LGBO的数据处理与 oracle/evaluator 实现

Start by tracing the Figure 3 GPBO/LGBO experiment path and the HPLC, Cross-barrel, and Concrete data entry points; the issue names no files or tests. Compare the runner, preprocessing, and oracle/evaluator behavior against the reported settings, including coordinate scaling, boundaries, duplicates, and repeated queries. Done means the missing runner/configuration and implementation details are provided or documented well enough to reproduce Figure 3.

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：

1. 完整实验 runner 和配置文件；
2. HPLC、Cross-barrel 和 Concrete 的数据加载与预处理代码；
3. 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！