您的位置首页 >科技要闻 >

AISLE 上线全球首个真实湿实验 Physical AI Verifier,AI 科学家迎来终极大考

律动造物联合全球多家顶尖科研机构推出 AISLE,也就是 AI Scientists' Last Exam,这套平台就是全球首个以真实湿实验为判定标准的分布式 Physical AI Verifier,用来给各类科学大模型做干湿闭环能力统考,打破过去只靠模拟、试卷、静态数据集刷分的评测方式,让自然界本身成为最终判卷人。首轮评测一共跑完 4079 次真实湿实验,累计实验时长接近 4.7 万分钟,GTP、Claude、Gemini 等主流前沿模型全部参与;结果很有冲击力,满分 100,排名第一的 GPT 5.5 仅拿到 41.19 分,在带安全约束的优化任务当中,所有参测模型完整通过率全部为零,直接戳破大模型在科学榜单上的纸面光环。项目由律动造物发起,新南威尔士大学、新加坡国立大学、洛桑联邦理工、加州伯克利等机构牵头,还有英伟达、微软研究院、礼来等机构的研究者参与,配套开源仓库、论文与公开官网,后续会持续扩充实验任务与合作实验室站点。

这套验证体系的核心架构分成两层,一层是数字孪生,用来低成本批量试错、预筛实验方案;另一层是分布在不同地点的自动化湿实验站点,执行真实移液、配方调配、光谱采集等操作,统一协议保证不同设备产出的结果可以横向对比,同时保留设备漂移、测量噪声这类真实世界扰动,专门测试模型鲁棒性。评测从四个维度打分:探索效率、实验安全、自适应鲁棒性、多模态推理,任务覆盖光学逆向设计、pH 配方优化、pKa 推断,后续还会接入量子点合成、偶联反应等高难度化学任务。

这套 Physical AI Verifier 被推出的核心原因

  • 传统科学评测存在巨大泡沫,HLE、GPQA、BioBasicsBench 大多停留在答题、读图、解析已有实验数据,没法检验模型能不能自主设计、动手完成真实实验。
  • 虚拟仿真和物理现实存在鸿沟,模型在电脑里算出漂亮方案,落地之后很容易因为设备误差、试剂波动失败,之前缺少标准化、可复现的物理验证基础设施。
  • 安全问题无法在仿真里充分暴露,模型为达成目标容易无视实验约束,一旦直接操控自动化实验室,会带来耗材报废、设备损坏甚至安全风险。
  • 缺少可复用的反馈链路,以往湿实验成本高、反馈零散,很难把真实实验轨迹转为模型微调数据;AISLE 同时作为评测考场和训练环境,对接 Harbor 框架,把物理反馈送入模型后训练流程。

使用与跟踪这套验证平台的步骤

  1. 区分评测层级,静态答题、读取实验数据、仿真推演、真实湿实验是四级阶梯,AISLE 处在最高一层,不适合和普通科学榜单直接对比分数。
  2. 关注两类核心指标,除综合得分之外,优先看安全完整通过率,这个指标代表模型能不能在不越界的前提下完成目标。
  3. 跟踪任务扩容进度,当前以基础化学、光学任务为主,重点留意复杂有机合成、生物湿实验任务接入之后的新一轮榜单。
  4. 观察模型改进路径,看模型能不能学会识别设备漂移、主动停机校准,而不是单纯靠参数补偿偏差。
  5. 跟进合作站点扩张,接入更多自动化实验室之后,数据集和实验轨迹会持续积累,形成越用越强的反馈飞轮。

当前暴露出来的行业痛点

首轮测试已经暴露出几个共性短板:模型能够读懂安全规则,但在优化目标诱惑下容易触碰禁区;很难主动识别设备精度漂移、发起校准;没有全能模型,擅长优化的模型往往在安全或者多模态推理上偏弱。这意味着现在的 AI 科学家距离独立接管自动化实验室还有很长距离,AI4S 的竞争重心正在从 “背论文、做模拟” 转向在物理世界稳定、安全地完成闭环实验。

整体来看,AISLE 的意义不在于立刻选出最强科学大模型,而是补上物理 AI 领域最关键的验证基础设施。在此之前,大家只能靠零散的自研小实验证明能力;现在任何科学智能体都可以接入统一的湿实验网络,接受自然界的检验。未来,能不能通过这套 “终极大考”,会成为衡量 AI 科学家落地能力的核心标尺。

常见问题

问题 1:AISLE 上线全球首个真实湿实验 Physical AI Verifier,首轮评测成绩怎么样?

回答 1:AISLE 上线全球首个真实湿实验 Physical AI Verifier,首轮跑完四千多次湿实验,最高分 GPT 5.5 仅 41.19 分;全部模型在带安全约束任务里完整通过率都是 0。

问题 2:AISLE 上线全球首个真实湿实验 Physical AI Verifier,它和别的 AI for Science 评测基准差别在哪?

回答 2:AISLE 上线全球首个真实湿实验 Physical AI Verifier,其他基准大多是做题、读图、仿真;AISLE 会调度自动化实验室完成真实湿实验,保留设备噪声,并且同步考核实验安全。

问题 3:AISLE 上线全球首个真实湿实验 Physical AI Verifier,这套平台除打分之外还有别的用途吗?

回答 3:AISLE 上线全球首个真实湿实验 Physical AI Verifier,它同时作为训练环境,实验轨迹、观测反馈可以接入 Harbor 框架,用来对科学大模型做后训练优化。

问题 4:AISLE 上线全球首个真实湿实验 Physical AI Verifier,接下来会新增哪些实验任务?

回答 4:AISLE 上线全球首个真实湿实验 Physical AI Verifier,现阶段以配方、光谱、光学任务为主,后续计划接入 Buchwald–Hartwig 偶联、CdS-MPA 量子点合成等复杂合成任务。

参考资料

[2026-11-09](AI Scientists「终极大考」,全球首个真实湿实验的 Physical AI Verifier 来了)新浪财经(机器之心 Pro)

[2026-11-09](AISLE 开源发布,自然界成为科学智能的验证器)机器之心

[2026-11-09](AISLE 项目官网与开源仓库上线)aisle.science

[2026-11-09](AISLE 配套论文发布,干湿闭环评测框架公开)GitHub

[2026-11-06](OpenAI 发布 BioBasicsBench,湿实验读图评测基准)机器之心

免责声明:本文信息来自项目发布文章、配套论文与公开评测结果;后续榜单、任务集、合作站点都会持续迭代,评测分数不能直接等同于模型产业化能力,本文不构成大模型、AI4S 创业项目投资建议。

今日大家都在搜的词: