AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-20
CADS：衡量大语言模型提议者在序贯生物筛选中的增量贡献
原标题: CADS: Measuring the Incremental Contribution of LLM Proposers in Sequential Biological Screens
序贯生物学筛选中的原始命中数混合了大语言模型提议者的价值与底层算法本身的发现能力,因此作者提出了CADS,这是一个误差可控的框架,通过与完全相同但不含大语言模型的循环对比,来衡量提议者的增量贡献。在基于DepMap的模拟中,仅不含大语言模型的循环就能通过反馈门槛,原始计数高估了大语言模型的贡献。Qwen2.5-7B在20个随机种子上表现出正的净贡献,但该效应在50个随机种子的重复实验中未能保持。