OpenAI 发布 LifeSciBench，包含 750 个专家任务，用于评估 AI 在真实科学工作流程中的表现

据 Odaily 报道，OpenAI 发布了 LifeSciBench，这是一项新的评估基准，包含 750 项由专家撰写的任务，覆盖 7 个科学研究工作流程和 7 个生物学领域。该基准由 173 名拥有博士学位、并具有生物技术或制药行业经验的研究人员开发。

其中超过 79% 的任务需要多步骤推理，每个任务平均包含 4 个推理步骤，并配有 1,062 份真实的科学数据附件，包括论文、图表、序列数据和结构文件。该基准用于评估复杂研究能力，例如证据整合、实验设计、数据分析、科学推理以及研究沟通。