湿实验作为 RL 环境

定义

让模型提出实验方案，用真实湿实验读数作为奖励信号回传训练。站内前沿实验室分析把湿实验用在三层：Tier1 事后验证、Tier2 回流作训练数据、Tier3 直接当 RL 环境 [1]。

证据

• Tier1：GPT-4b micro 与 Retro Biosciences，SOX2 变体 >30% 优于野生型；Anthropic 15 靶点命中率 22–35%（Anthropic 蛋白 binder 实验 为总体 26.8%）。
• Tier2：Anthropic 自建湾区湿实验室；Life Sciences Verification Program 提供最高 100 万美元 Claude 额度与 Twist DNA。
• Tier3：Periodic Labs（种子轮 3 亿美元；2026-03 传闻 70 亿美元估值融 5 亿，媒体报道 ⚠️）、Lila Sciences。
• 经济性：一次生物实验成本数百至数千美元、耗时数小时，而代码任务判分近乎免费；两者时间尺度差 3–5 个数量级 [1][2]。

争议

• 成本与周期使样本效率成为瓶颈，科学奖励仍以人工评分为主；"虚拟细胞做 reward 太早"。
• 实验噪声与批次效应会污染奖励。
• 因此站内建议先做强 verifier 洼地，见 验证器强度。

来源

1. 站内 wetlab-frontier-model-training 页（引 OpenAI/Retro 博客、Periodic 技术文二手报道）
2. 站内 simulation 页（科学 RL 环境，引 SemiAnalysis）