OpenAI представила бенчмарк BioBasicsBench для оценки ИИ-агентов

Компания OpenAI выпустила новый бенчмарк BioBasicsBench, предназначенный для проверки способностей автономных систем. Инструмент оценивает, насколько эффективно ИИ-агенты справляются с интерпретацией сырых экспериментальных данных.

В состав бенчмарка вошло ровно **100 задач**, охватывающих различные аспекты повседневной лабораторной работы в мокрой биологии (wet-lab science). Тесты фокусируются на практических сценариях, с которыми сталкиваются исследователи при проведении реальных биотехнологических экспериментов.

Новый набор данных призван измерить прогресс в автономном решении рутинных лабораторных задач. Это позволяет разработчикам точнее определять применимость существующих моделей для автоматизации научных исследований.