BioEVAL：全球多机构生物工程大模型基准
原文标题：BioEVAL: A global, multi-institutional benchmark of large language and multimodal models for bioengineering
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。
由 22 个研究组共建的 BioEVAL 基准，覆盖 11 个生物工程子领域，包含 608 道博士级评测题，涵盖选择题、文献综述与多模态实验图像解读。评测显示 ChatGPT、Gemini、Grok 等模型选择题最高准确率约 90%，文献综述相似度 0.72，多模态题 80%，但各子领域差异显著。该基准将持续扩展，用于刻画生物工程领域模型的能力边界与研发优先级。
- 问题
- 生物工程领域缺少覆盖前沿与多模态任务的博士级大模型评测基准。
- 方法
- 22 个研究组共建 608 题基准，含选择题、文献综述与实验图像解读，并做跨组盲审质控。
- 结果
- 选择题最高约 90%，文献综述相似度 0.72，多模态题 80%，子领域差异显著。
- 影响
- 做生物/医疗方向模型选型时，可据此判断模型在实验推理上的真实边界而非事实记忆。
深读 · 结论先行AI 生成展开看要点与影响 ↓
22个研究组共建的BioEVAL含608道博士级题，模型选择题最高约90%、文献综述相似度0.72、多模态题80%。
- •BioEVAL由22个研究组共建，覆盖11个生物工程子领域及未分类项，共608道博士级评测题
- •题型构成：380道选择题（审计后保留359道）、218项文献综述任务、10道含实验图像解读的多模态题
- •题目经作者组专家评审与集中质控；评测后对最高与最低准确率选择题做盲审跨组共识审计，21题被标记修订或移除
- •评测ChatGPT、Gemini、Grok等云端基础/多模态模型，以及可在消费级GPU推理的本地部署模型
- •选择题最高准确率约90%，文献综述相似度0.72，多模态题80%，但各子领域差异显著；基准将持续扩展
为什么重要：生物工程领域此前缺少覆盖前沿与多模态任务的博士级基准，BioEVAL为模型能力边界刻画与研发优先级排序提供了多机构共识的评测底座。
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。