BioResearchBench评估AI长程研究能力

Abedrabbo等论文作者提出BioResearchBench，以50项长程生物学研究任务测试AI处理多类科学数据并规划后续研究的能力。比较5个模型后，Claude Opus 5.5整体成功率为18%，其余模型为4%至13%，其中66.9%的失败集中在计算与数据处理。 任务覆盖10个生物学子领域，包括测序数据、蛋白质组测量、显微图像、实验读数和临床数据集，并经博士生物学家设计、专家评审及迭代模型测试，定位为具有挑战性的基准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。