真实实验

模型可以先在数字环境中大量推演、试错，再将筛选出的方案送到真实实验设备上执行；

真实实验设备并不会永远保持同样的精度。

最近，由律动造物联合多家全球顶级科研机构共同推出的AIScientists'LastExam（AI科学家的终极大考，AISLE），试图为AI的真实实验能力建立一把新的「尺子」。

之前，行业内谁也无法确凿断言大模型到底能不能代替人类做实验，缺少一套能够系统衡量AI真实实验能力的标准，代码有单元测试，数学有标准答案，但湿实验长期处于规则真空。

AISLE希望补上这一环：让真实实验不仅成为AI的最终考场，把答案放在物理世界里，模型可以背下论文、刷遍题库，却无法提前背下下一次真实实验的结果。

通过与Harbor框架的原生整合，这些真实实验反馈有了进入模型后训练的通道。

长期以来，真实实验反馈很难像代码测试结果一样被高效、规模化地用于模型评测与训练。