OpenAI 發布 LifeSciBench，內含 750 項專家任務，用以評估 AI 於真實科學工作流程中的表現

根據 Odaily，OpenAI 發布 LifeSciBench，一個新的評估基準，包含 750 個由專家撰寫的任務，涵蓋 7 個科學研究工作流程與 7 個生物學領域。該基準由 173 位具博士學位、且在生物科技或製藥產業具經驗的研究者開發。

超過 79% 的任務需要多步推理，每個任務平均 4 步推理，並包含 1,062 份真實的科學數據附件，包括論文、圖表、序列數據以及結構檔案。該基準用於評估複雜的研究能力，例如證據整合、實驗設計、數據分析、科學推理以及研究溝通。