OpenAI 发布 BioBasicsBench：衡量 AI 智能体处理湿实验日常科研的能力

OpenAI 于 2026-11-06 发布 BioBasicsBench，用 100 项任务评估 AI 智能体解读原始湿实验数据的能力，关注点在于把实验中的歧义、控制条件和故障识别纳入测试。

• 任务覆盖蛋白质实验、成像与流式分析、定量检测、核酸方法和分子克隆，输入包括凝胶图、显微图、测序文件、仪器导出数据及操作视频。
• OpenAI 称，GPT-6 Astra 在最高推理设置下平均得分 66.7%，GPT-5.6 Sol 为 43.8%；每个设置测试 100 项任务、每项重复五次，并给出 95% 置信区间。
• 任务由科学家编写，经过内部和外部湿实验专家复核，评分细分为结论、数值、推理和识别证据不足等标准。
• 测试仍显示局限：模型可能误读对照、选错克隆菌落，或在菌落计数中出现约 12% 的偏差。
• 影响/看点：该基准可能帮助研究机构评估模型处理真实实验材料的可靠性，但其代表性取决于任务设计、样本覆盖和独立复测；分数提升不能直接等同于可在实验室自主决策。
• 资料依据:
• OpenAI（2026-11-06）：https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/

本内容由 AI 生成，仅供参考，请注意甄别