Măsurarea modului în care agenții AI gestionează știința zilnică de laborator umed

OpenAI a lansat BioBasicsBench, un benchmark format din 100 de sarcini care evaluează capacitatea agenților AI de a interpreta date experimentale brute și a gestiona știința de laborator umedă. Această inițiativă este relevantă pentru avansarea cercetării în domeniul științelor vieții.