用大语言模型自动构建强基线，检验深度学习方法的真实增益

研究用大语言模型为 36 个来自 Nature、Science 和 Cell 系列期刊的监督分类与回归任务自动构建简单基线，这些基线中位数恢复了从平凡预测器到深度学习模型之间 95.5% 的差距（均值 85.7%）。在 12 项研究中，中位数简单基线达到或超过深度学习模型的表现。作者认为，自动基线构建可作为物理与生命科学领域深度学习贡献的实用、可扩展检验手段。