OpenAI 官网发布了一篇题为《Measuring how AI agents handle everyday wet-lab science》的论文，主题是衡量 AI 智能体在“湿实验”（wet lab）日常科研工作中的表现。所谓湿实验，指需要动用试剂、样本与实体仪器的实验，与纯计算或纯文本分析相对。这篇文章关注的问题很直接：当 AI 智能体被放进真实的实验流程，它能否处理那些看似琐碎、却构成科研日常的操作与判断。
对 AI 从业者而言，这项工作的价值在于评测视角的转移。此前，智能体的能力多用软件工程、网页操作或检索问答等数字任务来打分；而湿实验引入了一类不同的约束：步骤之间存在物理上的先后依赖，操作结果需要读取仪器反馈，错误往往不可回滚，大量细节还依赖实验者的默会知识。只有把这些环节纳入评测，才更接近“AI 参与真实科研”的实际形态。
从公开信息看，该文属于评测或测量性质的工作，重点在于建立衡量方式，而非宣称某个系统已能独立完成实验。这也是当前智能体研究的一个共性阶段：先定义可比较的任务与评分标准，再讨论能力边界。值得关注的后续问题包括：任务如何覆盖不同学科与实验类型、评测结果能否跨实验室复现，以及在涉及生物材料与仪器操作时，人类监督与安全边界应如何设定。
对关注 AI for Science 的团队来说，这类测量工作的意义不在于单点成绩，而在于提供一套共同语言，让“智能体能否胜任湿实验日常”成为一个可被检验、也可被反驳的问题。