header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
扫码下载APP
Partnered With:

OpenAI推出计算生物学基准GeneBench-Pro,GPT-5.6满血版正确率仅三成

据动察 Beating 监测,OpenAI 发布了计算生物学评测基准 GeneBench-Pro,用来测试 AI 智能体在面对基因组学和转化医学等复杂科研场景时的多步决策能力。新基准共包含 129 个问题(其中 82 个经过外部专家评审),通过计算机模拟生成具有明确因果关系的数据,防止模型通过走捷径或迎合出题人偏好来作弊。

测试结果显示,顶尖模型在处理包含量化不确定性的科学推理时依然非常吃力。最强的 GPT-5.6 Sol 在开启 Pro 模式下仅能达到 31.5% 的正确率,而 Claude Opus 4.8 的正确率仅有 16.0%。研究团队指出,模型普遍存在「能发现异常但不会修正后续分析」的脱节现象,经常选错统计方法或坚持错误的科研方向。

全球市场热点不用到处刷,消息送到你眼前

加入律动飞书频道
相关推荐
5%股权不是分红故事,而是AI监管定价实验。
Hugging Face的自主AI 代理入侵事件,攻击方是GPT-5.6 Sol 和一个未发布的更强模型
微软从「OpenAI的唯一渠道」变成了「OpenAI的大客户之一」
Anthropic更早押注AI编程,OpenAI战略节奏错位
纠错/举报
提交
新增文库
仅自己可见
公开
保存
选择文库
新增文库
取消
完成