實的實驗儀器面前，往往意味著慘重的設備損壞與資源潰敗。

為了真正跨越這道從「數字理論」到「物理執行」的鴻溝，北京大學深圳研究生院 - 科學智能學院的研究團隊交出了一份答卷。直擊自動化生命科學實驗的核心痛點，兩項底層突破性工作分別被頂級人工智能會議 ICML 2026 和 ACL 2026Oral（同時入選 ICLR 2026 Workshop）高分接收。

BioProBench（ICML 2026）論文地址：https://arxiv.org/pdf/2505.07889

開源地址：https://github.com/YuyangSunshine/bioprotocolbench

BioProAgent（ACL 2026）論文地址：https://arxiv.org/pdf/2603.00876

基于這兩項核心技術，團隊自主研發的原生 BIOMA 多智能體系統已深度賦能 AI4S LAB 平臺，不僅給 AI 戴上了「安全帽」、裝上了「物理雙手」，更真正實現了一站式的「干濕閉環」。

破局「懂理論、瞎操作」：BioProBench

當前大語言模型（LLM）在實現自主科學實驗時，常常難以掌握生物學協議所需的嚴格程序邏輯和準確性。微小的誤解可能導致實驗失敗、資源浪費或不安全的實驗室條件。為了解決這一基礎性挑戰，北京大學深圳研究生院 - 科學智能學院的團隊推出了 BioProBench，這是一個針對生物學程序性推理的綜合性資源。

• 堅實的生物學語料基座：BioProBench 建立在 BioProCorpus 的基礎之上，后者是一個包含 27,000 份人類編寫的協議的基礎語料庫。
• 海量且嚴謹的評測體系：研究團隊從語料庫中系統地構建了一個包含超過 550,000 個任務實例，同時提供了具有新穎指標的嚴格基準。
• 直擊大模型痛點：通過評估 10 種主流的 LLM，研究發現盡管模型的一般理解能力很高，但在需要深度推理、定量精度和安全意識的任務上，其性能會顯著下降。

表 2 和表 3分別是 10 個主流 LLMs 在 BioProBench 的糾錯 ERR 和帶有推理的 REA-ERR 任務上的評測結果。

跨越「執行鴻溝」：BioProAgent

在不可逆的物理濕實驗環境中，大模型的概率性幻覺不僅僅是「答錯題」，更可能直接導致設備損壞或實驗徹底失敗。為此，該團隊進一步提出了 BioProAgent 框架，真正彌合了計算機模擬預測與體外物理實驗之間的執行鴻溝。

• 神經符號雙驅動控制：BioProAgent 是一個神經符號框架，它將概率規劃錨定在確定性的有限狀態機（FSM）中。
• 物理前置的安全攔截：框架引入了一種狀態增強規劃機制，強制執行嚴格的「設計 - 驗證 - 糾正」工作流程，確保在物理執行前符合硬件的合規性。
• 突破長文本上下文瓶頸：通過引入語義符號基礎（Semantic Symbol Grounding），該框架成功解決了復雜設備架構中固有的上下文瓶頸，通過符號抽象將 Token 消耗降低了約 6 倍。
• 絕對的物理合規優勢：在基準評估中，BioProAgent 實現了高達 95.6% 的物理合規性，而作為基線的 ReAct 僅為 21.0%。這充分證明了神經符號約束對于在不可逆物理環境中實現可靠的自治是必不可少的。

全鏈數智化賦能：BIOMA 多智能體系統與 AI4S LAB

在這兩項硬核的學術工作之上，研究團隊自主研發了 AI4S 原生多智能體系統 ——BIOMA。該系統集成了智能模型、實驗設計乃至全流程的資源管理模塊，配備了四位「永不疲倦」的 AI 科學家（智能體）。

這四位智能體各司其職，涵蓋了理論科學家（PredAgent）、實驗規劃師（ProAgent）、實驗室指揮官（OperAgent）以及數據分析師（ComAgent）。其中，實驗室指揮官（OperAgent）更是連接數字與物理世界的關鍵橋梁，它負責將抽象的實驗協議解析并編譯為特定自動化硬件平臺（集成了超過 22 臺套先進設備）可執行的指令序列。

目前，這套架構已全面且深度地賦能北京大學深圳研究生院的 AI4S LAB 平臺，構建了全球首個「AI 驅動、干濕閉環、全鏈數智」的一站式云端科研生態系統。

AI4S LAB 平臺地址：https://ai4slab.pkusz.edu.cn/

結語

如《Nature》社論所揭示的，AI 永遠不會取代優秀的科學家，但它一定會不可逆轉地重塑科學研究的流水線。當科學家的核心使命升華為高維的「判斷」與「創新」時，必須有一個絕對可靠的執行系統來承接實驗室里的繁雜與精準。

北京大學深圳研究生院 - 科學智能學院團隊的這一系列工作，正是為了將科學家從繁重的物理執行中解放出來。他們不僅為科研工作者打造了最強大、最安全的「AI 執行副手」，更為未來全面自動化的科學發現生態構建了堅實的底座。科學的下一步，已經到來。