各方报道 1 篇
arXiv cs.AI·09-28 12:00★ 3
BioEVAL：全球多机构生物工程大模型基准
原文 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。
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。