arXiv 人工智能· Guanxing Chen, Nihui Shao, Haohuai He, Zhenchao Tang, Pengwei Hu, Zhi-An Huang·· 5 小时前AI 评分39
CADS：衡量 LLM 提议模型在序贯生物学筛选中的增量贡献
CADS: Measuring the Incremental Contribution of LLM Proposers in Sequential Biological Screens
AI 导读
研究者提出误差受控的测量框架 CADS，用于量化大语言模型提议者相比无 LLM 循环的增量价值，并在任意依赖与自适应采样下控制最终错误发现率。在基于 DepMap 的模拟中，为 Qwen2.5-7B 提供候选历史可使前 20 个种子的净贡献从 +0.35 提升至 +2.90，但该效应在 50 个种子的配额复制实验中未能持续。实验表明原始计数会因挤占备选发现而高估 LLM 贡献。
来源：arXiv 人工智能 · arxiv.org