ABLE基准：评估LLM智能体使用蛋白质设计工具的能力
原文标题：Agentic BAIM-LLM Evaluation (ABLE): Benchmarking LLM Use of Protein Design Tools
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。
ABLE基准测试评估LLM智能体在双重用途蛋白质设计工作流中使用生物AI模型（如ProteinMPNN和AlphaFold3）的能力。测试发现，15个前沿模型中7个拒绝所有任务，其余模型表现差异显著，Claude Sonnet 4和Gemini 3 Pro得分最高。结果表明LLM能降低蛋白质设计门槛，但在规划、策略生成和生物知识整合方面仍不稳定。
- 问题
- 缺少评估LLM智能体调用蛋白质设计工具能力的基准，尤其涉及双重用途风险。
- 方法
- 构建ABLE基准，覆盖结构检索、序列生成、设计验证，对比15个前沿模型与人类专家基线。
- 结果
- 15个模型中7个拒绝所有任务；Claude Sonnet 4与Gemini 3 Pro在检索、工具选择与使用上得分最高。
- 影响
- 说明LLM已能显著降低蛋白质设计门槛，但规划与生物知识整合不稳定，生物安全与能力评估需同步跟进。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ABLE基准测15个前沿模型用蛋白质设计工具，7个拒绝全部任务。
- •任务覆盖结构检索、序列生成与设计验证，涉及ProteinMPNN、AlphaFold3等生物AI模型
- •15个前沿模型中7个对所有任务一律拒绝，其余模型表现差异显著
- •Claude Sonnet 4与Gemini 3 Pro在信息检索、工具选择、工具使用上得分最高
- •与专家人类基线对比后，模型在规划、策略生成、生物知识与工具结合上仍不稳定
为什么重要：双重用途生物设计的能力门槛正在被LLM拉低，同时拒答策略与能力表现高度分化，值得安全与生物AI双方关注。
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。