您好，感谢您公开 SAIBO 代码。
我正在复现论文：
Unleashing LLMs in Bayesian Optimization: Preference-Guided Framework for Scientific Discovery
目前，公开代码中的 LGBO 核心流程可以正常运行，但我们在复现 HPLC、Cross-barrel 和 Concrete 三个数据集上的实验时，得到的 GPBO 和 LGBO 优化轨迹及最终结果均与论文报告结果存在明显差异。
为了排除 LLM 模型和输出差异的影响，我们进一步使用不调用 LLM 的 GPBO 基线进行排查。目前在仓库中暂未找到 Figure 3 所使用的完整实验 runner、数据预处理代码以及 oracle/evaluator 实现。
我们按照论文描述实现了连续 kNN-IDW oracle：
k=12, p=2, eps=1e-12
以下百分比采用我们的本地定义：
100 × best-so-far / 去重均值 oracle 的最大值
在连续 kNN-IDW evaluator 下，GPBO 的最终平均结果为：
| 数据集 |
连续 kNN-IDW |
| HPLC |
67.23% |
| Cross-barrel |
85.87% |
| Concrete |
77.58% |
该结果与 Figure 3 中的优化轨迹和终点存在较大差异。
作为对照，在 GP、采集函数、预算和随机种子均保持不变的情况下，我们将每轮 acquisition 限制在原始数据表中尚未评估的输入上，结果变为：
| 数据集 |
仅从尚未评估的表内输入中选点 |
| HPLC |
88.45% |
| Cross-barrel |
95.37% |
| Concrete |
96.75% |
该对照表明，复现结果对数据处理方式以及 oracle/evaluator 的具体实现非常敏感，这可能同时影响 GPBO 和 LGBO 的结果。
请问是否方便提供生成 Figure 3 结果时使用的：
- 完整实验 runner 和配置文件；
- HPLC、Cross-barrel 和 Concrete 的数据加载与预处理代码；
- 连续 oracle 的构建与查询代码，包括：
- kNN 距离是在原始坐标还是归一化坐标中计算；
- 搜索边界及边界外查询的处理方式；
- 相同输入对应不同输出时的处理方式；
- exact-match 和重复查询的处理规则；
非常感谢！
您好，感谢您公开 SAIBO 代码。
我正在复现论文：
Unleashing LLMs in Bayesian Optimization: Preference-Guided Framework for Scientific Discovery
目前，公开代码中的 LGBO 核心流程可以正常运行，但我们在复现 HPLC、Cross-barrel 和 Concrete 三个数据集上的实验时，得到的 GPBO 和 LGBO 优化轨迹及最终结果均与论文报告结果存在明显差异。
为了排除 LLM 模型和输出差异的影响，我们进一步使用不调用 LLM 的 GPBO 基线进行排查。目前在仓库中暂未找到 Figure 3 所使用的完整实验 runner、数据预处理代码以及 oracle/evaluator 实现。
我们按照论文描述实现了连续 kNN-IDW oracle：
k=12, p=2, eps=1e-12以下百分比采用我们的本地定义：
100 × best-so-far / 去重均值 oracle 的最大值在连续 kNN-IDW evaluator 下，GPBO 的最终平均结果为：
该结果与 Figure 3 中的优化轨迹和终点存在较大差异。
作为对照，在 GP、采集函数、预算和随机种子均保持不变的情况下，我们将每轮 acquisition 限制在原始数据表中尚未评估的输入上，结果变为：
该对照表明，复现结果对数据处理方式以及 oracle/evaluator 的具体实现非常敏感，这可能同时影响 GPBO 和 LGBO 的结果。
请问是否方便提供生成 Figure 3 结果时使用的：
非常感谢！