OpenAI 官方博客T1·智能体与协同
58 分
Anthropic 与酶设计公司 Ligo 联合推出 BioBasicsBench,用 100 项任务衡量 AI 智能体解读原始湿实验室数据、识别实验错误、判断证据是否足以支撑结论的能力。该基准针对失败实验、模糊图像与矛盾观测等真实场景,弥补现有以论文图表为主的基准的不足。
Experimental Controls
实验中用于排除干扰、验证结果有效性的参照组与校准条件
Anthropic 与酶设计公司 Ligo 联合推出 BioBasicsBench,用 100 项任务衡量 AI 智能体解读原始湿实验室数据、识别实验错误、判断证据是否足以支撑结论的能力。该基准针对失败实验、模糊图像与矛盾观测等真实场景,弥补现有以论文图表为主的基准的不足。