衡量 AI 智能体如何处理日常湿实验科学工作
OpenAI 与生物技术公司 Ligo 发布了 BioBasicsBench，一个包含 100 项任务的基准，用于测试 AI 智能体能否解读凝胶图像、显微镜照片和仪器读数等原始湿实验数据，包括失败实验和含糊数据。GPT-6 Astra 得分 66.7%，大幅领先 GPT-5.6 Sol 的 43.8%。这一基准之所以重要，是因为可靠的实验分析是 AI 智能体真正帮助科学家的前提，而现有模型仍会误读对照组、过度解读证据。
报道来源
- Hacker News (AI)2026-11-06 21:51