11月4日消息，ChemRxiv发布预印本《RxnScout: Deploying a Vision-Language Agent for Nickel-Catalyzed C-Glycosylation Condition Optimization》（作者Hou Yubo、Wu Mingyue、Ramalingam Balamurugan、Lik Ken Lee Chi、Yoon Ji Wei，2026-11-04T10:16Z发布，DOI: 10.26434/chemrxiv.15006308/v2）。

反应条件优化耗费大量实验时间与资源，在缺乏目标专属收率数据时，候选条件的早期筛选尤为关键。该研究评估了本地部署的视觉语言模型（VLM）agent RxnScout：它能读取反应式图像，从化学家筛选的商品化可采购试剂清单中推荐测试候选，并根据实测收率滚动更新建议；筛选采用一次变更一个条件维度的序贯策略，化学家在执行前审阅模型给出的理由。

在针对一个未经优化的底物对的湿实验室试点中，RxnScout以少于基线方法的试验次数达到了整个条件筛选战役中的最佳催化收率。论文同时讨论了部署权衡、局限与生成理由中的错误。

作者透露，一台高通量实验（HTE）平台已采购、安装并完成调试，为下一阶段部署奠定硬件基础。该工作展示了"AI读图+湿实验室闭环"在糖化学与催化条件开发中的实用性，对CRO/CDMO的工艺开发流程自动化具有参考价值；预印本数据未经同行评审，结论待验证。 （来源：ChemRxiv）