scBench-Long

新的scBench-Long基准测试用于评估AI在复杂的单细胞生物学分析中的能力

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%。