LLM 科研智能体能否可靠判断可预测性？植入信号模拟实验的评估
摘要
作者把 LLM 科研智能体当作统计检验，在植入信号的模拟世界中评测三个前沿模型和一个开放权重模型的预设运行结果。智能体比预设的样本外检验更常检出弱信号，主要原因是它们接受更弱的证据；按智能体的假阳性率衡量，常规样本内检验表现相当或更好。
摘要由模型根据原文撰写，以原文为准。
arXiv 科研构思与自主科研代理
打开原文arxiv.org。尚未取得已确认完整的正文，本站仅展示摘要与导读；完整内容请阅读原文。
来源：arXiv 科研构思与自主科研代理 · arxiv.org
引用原文
Chang Liu. Are LLM Research Agents Reliable Judges of Predictability? Evidence from Planted-Signal Worlds[EB/OL]. (2026-11-03)[访问日期]. https://arxiv.org/abs/2611.04070v1.