知识卡片：大语言模型作为不确定性校准的优化器用于实验发现

一句话结论

本研究提出 GOLLuM（Gaussian Process Optimized LLMs）——通过高斯过程的边际似然目标训练大语言模型，使其具备校准的不确定性估计，从而能够在自然语言指导下进行跨领域实验优化；仅从 10 个低性能实验出发，即可在 23 个任务上平均排名第一。

事件概述或研究问题

实验发现（从反应优化到分子设计）面临一个共同的高成本问题：在时间和资源约束下，下一个候选应该测试什么？贝叶斯优化（BO）提供了原则性答案，但严重依赖领域专家构造的特征表示，且这些表示难以跨领域迁移。大语言模型（LLM）包含丰富的科学知识，但缺乏高利害决策所必需的不确定性校准能力。本文试图将两者结合，使 LLM 成为可靠且易用的实验优化器。

方法/产品要点

GOLLuM 架构：将 LLM 与高斯过程（GP）联合训练，并通过 GP 的边际似然梯度微调 LLM。
不确定性作为学习信号：将 LLM 过度自信的缺陷转化为精确的学习信号，重塑其嵌入空间，使实验结果相近的实验在 latent space 中聚簇，从而揭示设计空间中的结构。
自然语言接口：先前的实验结果以自然语言描述输入，无需人工构造领域特征。
固定超参数、无任务特定调参：在全部 23 个任务中使用同一组超参数，从 10 个低性能（低于中位数）的实验开始。

主要结果或产业意义

在覆盖有机合成、材料科学、过程化学和分子设计的 23 个优化任务上，GOLLuM 平均排名第一，超越领域专用描述符、领域预训练模型和现有最先进 LLM。
在 Buchwald–Hartwig 反应基准上，发现高性能条件的比率达到 43%，而专家量子化学描述符和最先进 LLM 仅为 24–25%，接近翻倍。
与传统贝叶斯优化相比，达到相当性能所需的实验数减少超过 40%。
在过程化学中，相比传统 BO 有 90% 的相对改进，是提升幅度最大的领域。
模型自动发现了可解释的化学模式：例如在 Buchwald–Hartwig 反应中，碘化物试剂聚集在高产区域，低性能的氯化物被分离；在材料科学中识别出 Mn–Na–W 高性能催化剂区域，均无需显式领域指令。

为什么重要

本研究提出了一种新的基础模型专门化范式：不是通过更多数据，而是通过更丰富、不确定性引导的信息来训练模型。与已有相关卡片中的检索增强知识图谱、水印或测试时模型选择不同，本条目的增量在于：首次将 LLM 直接通过贝叶斯优化目标进行训练，把不确定性从 LLM 的“致命缺陷”转变为可用的学习信号，从而在实验科学中融合自然语言的易用性与概率优化的可靠性。

局限与不确定性

原文摘要未明确讨论方法的局限性；具体计算成本、对模型规模或超参数的敏感性、在更广泛实验场景中的泛化边界等信息待核实。
文中提到“从 10 个低性能实验开始”，但这是否是所有任务统一设定以及极端样本条件下的表现，需要进一步查阅正文与补充信息。

可用于图书/PPT/简报的角度

范式转变：用“不确定性校准”替代“更多数据”来专门化基础模型。
实验自动化中的可靠 AI 决策：自然语言界面 + 校准的概率判断。
样本效率：如何用少量失败实验启动优化并超越传统方法。
跨领域可迁移性：一个架构、一套超参数，覆盖反应、材料、分子、过程。

英文关键词

Large language models; uncertainty calibration; Bayesian optimization; experimental discovery; Gaussian process; GOLLuM

原始材料

英文标题：Large language models as uncertainty-calibrated optimizers for experimental discovery
来源：Nature Machine Intelligence, published online 28 August 2026
DOI：10.1038/s42256-026-01283-z
URL：https://www.nature.com/articles/s42256-026-01283-z