OpenAI 如何衡量 AI agents 处理日常湿实验科学的能力

OpenAI 推出 BioBasicsBench，这是一个包含 100 个任务的 benchmark，用于评估 AI agents 解读原始实验数据和处理日常湿实验科学的能力。该 benchmark 聚焦于衡量模型在真实实验室场景下的实际操作水平。