AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-20
CADS：衡量大型語言模型提案者在序列式生物篩選中的增量貢獻
原標題: CADS: Measuring the Incremental Contribution of LLM Proposers in Sequential Biological Screens
循序生物篩選中的原始命中數，混合了大型語言模型提案者的價值與底層演算法的發現能力，因此作者提出 CADS，這是一個控制誤差的框架，可對照相同但不含大型語言模型的迴圈，衡量提案者的增量貢獻。在以 DepMap 為基礎的模擬中，僅不含大型語言模型的迴圈就能通過回饋閘門，原始計數會高估大型語言模型的貢獻。Qwen2.5-7B 在 20 個隨機種子中呈現正向淨貢獻，但在 50 個種子的重複實驗中該效果並未持續。