BIABench

新的BIABench基准测试AI代理处理复杂的生物图像分析任务

一个名为BIABench的新基准已被开发出来，用于评估AI代理在执行复杂、真实世界生物图像分析任务中的能力。该基准源自16项已发表的生物学研究，评估代理处理大型数据集、选择合适的分析工具以及正确执行它们的能力。虽然目前的AI代理在较简单的2D图像分析任务上表现良好，但它们在涉及三维或延时序列的任务上却表现不佳，并且在没有真实情况的情况下，往往表现不可靠，难以区分正确和不正确的流程。