Experience Evolution Wet-Lab Agents Episodic Memory Training-Free
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
作者 Jingya Wang, Yuyang Gao, Liuzhenghao Lv, Yonghong Tian, Yuyang Liu
发布日期 2026-07-30
arXiv ID 2607.27690
相关性评分 9/10 (高度相关)