722条动作里人类只出手53次,长春质碱让AI4S交出第一份工时表

首页 / AI资讯 / AI4S

0:00
0:00
1x
定时

浙江大学牵头的一篇论文挂上了 arXiv,编号 2611.18772,11月12日提交。选题不是又一个通用智能体框架,而是一次完整的天然产物全合成:靶点长春质碱,起点是 29.8 毫摩尔 3-乙基吡啶,十步反应走完,最终拿到 160 毫克纯品。论文最值得看的部分不是产率曲线,而是它把整条路线拆成 722 条工作流动作逐条记账,做出一份关于谁在干活的工时表。

十步合成被拆成722条可追溯动作

真正让这篇论文区别于其他化学智能体的,是它的记账方式。研究团队把从投料到拿到纯品的整条链路定义为一条工作流,工作流由 722 条动作组成,每一条动作都标注了发起方。统计结果是:503 条来自智能体推理,占 69.7%;136 条来自工具返回结果,占 18.8%;53 条是人类的主动输入,占 7.3%;30 条是人类的确认动作,占 4.2%。四个数字加起来正好是 722,没有第五类。

这套分类法的价值在于它没法含糊。过去讲人工智能做实验,人类参与程度往往只能定性描述,比如关键节点由人把关,而这里的 11.5% 是可以被逐条拉出来核对的。53 条主动输入分布在哪些步骤,30 条确认卡在哪些阈值上,都能对应到具体反应。对一个关心可复现性的领域来说,这种颗粒度比一句成功率提升有用得多。

更细的一层是时间维度。论文统计了每条动作的耗时分布,长周期任务的等待主要发生在设备运行阶段,而不是智能体思考阶段。这意味着瓶颈不在模型推理速度,而在物理世界的节拍上:反应需要多久,系统就得等多久。人类输入之所以少,部分原因也在这里,等待期间本来就没有需要人决策的东西。

还有一个变量容易被忽略:智能体的选型。论文没有把十个任务智能体绑死在同一个模型上,不同类型的化学任务可以换不同的后端。这意味着系统的能力边界不是固定的,接上一个更强的模型,某些步骤的推理质量会立刻提升,而调度逻辑不用改。这也解释了为什么论文把重点放在结构上,而不是某一个模型的分数上。

人类的位置从操作者变成审阅者

传统全合成的分工是研究者设计方案、实验员按步骤操作、分析人员读谱图判断下一步。VibeSyn 的分工是管理智能体拆解目标、任务智能体调用工具执行,人类只在两类动作上出现:主动输入和结果确认。论文给出的长周期任务统计更能说明这一点,在多步合成这类长任务里,人类主动输入占比不超过 7.5%,确认动作不超过 5.2%。

这两个上限意味着,人已经不在环路的每一个节点上,只在少数几个需要判断的地方。判断什么呢。从论文描述看主要是三类:中间体结构归属有歧义时、产率偏离预期需要改变路线时、以及安全相关操作是否放行。这三类恰好是当前自动化最难覆盖的部分,也是人最有价值的介入点。系统不是把人挤出去,而是把人推到了判断密度最高的位置,重复性劳动被拿掉了,判断的强度未必更低。

值得留意的是 4.2% 这个确认比例本身也构成一种风险描述。确认动作少,说明系统大多数时候不需要人点头就能往前走;一旦某个判断错了,错误会沿着后续步骤继续传播,直到某个指标崩掉才被发现。论文没有回避这个问题,它把 722 条动作全部公开,本质上就是把事后追溯的成本降下来。

另一个值得对照的事实是,论文给出的失败样本同样被记录。722 条动作里有相当一部分并没有推进反应,而是重试、改条件或者回退上一步。这些无用动作没有被剔除,而是作为完整记录的一部分保留下来。对后来者,这比一份只呈现成功路径的流程图有用得多,因为它告诉你要绕开哪些坑。

十个智能体加十台设备才是完整系统

架构上,VibeSyn 是分层结构:一个管理智能体负责把总目标拆成子任务并排序,十个任务智能体分别对应不同类型的化学操作,十个工具负责与设备和人打交道,另有 7 台自动化合成设备承担实际的加料、加热与分离。这个结构里最容易被忽略的是工具层,任务智能体不直接操作设备,它调用工具,工具再翻译成设备指令。

多出来的这一层不是冗余。它让每个动作都有明确的输入输出和返回值,136 条工具结果就是这么来的。没有这一层,智能体的推理就落不到实处,也无从判断上一步到底成没成。论文反复强调工具调用成功与否是独立的信号,不与推理结果混在一起,这一条对后续的自动纠错至关重要。

设备数量也划出了这套系统的边界。7 台设备对应的是常规的溶液相反应和分离纯化,覆盖面有限。长春质碱的路线能被跑通,一部分原因是它需要的操作恰好落在这 7 台设备的能力范围内。换成需要光化学、电化学或者极端条件的路线,这套配置就得改。论文自己也把系统定义为面向特定反应类型的分层智能体,而不是通用化学机器人。

工具层的设计还有一个副作用:它把人的操作也变成了工具调用。53 条主动输入与 30 条确认动作在记录里和机器动作同一种格式,这正是它们能被精确统计出来的原因。人没有被排除在系统之外,而是被登记进了同一本账。

开源不等于能复现

论文承诺开源,但仓库里能拿到的东西需要说清楚。Docker 镜像不包含模型服务、不包含数据库、也不包含实验设备。也就是说,别人拿到代码之后,能复现的是调度逻辑和动作记录格式,不能复现那次合成。要真正跑一遍,还得自己接上模型、自己搭数据库、自己准备 7 台设备和对应的分析方法。

这个限制不是这篇论文独有的,它是 AI4S 领域的普遍状态:软件层的进展快,硬件层的标准化慢。对读者的实际意义在于,看到人工智能独立完成全合成这类表述时要多问一句,独立的是决策还是操作。VibeSyn 的答案是决策与调度,操作仍然依赖专门设备,设备的搭建与维护仍然是人。

这一点值得单独强调,因为工时表容易被误读成人类参与度只有 11.5%。更准确的说法是:在已经搭好的系统里,人类参与了 11.5% 的动作。系统本身的搭建、校准、维护没有计入分母。把这句话补上,这篇论文的结论才站得住,也才不会被当成自动化程度被高估的证据。

所以更合适的读法是:这是一份关于可拆解性的示范,而不是关于可复制性的承诺。前者已经在 722 条动作里兑现,后者要等实验设备的接口标准和模型服务的部署方式一起跟上,才有讨论的基础。

素材来源:arXiv、量子位、机器之心、智源社区 发布时间:2026-11-18