OpenAI 推出 BioBasicsBench 基準測試以評估 AI 代理

OpenAI 發布了全新的 BioBasicsBench 基準測試，旨在檢驗自主系統的能力。該工具用於評估 AI 代理在處理原始實驗數據時的效率。

此基準測試包含整整 **100 項任務**，涵蓋了濕實驗室科學（wet-lab science）日常工作的各個方面。測試重點在於研究人員進行實際生物技術實驗時所面臨的實務場景。

這套新數據集旨在衡量自主解決常規實驗室任務的進展，讓開發人員能更精確地判斷現有模型在自動化科學研究方面的適用性。