LLM 能设计高质量实验吗？自主实验设计的系统性基准

论文提出 SCOPE 基准，从高层规划完整性与低层配置准确性、合理性两方面评估 LLM 的实验设计能力。基准覆盖来自 ICML、NeurIPS、ICLR 等顶会的 300 篇论文和 19 个研究领域。结果显示，多数模型难以直接设计高质量实验，低层配置是共同瓶颈，搜索模式也未改善质量；作者进一步提出 OptED 工作流。