Seberapa Akurat AI untuk Riset Biologi? Tolok Ukur Baru OpenAI Beri Jawaban Awal
LifeSciBench menempatkan lima model AI pada 750 tugas yang menyerupai pekerjaan peneliti ilmu hayati. GPT-Rosalind memimpin, tetapi hasilnya menurun pada tugas berartefak dan seluruh evaluasi tetap perlu dibaca dalam konteks OpenAI sebagai pengembang tolok ukur sekaligus model.