Qworld: Question-Specific Evaluation Criteria for LLMs
为解决大型语言模型在开放式问题评估上的难题，本文提出Qworld方法，通过递归扩展树生成针对每个问题的具体评估标准。
4 citationsRead paper
Selected work
Representative Papers
Same Encoder, Different Winner: A Paired-View Framework for Cell Painting Encoder Evaluation
本文通过引入CP-BG-Bench框架，使用四种匹配视图评估细胞图像编码器在不同协议下的表现差异，揭示了单一评价指标的局限性。
0 citationsRead paper
LabAgent: Customize Any Research Hubs for Scientific Discoveries Using AI Agents
为解决实验室人员变动导致方法无法延续的问题，提出LabAgent系统，通过记录和验证技能来保证知识的传承与扩展。
0 citationsRead paper
LatentVerse: A Framework for Understanding Shared and Modality-Specific Information in Multimodal Latent Representations
本文提出了LatentVerse框架，通过分解多模态潜在表示为共享和特定模态成分来解决现有分析工作流程中缺乏统一及多模态分析的问题。
0 citationsRead paper
Science sandboxes measure the scientific capability of AI agents
研究提出科学沙箱框架，通过实验、反馈和假设修正循环评估AI代理的科学能力，特别是在生物学模型中优化指标与理解系统规则之间的差异。
0 citationsRead paper
Recent publications
Latest Papers
Same Encoder, Different Winner: A Paired-View Framework for Cell Painting Encoder Evaluation
本文通过引入CP-BG-Bench框架，使用四种匹配视图评估细胞图像编码器在不同协议下的表现差异，揭示了单一评价指标的局限性。
0 citationsRead paper
LabAgent: Customize Any Research Hubs for Scientific Discoveries Using AI Agents
为解决实验室人员变动导致方法无法延续的问题，提出LabAgent系统，通过记录和验证技能来保证知识的传承与扩展。
0 citationsRead paper
LatentVerse: A Framework for Understanding Shared and Modality-Specific Information in Multimodal Latent Representations
本文提出了LatentVerse框架，通过分解多模态潜在表示为共享和特定模态成分来解决现有分析工作流程中缺乏统一及多模态分析的问题。
0 citationsRead paper
Science sandboxes measure the scientific capability of AI agents
研究提出科学沙箱框架，通过实验、反馈和假设修正循环评估AI代理的科学能力，特别是在生物学模型中优化指标与理解系统规则之间的差异。
0 citationsRead paper
Safety by Design: Realized-Cost Constraints for Contextual Bandits with Continuous Actions
本文针对连续动作情境下的安全约束问题，提出了一种高概率约束UCB算法，通过保守估计安全动作集来优化奖励同时控制实际成本风险。
0 citationsRead paper