OmicsBench：AI 智能体长程多轮生物信息学基准发布
原文标题：OmicsBench: a long-horizon multi-turn benchmark of AI agents on research-study-scale bioinformatics
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究团队发布 OmicsBench，一个面向 AI 智能体的长程、多轮生物信息学基准，包含97个任务、662个子任务，以有向无环图串联依赖关系。测试12个模型在三种框架下均未接近饱和，平均得分0.43至0.67，并揭示智能体在依赖前序子任务时表现更差等失败模式。
- 问题
- 现有生物信息学智能体基准多为单轮短任务，无法反映长程多轮真实分析。
- 方法
- 构建97个任务、662个子任务的有向无环图基准，每子任务一轮用户输入并确定性评分，另加无监督失败模式挖掘。
- 结果
- 12个模型三种框架均未饱和，平均分0.43-0.57，有上下文反馈时0.54-0.67，最慢智能体每任务平均3.6小时。
- 影响
- 给做科研智能体的团队一个能暴露依赖前序子任务失败的长程评测，单轮高分不代表能跑完整分析流程。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OmicsBench含97任务662子任务，12个模型三种框架下均未饱和，平均分仅0.43至0.67。
- •97个任务以有向无环图串联662个子任务，每个子任务对应一轮用户交互
- •12个模型在三种框架下平均得分0.43至0.57（无反馈）、0.54至0.67（有反馈）
- •最慢的智能体平均每个任务耗时3.6小时
- •智能体在依赖前序子任务时得分更低，上下文反馈能挽回部分损失
- •作者另建无监督失败模式发现流程，聚类失败尝试以暴露定性缺陷
为什么重要：把生物信息学智能体评测从单轮短任务推进到长程多轮，暴露了依赖链上的系统性弱点，对做科研智能体的团队是更真实的难度标尺。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。