OpenAI pristatė BioBasicsBench — 100 užduočių laboratorinio darbo benchmark'ą

OpenAI paskelbė BioBasicsBench — 100 užduočių rinkinį, vertinantį, kaip AI agentai interpretuoja neapdorotus eksperimentinius duomenis ir susidoroja su kasdieniais „wet-lab" biologijos darbais. Toks benchmark'as leidžia matuoti modelių naudą realioje laboratorijos praktikoje, o ne tik teoriniuose klausimuose.
Originalas: Measuring how AI agents handle everyday wet-lab science (OpenAI svetainė)