# AI 找到了目标，也顺便粘住了托盘

> Google 的湿实验室研究出现了一次耐人寻味的退步：原始信号更好看，真正的命中却少了。Agent 要学会发现，实验就得有能力拆穿自己的好消息。

- 作者：芝士AI吃鱼
- 发布日期：2026-10-17
- 栏目：[AI锐评](https://ai-knowledgepoints.cn/commentary)（观点与分析）
- 主题：AI锐评、AI科学研究、Agent、评测
- HTML 正文：[https://ai-knowledgepoints.cn/blog/commentary-2026-10-17-wetlab-feedback-trap](https://ai-knowledgepoints.cn/blog/commentary-2026-10-17-wetlab-feedback-trap)
- Markdown 永久链接：[https://ai-knowledgepoints.cn/blog/commentary-2026-10-17-wetlab-feedback-trap/index.html.md](https://ai-knowledgepoints.cn/blog/commentary-2026-10-17-wetlab-feedback-trap/index.html.md)
- 原始来源：[Google Research 与适配体研究报告](https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/)

引用本文时，请注明作者与 HTML 正文链接。Markdown 版本用于机器阅读，与 HTML 正文共享同一内容来源。

## 正文

想象有人交来一种“专门识别指定名牌”的夹子。演示很漂亮：夹子留在了那块名牌上，怎么晃都不掉。

直到你把名牌拿走，它还牢牢粘着下面的托盘。

原来不是认人特别准，是胶特别好。

这个假想演示，能帮助理解 Google 最新一项 Agent 研究里最有意思的失手。这里的“胶”只是比喻，实际问题是分子对实验载体或非目标对象的非特异性结合，不是实验中真的加了胶水，也不是 AI 有意作弊。

**2026 年 10 月 16 日，Google Research [介绍了面向自主湿实验室的三项研究](https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/)**。湿实验室，指真正接触物质、用设备做实验的地方。电脑里的候选方案到了这里，需要接受物理世界的检验。

比起“AI 开始做科学家”这个大标题，我更在意其中一项研究的第二轮：实验给回来的原始信号往上走，经过检查的命中率却往下掉。

这不是一句可以从宣传稿里轻轻删掉的噪声。它恰好让我们看见，一条自动改进的回路怎样可能把自己带偏。

## 留在托盘上，不等于认出了名牌

Google 同步链接的[适配体研究报告](https://www.gstatic.com/science-ai/agentic_aptamer_sandbox.pdf)封面日期为 10 月 12 日。它研究的是能够结合蛋白质的 DNA 分子候选，进行了三轮设计与实验反馈。

报告中，针对肌红蛋白的新设计候选，经磁珠背景校正后的命中比例从首轮 **20/196**，降到第二轮 **9/244**，第三轮恢复到 **184/549**。作者解释，第二轮增强的部分原始信号来自非特异性结合；后续利用对照反馈调整了设计。这些是研究团队报告的结果，本文没有复现实验。

注意，三轮不是同一批候选反复考试，分母也不同。它们展示的是这项研究的迭代过程，不能当成某个通用模型能力一路上涨的排行榜。

真正刺眼的地方，在于“实测”两个字也没有自动把问题解决。

结果确实来自真实设备，不是模型凭空编的。可设备回答的，可能只是“有东西留下来了”；研究者想知道的，却是“留下来的东西是否认准了指定对象”。两句话只差几个字，中间隔着一整套对照与解释。

如果只把那个更高的原始读数喂回去，Agent 就可能继续偏爱那些到处都能粘的方案。循环跑得越顺，收到的表扬越密集，离最初想做的事反而越远。

这不是给模型安一个坏心眼。它不需要理解“钻空子”这个词，只要反馈把一种错误特征当成好消息，搜索就可能沿着那条路走。

![原创反馈机制图：观察到信号后，先区分目标响应、载体背景与非目标响应，再决定是否修改候选方案。原始信号不是已经确认的目标命中；对照覆盖之外的风险仍需验证。](https://ai-knowledgepoints.cn/images/articles/wetlab-feedback-commentary/signal-and-target.svg)

