反思式LLM反馈在湿实验标签预算下是否有效

该预算下LLM编辑有增益，递归反思增量价值未确立。

资讯摘要

论文在36个ProteinGym实验上模拟湿实验标签预算：初始96个标签，每轮再获取96个，共六轮，并设密封测试集与统一编辑模式。预设比较显示，完整LLM控制相对随机编辑在测试秩相关上无优势（Δz=-0.008，95% CI [-0.034,+0.018]），也未确立等价性。探索性消融显示，固定随机采集时LLM编辑使Fisher变换后的测试Spearman提高0.043；固定上置信界采集时，归一化最优变体回收提高0.023。作者报告LLM采集未明显优于固定自适应规则，重复反馈也未明显优于一次初始建议。

要点速读

1. 预设比较：完整LLM控制与随机编辑的测试秩相关差异Δz=-0.008，95% CI [-0.034,+0.018]，未检出优势，等价性也未确立。
2. 探索性消融：固定随机采集时LLM编辑使Fisher变换测试Spearman提高0.043；固定上置信界采集时归一化最优变体回收提高0.023。
3. 作者报告LLM采集未明显优于固定自适应规则，重复反馈在该标签预算下未明显优于一次初始建议。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。