跳到正文
arXiv · AI· David Li, Shaamil Karim, Christian Gensbigler·· 2026-10-07AI 评分38

BioStudyBench 评估 AI 智能体在截止后生物医学研究中的表现

BioStudyBench: Evaluating Agents on Post-Cutoff Biomedical Studies

AI 导读

BioStudyBench 是一个包含 25 项长时程分析任务的基准,用于评估 AI 智能体在模型知识截止后完成生物医学研究的能力。该基准从 404,019 条 PubMed 记录中筛选任务,涵盖 2026 年 7 月至 9 月发表的研究。

来源:arXiv · AI · arxiv.org