OpenAI与Ligo联合发布BioBasicsBench，以100道湿实验课题衡量AI智能体的日常分析能力

OpenAI与专注酶设计的生物企业Ligo联合发布了基准测试BioBasicsBench，用于评估湿实验中的日常分析。该基准以源自真实实验的100道题目，衡量对原始数据的解读、错误发现，以及在证据不足时拒绝下结论的判断力，因而引发关注。

核心要点速览

OpenAI发布的BioBasicsBench，是一项衡量AI智能体能在多大程度上处理湿实验常规分析的基准测试。合作方是专注酶设计的生物企业Ligo，基准以从真实实验中抽取的100道题目为基础。

其特点是把焦点放在每日测量与解读这些不起眼的环节，而不是轰动性发现或药物研发叙事。设计背后的问题意识是：恰恰是这些不显眼的工作，左右着研究的速度。

出处[1]

评价有三条轴线：能否正确解读原始实验数据，能否发现数据中的错误，以及在证据不足以支撑结论时能否意识到这一点。最后一项成为试金石，用来区分那些只会给出看似合理答案的模型。

无法承认证据不足的AI，在实验科学现场可能成为危险的存在。BioBasicsBench被定位为呈现这类判断质量的工具，而不是一张性能分数表。

出处[1]

OpenAI说明，这一基准不仅用来指出模型的改进之处，也作为指标，追踪这些提升对科学进展、生物安全与生物安保意味着什么。生物研究效率的提高，与滥用可能性的讨论紧密相邻。

该发布在X上获得约51万次展示，并收获超过2700个赞。欢迎声之外，如何兼顾面向实验的AI能力评估与安全管理，很可能继续成为讨论的核心。

AI能在多大程度上承担实验室的日常分析：原站入口在新标签页查看原始页面的完整内容

可在 X 上直接查看创作者发布的原帖与互动详情。

BioBasicsBench是任何人都能用来做实验的工具吗

它不是用来执行实验的工具，而是评估AI智能体分析能力的基准测试。它通过源自真实实验的100道题目，考察解读、错误检测，以及对证据不足的认识。

出处[1]