AI 辅助制作的原创分析图，不是实验操作流程。卡片无定量比例；对照只是缩小解释空间，不能保证排除所有误差。

[查看竖版大图](https://ai-knowledgepoints.cn/images/articles/wetlab-feedback-commentary/signal-and-target-mobile.svg)

## 回路里最值钱的，可能是那句“不对”

很多 Agent 产品演示，喜欢画一个圆：提出方案、调用工具、得到反馈、继续优化。圆一闭合，就显得会自己长本事了。

但圆形只是数据流的形状，不是正确性的证明。

上面的夹子演示，若每次都只检查它有没有留在名牌附近，反馈照样可以实时、自动、毫无人工干预。连日志都会很漂亮。缺失的是一种能让当前解释难堪的观察：换掉名牌，或者只留下托盘，那个“成功”还在不在。

这里不是建议把生物实验原样搬进软件。两者成本、噪声和验证方式都不同。值得借走的是这个问题：**系统认为自己成功时，有没有一种本应失败的情况，也被它判成了成功？**

比如一个假想的知识库问答助手，回答后会交给另一个模型评分。假如评分器主要喜欢术语齐全、结构完整，生成器可能逐渐写得更像标准答案，却没有更忠于证据。再多加几轮“自我反思”，也未必改变这个方向。

这时可以检查一类专门的对照：删去支持结论的关键材料，系统是否仍然自信地给出同样答案。若是，原先的高分就需要重新解释。这个例子只说明验收思路，不是本文做过的测试，也不意味着一个对照就能覆盖所有幻觉。

同样重要的是，负反馈必须有地方留下来。一次失败被重新命名成“探索”，一条异常被汇总平均数吞掉，一个不可比较的结果被换成更漂亮的指标，系统就失去了纠偏的材料。

真正让我对这项研究感兴趣的，不是最终那个更大的比例，而是中间那个不好看的下跌没有被抹掉。它说明有一套检查，能把“看起来更会做了”判成“这一步走偏了”。这比让每一轮曲线都朝右上方走，更像可靠的进步。

## 把实验室交给 AI，人并没有消失

也别把这个故事讲成“模型只要接上机器，就能独立研究”。

[研究报告在讨论部分](https://www.gstatic.com/science-ai/agentic_aptamer_sandbox.pdf)明确说明，不同轮次使用了不同的 Agent 配置，并非受控的架构对比；还需要相同预算的无反馈等对照，才能分离推理的具体贡献。因此，不能把最终改善全部记在某个模型、某种编排或某一句提示词头上。

[Google 的公告](https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/)也保留了人的职责：人授权和审查设计，核验实验方案，监督机器人运行。这是人主导的研究进展，不是无人实验室已经全面落地，更不是药物疗效或临床可用性的证明。

我的判断是，AI 科学工具真正值得投入的部分，不只是让机器多提几个想法，还包括让结果更容易追溯、让反例更容易出现、让不成立的解释更难混过去。后面这些工作不够热闹，却决定了前面的聪明能不能变成知识。

当然，早期探索不必每一步都配齐最昂贵的验证。便宜的预测可以筛方向，粗糙的读数可以帮助决定下一步。问题在于，探索阶段的便利不能在汇报时悄悄升级成已经成立的结论。哪一层证据支持哪一句话，需要说清楚。

我们可以欢迎一个更有想象力的研究助手，也可以承认它会被漂亮读数带偏。这两件事并不冲突。

那个夹子最后是否真的认得名牌，不能由演示者的兴奋程度决定。托盘也得有一次单独上台的机会。

资料核对：2026 年 10 月 17 日。公告发表于 10 月 16 日，所引适配体报告标注 10 月 12 日。实验结果与限制均据研究团队公开材料，不是独立复现；本文不提供实验操作建议。名牌意象、问答对照场景与工程判断为原创分析，不把有限实验推成通用 Agent 能力证明。

关于证据与判定，可以接着看 [RAG 评测实战：引用都挂上了，证据真的撑住了吗？](https://ai-knowledgepoints.cn/blog/rag-evaluation-05-citation-audit)。讨论入口在[知识星球](https://ai-knowledgepoints.cn/planet)，公众号入口在[关于页](https://ai-knowledgepoints.cn/about#wechat)。

本文文字与图解由 AI 辅助制作，来源已在正文列明。