BioStudyBench 智能体生物医学研究基准发布

研究者 David Li 等人发布 BioStudyBench，用 25 个长周期分析任务评估 AI 智能体能否仅凭公开数据复现 2026 年 7 至 9 月发表的生物医学研究结论。这些任务从 404,019 条 PubMed 记录中半自动筛选而来，所涉研究均晚于被测模型开发者报告的知识截止时间，因此模型无法依赖训练时已见过的结论。

AI 根据报道生成 · 8 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。