热点事件持续更新
arXiv发布Wellocate基准测评LLM代理实验预算分配
1 篇报道1 个报道来源3 小时前更新
先了解这件事
事件综述
2026-10-20，arXiv 发布一篇提出 Wellocate 基准的论文，用于评估 LLM 代理在含噪实验中于固定测量预算下分配探索与确认测量资源的行为。研究者分别在生成景观和 GB1、PhoQ 两组真实蛋白数据上，对五款语言模型代理进行了测试。结果显示，其中三款代理倾向过度确认；生成景观实验上，另一款代理则过度信任单次读数。后续干预测试表明：向偏过度确认的代理提供一份尚未试过的候选清单，可在真实蛋白数据上明显改善其中两款模型的最终选择；而把复测推迟到终轮进行，仅能挽回约四分之一的选错损失。
由模型根据报道生成 · 2 小时前更新
最新进展10月20日 19:57
arXiv 论文 Wellocate 揭示 LLM 代理在含噪实验中多倾向过度确认，推迟复测至终轮仅挽回约四分之一选错损失。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- AI × 生物医药精选探索还是确认？LLM 代理在含噪实验中错配测量预算
作者提出 Wellocate 基准，在生成景观和 GB1、PhoQ 两组真实蛋白数据上测试五款语言模型代理在固定测量预算下的探索与确认分配行为。结果显示三款过度确认、生成景观上一款过度信任单次读数；给前者一张未试候选清单可在真实蛋白数据上明显改善两款模型的最终选择，把复测推到终轮只能挽回约四分之一选错损失。
本事件报道与热度
累计报道 1·当前热度 9·热度峰值 10（10月20日 20:00）·近 24 小时新增报道 +1
累计报道（只增）
热度指数（可衰减）
上下两图共用同一时间轴（指针同步）：上图是累计报道，只增不减，终点=全部报道，斜率=该小时新增篇数；下图是实时热榜 heatIndex——近 7 天独立参与方按 24 小时半衰期加权，讨论降温时会回落。