长期以来，科学研究始终由人类主导，科研人员通过不断迭代问题、方法与论证逻辑，结合持续积累的证据推动新知识与变革性技术的诞生。随着人工智能技术的发展，基于大语言模型（LLM）的智能体逐渐进入科研领域，但其早期更多扮演辅助角色，仅能协助完成预定义的研究工作流，比如文献检索、数据初步处理或实验方案的部分优化。 近日，arXiv平台发布了一篇题为《End-to-end autonomous scientific discovery on a real optical platform》的研究论文，将目光投向LLM智能体的更高阶应用——端到端自主科学发现。论文指出，当前基于LLM的智能体已经开始超越传统的辅助定位，尝试参与科研流程的更多环节，但尚未有系统能在真实实验平台上实现完整的端到端自主科学发现。该研究聚焦真实光学平台这一复杂场景，探索如何让LLM智能体独立完成从提出科研问题、设计实验方案、调控实验参数、收集分析实验数据，到最终得出科研结论并迭代研究方向的全流程闭环。 光学平台的科研工作往往涉及精密的参数调控、复杂的实验设计以及对实验数据的深度解读，人类科研人员需要花费大量时间进行调试与分析，而LLM智能体凭借其强大的自然语言理解能力与逻辑推理能力，有望自主生成符合科学逻辑的实验方案，实时根据实验反馈调整策略，甚至挖掘出人类科研人员可能忽略的实验规律。这一研究方向的推进，将为科研领域带来革命性的变化：不仅能大幅提升科研效率，缩短科学发现的周期，还能在一些人类难以持续开展的极端实验场景中发挥作用，拓展科研的边界。尽管目前尚未有成熟系统实现端到端的自主科学发现，但这篇论文为后续的技术研发提供了重要的理论基础与探索方向，推动AI在科研领域的应用从“辅助”向“自主”跨越。