长期以来，科学研究始终以人类为主导，科研人员通过不断积累证据、修正研究问题、优化实验方法、调整结论主张，推动新知识的产出与变革性技术的诞生。随着人工智能技术的快速发展，大语言模型（LLM）逐渐成为科研领域的重要辅助工具，从文献检索、数据处理到实验方案初步设计，LLM为科研人员减轻了大量重复性工作。但此前，基于LLM的智能体大多局限于辅助预定义的科研工作流，无法独立完成从问题提出到结论验证的完整科研闭环。 此次arXiv发布的题为《End-to-end autonomous scientific discovery on a real optical platform》的研究，将目光投向了真实光学平台上的端到端自主科学发现，试图突破当前LLM智能体在科研应用中的局限。研究团队指出，现有LLM科研助手仅能在人类预设的框架内完成指定任务，而真正的自主科学发现需要AI具备独立提出研究问题、设计实验方案、执行实验操作、分析实验数据并推导科学结论的能力。虽然目前尚未有LLM智能体完全实现这一端到端的自主科研流程，但该研究为这一方向提供了重要的探索思路与实践基础。选择真实光学平台作为研究载体，是因为光学实验涉及复杂的参数调控、数据采集与现象分析，对AI的自主决策能力提出了极高的要求。研究团队希望通过在这一领域的探索，验证LLM智能体在复杂科研场景下的自主工作潜力，为未来AI全面参与科学研究、加速科研突破提供可行的技术路径。随着大语言模型的能力持续迭代，以及智能体框架的不断优化，端到端自主科学发现有望成为科研领域的新趋势，大幅提升科研效率，催生更多此前难以被人类挖掘的科学发现。