LLM 智能体在噪声下误分配测量预算：Wellocate 基准揭示探索与确认失衡

研究用模拟测定基准 Wellocate 测试五个语言模型作为无工具、无记忆的最小智能体，在固定预算下如何在探索新候选与复测确认之间分配测量。模型在两个方向上都会误分配：三个过度确认，把大部分预算花在复测上；在生成景观上有一个过度不确认，最终选择比基础脚本策略更差。提供未试候选清单可减少复测，在真实蛋白质数据上让其中两个模型选得更好；对读数做滚动摘要或描述景观最多只改变五个百分点。