Bei der Optimierung von Reaktionen oder Materialien ist nicht das Erzeugen vieler Möglichkeiten am schwierigsten, sondern die Wahl des nächsten teuren Tests. Ein Sprachmodell allein kann plausibel klingende, aber ungültige Bedingungen vorschlagen. GOLLuM nutzt deshalb das Sprachmodell zur Repräsentation der Versuchsbeschreibung und einen gaußschen Prozess zur Schätzung von Ergebnis und Unsicherheit.

Das probabilistische Ziel verändert zugleich die Repräsentationen des Sprachmodells, sodass Experimente mit ähnlichen Ergebnissen näher zusammenrücken. Die Auswahl beruht damit nicht nur auf sprachlicher Ähnlichkeit und kann vielversprechende Bereiche gegen unsichere Regionen abwägen.

Die Autoren testeten dieselbe Konfiguration in 23 Benchmark-Aufgaben aus organischer Synthese, Materialien, Prozesschemie und Moleküldesign, jeweils ausgehend von zehn unterdurchschnittlichen Beobachtungen. GOLLuM lag im Mittel vorn und erreichte die Standard-Bayes-Optimierung mit über 40 % weniger Versuchen. In fünf Buchwald–Hartwig-Aufgaben fand es 43 % leistungsstarke Bedingungen gegenüber 24–25 % bei den Vergleichsansätzen.

Eine mögliche Anwendung ist die kontrollierte Wahl der nächsten Messung in selbststeuernden Laboren, mit getrennten Sicherheitsgrenzen und menschlicher Aufsicht. Die Evidenz beruht bislang auf Benchmarks; gaußsche Prozesse skalieren zudem schlecht auf Tausende Versuche, und Text reicht für komplexe 3D-Strukturen nicht aus. Prospektive Laborpiloten sind in 2–4 Jahren denkbar, Routineeinsatz braucht unabhängige Validierung.