正在生物科技的快速展开中，若何高效且精确地阐发复纯的生物数据成了研讨人员面临的一年夜应战。为了辅佐 AI 模子正在那一规模展示更强的阐发才气，OpenAI 近日推出了全新的 GeneBench-Pro 基准测试。那一基准专注于评价 AI 正在基果组教、卵白量组教等生物教使射中的理想研讨才气，特别是正在面临混乱和不残缺数据时的判断取决议计划才气。
GeneBench-Pro 取传统的基准测试有着隐著的差异。传统测试常常偏重于模子的记忆才气和完成任务的固定流程，而 GeneBench-Pro 则更强调模子正在实正在科研情况中的合用性。测试任务设念时考虑了 “恍惚、不残缺和带有干扰” 的数据情况，让模子正在何等的前提下截至数据探究和阐发，从而更实正在地反映其判断才气。
此次基准测试笼盖了普遍的生物教规模，搜罗基果组教、定量生物教和转化医教，共计129道题目成绩成绩，涵盖了统计遗传教、群体遗传教、功用基果组教和卵白量组教等多个子规模。每道题目成绩成绩都市为模子供给接近实正在科研情况的数据集，并要求模子根据简短的实验背景和相关成绩自主选择阐发方法并建正计谋，最末得出结论。
为了制止传统长流程测试中常见的评分误差，OpenAI 正在设念 GeneBench-Pro 时回收了合成数据。那种格式允许 OpenAI 更好地控制数据生成过程，从而确保模子的暗示更能反映其实正在的理解才气，而不但仅是经由过程推测或走捷径而获得的精确谜底。
今朝，OpenAI 已正在 Hugging Face 平台上开源了10道代表性的 GeneBench-Pro 示例题，内部研讨人员能够经由过程可交互界面截至体验。后绝，OpenAI 计划将其中50道题目成绩成绩交给 Artificial Analysis 截至独立评测，以考据差异模子正在那一基准测试中的理想暗示。
