header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
掃碼下載APP
Partnered With:

OpenAI推出計算生物學基準 GeneBench-Pro,GPT-5.6 滿血版正確率僅三成

据動察 Beating 監測,OpenAI 發布了計算生物學評測基準 GeneBench-Pro,用來測試 AI 智能體在面對基因組學和轉化醫學等複雜科研場景時的多步決策能力。新基準共包含 129 個問題(其中 82 個經過外部專家評審),通過計算機模擬生成具有明確因果關係的數據,防止模型通過走捷徑或迎合出題人偏好來作弊。

測試結果顯示,頂尖模型在處理包含量化不確定性的科學推理時依然非常吃力。最強的 GPT-5.6 Sol 在啟動 Pro 模式下僅能達到 31.5% 的正確率,而 Claude Opus 4.8 的正確率僅有 16.0%。研究團隊指出,模型普遍存在「能發現異常但不會修正後續分析」的脫節現象,經常選錯統計方法或堅持錯誤的科研方向。

举报 糾錯/舉報
相關推薦
5%股權不是分紅故事,而是AI監管定價實驗。
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
微軟從「OpenAI的唯一渠道」變成了「OpenAI的大客戶之一」
Anthropic 更早押注 AI 编程,OpenAI 战略节奏错位
糾錯/舉報
提交
新增文庫
僅自己可見
公開
保存
選擇文庫
新增文庫
取消
完成