arXiv · cs.AI · Haoxuan Zeng, Xin Luo · 10 小时前模型评分44
反思式 大语言模型（LLM，Large Language Model） 反馈在湿实验室级标签预算下还成立吗？ProteinGym 36 项实验给出答案
Does reflective LLM feedback survive a wet-lab-scale label budget?
导读
研究在 36 项 ProteinGym 实验上检验反思式大语言模型（LLM，Large Language Model）反馈能否在每轮仅 96 个标签的预算下改进生物预测器，完整 LLM 控制对比随机编辑未检出测试秩相关优势（Δz=-0.008）。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学、科学研究
事件类型：研究发布
证据摘录
- “Can reflective language-model feedback improve a biological predictor when each cycle buys only one plate of labels?”
来源：arXiv · cs.AI · arxiv.org