该研究提出了一种新颖的上下文示例优化方法（SICO），有效使ChatGPT躲避检测器，展示其强大性能。同时，研究探讨了大型语言模型（LLM）在化学任务中的应用，提出上下文分子适应（ICMA）以提高分子-文本对应关系的学习效率。通过多模态基准评估模型性能，强调了LLM在小样本优化中的潜力及其局限性。