CADS框架量化LLM提议者增量贡献

2026年10月20日，arXiv Artificial Intelligence 刊出 Guanxing Chen 等作者的论文，提出名为 Certified Agentic Discovery Screens（CADS）的误差受控测量框架。据该文，CADS 通过与一个不含 LLM 的相同循环对比，量化 LLM 提议者在序列生物筛选中的增量价值；框架整合 capped 似然比界、e-processes 与 complete-family e-BH，据称可在任意依赖、自适应采样和可选停止下控制终端错误发现率。目前报道仅介绍该框架的设计与声称的误差控制性质，未给出具体实验数据或应用结果，事件仍处论文发布阶段。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。