BioSecBench 基准评测:AI 代理推断病原体属性能力不足 50%
kenbwork · x · 2026-08-28
研究人员发布 BioSecBench-Function 基准，用于测试 AI 代理能否从数据中推断病毒、细菌和毒素的功能属性。
- 评测内容：包含 111 项确定性评估，涵盖传播性、免疫逃逸、毒性、耐药性和适应性五大威胁轴。
- 评测结果：最强的 Opus 5 + Claude Code 组合端点通过率仅 50.4%，Grok 4.6 + Grok Build 整体通过率 44% (含拒绝回答的情况)。
- 任务类型：基于深度突变扫描、X射线晶体学等已发表数据，要求代理整合证据并输出结构化结论。
所属事件:新基准显示 AI 推断病原体功能能力不足 50%(3 条相关)→
「安全」频道最新
- 爆料称 Anthropic 新模型将发布,疑似已挖出十余个 Chrome 高危漏洞 — matthew_d_green · 2026-10-15
- Toby Walsh 提醒：全自动战斗无人机已现身真实战场 — TobyWalsh · 2026-10-15
- 教皇 AI 顾问警告：澳版权改革恐酿「新形式殖民主义」 — TobyWalsh · 2026-10-15
- Jamie Dimon 警告 AI Agent 访问银行账户的安全风险，JPMorgan 拒绝外部 Agent 接入 — AccBalanced · 2026-10-15
- 「你们都很爱 alignment faking」——用 Anthropic 论文玩梗 — dejavucoder · 2026-10-15
- 卫报:AI 监控席卷职场,老板可实时掌握员工生产力数据 — nordicinst · 2026-10-15