OpenAI presentó BioBasicsBench…
…un benchmark de 100 tareas que mide qué tan bien interpretan los agentes de IA datos experimentales en bruto y manejan el trabajo científico cotidiano de laboratorio húmedo. El benchmark apunta a una laguna en la evaluación de agentes en trabajo de laboratorio práctico en lugar de preguntas de estilo libro de texto.
Generado por IA: resúmenes redactados por IA a partir de las fuentes enlazadas. Cómo usamos la IA
Resumen fuente
OpenAI presentó BioBasicsBench, un benchmark de 100 tareas que mide qué tan bien interpretan los agentes de IA datos experimentales en bruto y manejan el trabajo científico cotidiano de laboratorio húmedo. El benchmark apunta a una laguna en la evaluación de agentes en trabajo de laboratorio práctico en lugar de preguntas de estilo libro de texto.