experiment-design

本文介绍了一种名为 MDA 的框架，该框架利用 LLMs 进行假设生成，并使用贝叶斯推断进行机制评分，显著减少了实验需求，同时在 FORCEBENCH 等科学基准测试中提高了准确性。

一份关于设计有效机器学习实验的详细指南，强调从明确的研究问题开始，培养研究品味，并扩展结果。基于作者在Poolside每周运行约100次实验的经验。

OpenAI 的 GPT-Rosalind 加上生命科学插件，可在几秒内将高优先级靶点转化为可直接运行的 96 孔湿实验方案，每一步试剂选择都基于公开数据，并将实验结果反馈回来，把设计周期缩短至数小时。