一篇新发表在 arXiv 上的研究表明，为大型语言模型（LLMs）提供生物学背景信息并不能可靠地提高它们在实验优化任务中的表现。研究人员发现，在各种与生物学相关的任务中，模糊生物学含义的领域无关提示（domain-agnostic prompts）的表现通常优于领域相关提示（domain-aware prompts）。这种效应似乎仅限于生物学领域，在教育相关任务中并未出现。研究表明，当 LLM 获得领域特定信息时，可能会出现锚定偏见（anchoring bias），导致它们倾向于选择常规选项，而不是可能更好但非传统的选项。 AI
影响 这项研究表明，当前的 LLM 提示策略在生物学等专业领域的优化方面可能适得其反，而非有所助益，这表明在自主实验室设计方面需要新的方法。
排序理由 发表在 arXiv 上的研究论文，详细介绍了实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
