Amazon 与马萨诸塞大学论文发现,在搜索循环中加入 LLM 评审收益极小、最多约 0.005 AUC,但下行风险更大。在 96 种 pipeline 配置的表格模型搜索中,Llama-3.1-8B 评审在 8 个数据集中的 7 个上低于无评审基线,最多损失 0.245 AUC;理想评审最多仅提升约 0.005 AUC,且危害在 250 种配置、20 轮后大多消退。