研究人员推出了scBench-Long，这是一个旨在评估AI代理在复杂、多步骤单细胞生物学分析中能力的新基准测试。与之前侧重于广泛知识或局部任务的基准测试不同，scBench-Long要求代理从原始数据中推导出科学结论，而无需预定义的方法。该基准测试包括21项多样化评估，例如分析黑色素瘤细胞反应性和COVID-19病理学，表现最佳的模型在1,068条轨迹上的成功率仅为25.4%。 AI
影响 该基准测试有望推动能够进行更复杂生物学科学发现的AI代理的发展。
排序理由 该集群描述了一个用于科学研究中AI的新基准测试，已在arXiv上发布。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.26563v1 Announce Type: cross Abstract: Single-cell studies require analysts to convert raw measurements into specific biological claims through multi-step workflows and integration of metadata, assay context, and auxiliary evidence. Existing AI-biology benchmarks large…
Single-cell studies require analysts to convert raw measurements into specific biological claims through multi-step workflows and integration of metadata, assay context, and auxiliary evidence. Existing AI-biology benchmarks largely measure broad knowledge, executable workflows, …