用 BioMysteryBench 评估 Claude 的生物信息学研究能力
该文介绍 BioMysteryBench，用 99 个真实生物信息学问题测试 Claude。
具体内容
该文介绍 BioMysteryBench，用 99 个真实生物信息学问题测试 Claude。作者称 Opus 4.6 解决了 77% 人类可解的问题，并解出部分专家未能解决的问题，且有时采用与人类不同的策略。文章还讨论生物数据噪声、研究路径主观性等基准设计难点，并对比 BixBench、SciGym 等评测。这些为作者自述结果，尚未见独立验证。
- BioMysteryBench 包含 99 个真实生物信息学问题。
- 作者称 Opus 4.6 解决 77% 人类可解问题，并解出部分专家未解问题。
- 文章讨论生物数据噪声与研究路径主观性带来的评测难题。
依据官方原始发布记录整理；当时的推出范围和限制请以原文为准。
用户标记：未标记
固定编号：cbdc502a8b940116
原文来源