湿实验
-
让AI先猜湿实验结果:新基准SPU收录4207个真实实验,最强模型也只有约一半任务跑赢随机排序
给AI一组实验条件,让它在动手做实验之前先猜出哪种条件结果更好——新基准SPU把这件事量化了,结果显示最强的前沿模型离可靠预测还很远。
-
OpenAI发布BioBasicsBench:100项日常湿实验任务,GPT-6 Astra最高拿到66.7%
OpenAI于11月6日与酶设计公司Ligo联合发布BioBasicsBench,用100项常规湿实验分析任务衡量智能体读懂原始实验数据的能力。xhigh推理强度下,GPT-6 Astra平均拿到66.7%的可得分数,GPT-5.6 Sol为43.8%。