scientific-design

本文介绍了LEAPBench，一个包含55个任务的框架，用于对迭代科学设计中的LLM进行轨迹级评估。评估显示，基于结果的评分会遗漏效率提升，并且在匹配已发表的最佳设计时，领域无关提示可以优于领域感知提示。