Una nueva forma de medir cómo los agentes de IA manejan los análisis rutinarios de la ciencia de laboratorio húmedo: BioBasicsBench.
Desarrollado con Ligo, una empresa de biotecnología enfocada en el diseño de enzimas, el benchmark se basa en 100 tareas de experimentos reales para probar si los agentes pueden interpretar datos crudos de laboratorio, identificar errores y reconocer cuándo la evidencia no respalda una conclusión.
Acelerar la investigación biológica empieza por hacer bien el trabajo cotidiano. BioBasicsBench muestra dónde deben mejorar los modelos y nos ayuda a rastrear lo que esos avances significan para el progreso científico, la bioc seguridad y la bioseguridad.
https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/