摘要
本文提出 LabEvolver,一种无需训练的框架,赋予湿实验室智能体基于执行经验的情景记忆。该框架耦合了用于自适应感知、在线规划和安全验证的状态接地内层试验循环,以及将完成轨迹蒸馏为可复用技能、策略和安全经验的外层进化循环。在机器人溶液制备任务中,LabEvolver 展现了现实可行性,显著减少了调节时间和安全拦截次数。在 ALFWorld 基准测试中,其累积成功率从 76.2% 提升至 91.4%,证明了该方法超越特定场景的通用性,为闭环自动科学发现提供了可行路径。
AI 推荐理由
论文提出无训练的经验进化框架,核心在于通过内外循环将执行轨迹蒸馏为可复用经验,实现自我进化。
研究机构
School of AI for Science, Peking University
School of Electronic and Computer Engineering, Peking University
School of Computer Science, Peking University
论文信息