acquisition-policy

这项控制研究探讨了开源权重LLM是否能够作为有限池材料优化的采集策略，并在多个任务中将其性能与随机选择和传统高斯过程方法进行比较。

论文认为，检测到所获取的LLM派生信号的平均效果并不等同于学习逐实例的采集策略，并确立了一个奖励-信噪比下限（ρ* ≈ 2.8/√N），低于该下限时离线路由不可行。论文引入了结构化假设嵌入（SHE），并在三个数据集上表明，学习到的逐示例采集在此下限之下崩溃，因此建议改用设计时的机制门控。