Explore or Confirm: LLM-агенты неверно распределяют бюджет измерений под шумом

Три из пяти LLM-агентов тратят 75–94% проб на повторные замеры одного и того же. Фишка: они перемеряют не потому, что теряют счёт. У них просто кончаются идеи, что ещё попробовать. Метод «меню» позволяет агенту с ограниченным бюджетом шумных проб тратить слоты на новое, а не на повторы. В каждом раунде подкладывай в промпт готовый список из 10 непроверенных кандидатов. Это ближайшие соседи трёх лучших, их ранжирует простая модель, обученная на результатах агента. Агент выбирает из списка вместо того, чтобы придумывать с нуля. На реальных белковых данных финальный выбор у двух моделей вырос больше чем на 3 пункта шкалы (максимум около 8,8).