律动造物联合多家全球顶尖科研机构推出 AISLE 也就是 AI Scientists' Last Exam，配套全球首个跑真实湿实验的 Physical AI Verifier 评测体系，相当于给 AI 科学家设置了一场落地物理世界的终极大考，不再只用虚拟试题、文献问答来打分，而是直接让 AI 接入自动化实验室，亲手设计、执行湿实验，再根据真实实验结果打分，打破了之前 AI for Science 评测只在电脑里做题的模式。过去很多科学大模型的榜单测试，都是给论文、数据集、选择题，AI 可以靠检索、背诵文献拿到高分，但是放到真实实验室里，仪器误差、试剂波动、环境干扰都会出现，模型很容易出现实验方案脱离现实、幻觉参数、无法自主修正错误的问题，这也是这套 Physical AI Verifier 要解决的核心痛点。整套评测流程是先给 AI 下达科学目标，AI 自主设计整套实验方案，方案送入自动化实验室完成湿实验，传感器采集真实实验数据回传给 AI，AI 再根据实测结果调整下一步实验计划，全程由 Physical AI Verifier 校验链路证据、逻辑一致性和物理鲁棒性，最后综合输出得分。首轮测试结果也很有参考意义，主流大模型在这套真实湿实验考核里得分普遍偏低，安全约束条件下的优化任务通过率全部归零，也说明现在 AI 科学家在真实物理世界里的能力还有很大短板，这套基准会成为后续物理 AI、科学智能模型统一对比的标尺。
Physical AI Verifier 核心评测校验清单
- 证据链路核查：核验 AI 得出的结论是否由本次实测实验数据支撑，杜绝引用不存在的实验结果
- 逻辑一致性校验：判断 AI 会不会在已经找到最优方案后，继续无意义消耗实验耗材与算力
- 物理噪声盲测：在全新、未提前曝光的环境噪声条件下复测方案，检验鲁棒性
- 闭环自主性打分：不只看最终答案，重点看 AI 能不能自主迭代、发现异常、修正实验方案
- 成本约束指标：统计耗材消耗、实验次数，评估方案经济性
传统 AI 科学评测与 Physical AI Verifier 对比表
| 项目 | 传统 AI 科学虚拟评测 | Physical AI Verifier 真实湿实验评测 |
|---|---|---|
| 测试环境 | 电脑内数据集、文献、仿真平台 | 真实自动化湿实验室，包含试剂、仪器、环境噪声 |
| 考核重点 | 文献理解、计算、答题正确率 | 实验方案设计、自主迭代、应对物理误差、闭环发现 |
| 打分依据 | 参考答案、文本匹配 | 仪器真实测量数据、完整实验执行链路 |
| 短板 | 容易刷榜、存在幻觉，和真实实验室脱节 | 实验成本高、测试周期长，搭建门槛高 |
| 代表榜单 | 各类科学题库、计算化学虚拟 Benchmark | AISLE（AI Scientists' Last Exam） |
本次 AISLE 联合发起与参与机构
- 发起主体：律动造物，谢童博士牵头
- 牵头高校：新南威尔士大学、新加坡国立大学、洛桑联邦理工、加州大学伯克利分校
- 知名学者：Gerbrand Ceder、Philippe Schwaller、汪军等
- 产业参与方：NVIDIA、微软研究院、礼来等
- 实验室资源：两处独立自动化湿实验平台，首轮累计完成 4079 次湿实验
这套评测体系带来的行业变化
- 模型评价标准升级：科学 AI 不再比拼论文答题得分，真实物理实验能力成为硬指标
- 减少刷榜现象：虚拟数据集可以被针对性优化，真实湿实验很难提前刷题
- 倒逼技术方向转变：推动 AI 科学智能体强化误差感知、证据推理，而不是单纯背诵文献
- 统一横向对比：不同团队、不同模型可以在同一个标准化实验室条件下公平 PK
【相关 FAQ】
问题 1：AI Scientists 迎来终极大考，全球首个真实湿实验的 Physical AI Verifier 是什么？
回答 1：AI Scientists 迎来终极大考，全球首个真实湿实验的 Physical AI Verifier 是 AISLE 基准配套的物理 AI 核验系统，它把 AI 接入真实自动化湿实验室，根据真实实验执行结果、证据链路、物理鲁棒性给 AI 科学家打分，区别于纯虚拟题库评测。
问题 2：AI Scientists 终极大考，Physical AI Verifier 为什么要采用真实湿实验而不是仿真测试？
回答 2：AI Scientists 终极大考，Physical AI Verifier 采用真实湿实验，是因为仿真和虚拟数据集缺少仪器误差、试剂波动这类现实干扰，很多 AI 在虚拟环境表现很好，落地到真实实验室就会失效，湿实验可以检验 AI 处理物理不确定性的能力。
问题 3：AI Scientists 终极大考，Physical AI Verifier 首轮测试主流大模型表现怎么样？
回答 3：AI Scientists 终极大考，Physical AI Verifier 首轮测试里，GPT、Claude、Gemini 等主流模型得分普遍偏低，安全约束下的实验优化任务完整通过率全部为 0，说明 AI 自主做真实湿实验的能力还不成熟。
问题 4：AI Scientists 终极大考，Physical AI Verifier 会给 AI for Science 赛道带来什么影响？
回答 4：AI Scientists 终极大考，Physical AI Verifier 会改变 AI 科学模型的评价逻辑，让行业从刷虚拟榜单转向重视真实实验室闭环能力，为物理 AI、科学智能体提供统一、可复现的考核标准。
【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）投资界
[2026-11-09]（AI 科学家的最后一关：破解数学之后，能把实验做好吗？）DeepTech 深科技
[2026-11-09]（AISLE 基准上线：把 AI 科学家送进真实湿实验室统考）36 氪
[2026-11-08]（伯克利、EPFL 等多校联合推出物理 AI 湿实验评测基准）机器之心
【免责声明】
本文内容仅为公开新闻信息整理，评测方案、实验数据、模型得分以项目官方、合作实验室发布为准，不构成 AI 模型采购、科研项目投资、商业合作建议，不对信息时效性、完整性做担保。