Prior or Feedback? What an LLM Uses When Adapting Neural Operators
先验还是反馈？LLM 在适应神经算子时依赖什么
🧭 LLM 科学代理决策归因
University of Surrey · Compare the Market
通过干预实验证明 LLM 在神经算子调参中同时依赖任务先验与实验反馈，而非仅靠初始上下文
📌 工作参考价值（4 点）
- 在 LLM 驱动的超参/策略搜索中，可利用 LLM 的领域先验作为初始配置，替代随机或贝叶斯优化冷启动，提升预算有限场景下的早期性能。
- 评估 Agent 是否真正利用反馈时，借鉴其干预设计：重排历史反馈分数、做保值重写、冷启动基线，避免只看最终指标造成虚假归因。
- 对搜索推荐中的自动调参/模型选择，可让 LLM 根据任务描述生成候选配置，再用反馈迭代；注意先验会随任务描述变化，如学习率需随任务调整。
- 局限：论文面向科学计算神经算子，业务可借鉴点主要在 LLM 决策归因方法和 warm-start 思路，需自行验证在电商/推荐场景的迁移效果。