OpenAI 与 Ligo 推出 BioBasicsBench:评测 AI 智能体处理日常湿实验的能力
2026.11.06 · 收录日 2026.11.06 · 事件 · 新基准 · 官方发布
新基准用 100 个真实湿实验任务,测 AI 能否读懂原始数据并发现错误。
OpenAI 与生物技术公司 Ligo 合作推出 BioBasicsBench,用 100 个任务衡量 AI 智能体处理日常湿实验分析的能力,覆盖蛋白方法、成像与流式、定量与检测、核酸方法和分子克隆五大领域。GPT‑6 Astra 在 xhigh 设置下平均拿到 66.7% 的可用分数,GPT‑5.6 Sol 为 43.8%。任务基于科学家自己的实验数据,配有专家撰写的评分标准,并经过三轮评审。
- BioBasicsBench 含 100 个任务,覆盖蛋白方法、成像与流式、定量与检测、核酸方法、分子克隆五大日常湿实验领域。
- 输入保留真实证据形态:凝胶与印迹图、培养皿照片、显微图像栈、测序读段、酶标仪导出数据和实验台操作视频。
- 任务由科学家用自身实验数据创建,每题配专家评分标准,并经过内部、外部博士级湿实验科学家和最终内部三轮评审。
- GPT‑6 Astra 在 xhigh 设置下平均获得 66.7% 可用分数,GPT‑5.6 Sol 为 43.8%,显示常规实验分析有进展但仍有提升空间。
- 现有基准多基于论文中挑选的图表和图像,可能忽略湿实验中失败实验、模糊图像和矛盾观察带来的排查需求。
为什么值得看
了解 AI 在真实湿实验分析中的能力边界与短板。
适合谁关注
关注 AI for Science、生物实验自动化的研究者与从业者。