湿实验室

衡量 AI 智能体如何处理日常湿实验室科学

OpenAI 发布了一个叫 BioBasicsBench 的测试集，包含 100 个任务，用来考察 AI 智能体能不能看懂实验室里原始的实验数据、能不能处理日常的湿实验室工作。所谓“湿实验室”，就是真正动手做化学、生物实验的地方，跟纯计算机模拟相对。以前缺少这类贴近真实实验操作的统一测评，这次用 100 个具体任务来打分。读者可以借此了解 AI 在真实科研动手环节的水平，但目前只看到测试集的介绍，具体成绩、开放方式和发布时间原文都没说明。