AI 控制实验室机器人？测试 AI 处理“失败”能力的新基准现已发布

想象一下：您正在进行一项至关重要的生物实验，为了研制疫苗争分夺秒。然而实验过程中，机器人手臂突然停转，或者在转移试剂的过程中系统出现了错误。如果处理不当，数月的研究成果将毁于一旦。在人类研究员赶到现场之前可能已经太晚了——如果此时 AI 能自主判断情况并重启机器人挽救实验，那该多好？

最近，科学技术界出现了一个有趣的“试验场”，专门用于衡量 AI 在此类“实验室危机”中的应变智慧。这就是 LabRobotBench v0.1。

为什么这很重要？

到目前为止，AI 主要在编写文本或代码的“数字世界”中大显身手。然而我们所处的现实世界要复杂且不可预测得多。LabRobotBench v0.1 的问世具有深远意义，它不仅评估 AI 是否是一个“口若悬河的模型”，更考量其是否具备操纵物理机器人并管理实际科学发现现场的能力。这是因为该测试衡量的是 AI 代理利用实验室机器人系统，在湿实验室（wet-lab experiment，直接处理化学物质等的实际实验）过程中修复故障的能力，是一项关键的技术衡量指标。 [Source 8, Source 11]

简而言之

如何理解 LabRobotBench v0.1？您可以将其比作“针对 AI 的实验室紧急处理训练”。简单来说，就像足球运动员平时只练习技术，但在比赛中突然受伤或战术受挫时，需要进行实时应对测试一样。

该评估重点考察 AI 在模拟机器人环境中发挥以下两种能力： [Source 9, Source 14]

1. 对物理空间和工作流的理解：AI 是否能识别实验室内部的机器人系统和复杂的生物学操作流程？
2. 综合故障排除（Troubleshooting）：当机器人发生故障或系统出现错误时，AI 是否能自主寻找路径进行修复？

特别值得一提的是，这项测试非常严苛。它设置了 200 秒或 30 分钟这样与样本保存生死攸关的紧迫时限，如果无法在此期间解决问题，实验即被视为失败。就像电影主角必须在有限时间内拆除危机装置一样，AI 也经受着瞬间判断力的考验。 [Source 11]

当前进展

那么，目前这些聪明的 AI 在测试中表现如何？研究结果显示，模型之间的差距相当大。

根据留出的测试数据（Held-out subset）来看，GPT 6.1 Sol 模型以 46.7% 的成功率拔得头筹。紧随其后的是 Opus 5.5 (23.0%) 和 Gemini 4 Argon (20.9%)。 [Source 9]

虽然这些分数看起来并不高，但这恰恰说明了 AI 理解和操纵物理世界是多么巨大的挑战。即便 AI 能用文字完美描述实验规程，但要应对机器人手臂停转等物理突发状况，则需要更高维度的智能。

未来展望

LabRobotBench v0.1 预计将在提升 AI 模型“科学现场适应能力”方面发挥巨大作用。开发者们将通过这一基准测试，掌握 AI 对物理环境的理解程度，并致力于构建更加稳定、可供实验室操作的 AI 系统。

最终，未来的实验室形态将不再是人类研究员亲手操控所有设备，而是由 AI 代理管理实验室的机器人系统，而人类则专注于最终的洞察和结果解析。尽管目前的成功率尚未过半，但只要有 LabRobotBench 这样严格的评估系统，相信“智能实验室”的时代离我们已不再遥远。 [Source 8, Source 14]

参考资料

1. [LabRobotBench V0.1

   Gamow Labs](https://gamowlabs.com/lab-robot-bench-v0-1)

2. [Gamow Labs’ new benchmark shows top AI · Hacker News

   Zeli](https://zeli.app/story/50174317)

3. LabRobotBench v0.1: Benchmarking wet lab robotics
4. LabRobotBench v0.1：湿实验室机器人基准测试