Mitosis Bench:AI 智能体找肿瘤分裂细胞,最佳模型 pass@1 仅 32.4%
yawnxyz · x · 2026-10-28
Prime Intellect RL Residency 学员 Dylan Tirandaz 发布 Mitosis Bench——一个病理学 RL 环境/benchmark,要求 agent 在肿瘤图像中找出所有核分裂象(病理学家判断肿瘤生长速度的指标),基于 MIDOG++ 数据集、100 个任务。
结果要点:
- Gemini 4 Argon 以 32.4% pass@1 领跑,pass@5 达 43%,单次尝试成本 $0.36、18 次模型调用、5.6 分钟。
- Claude Opus 5.5 pass@1 28.6%,成本最低之一($0.178)且最快(1.1 分钟)。
- GLM 5.3 Flash 性价比最佳:pass@1 仅 16.8% 但 pass@5 达 41%,单次仅 $0.065。
- DeepSeek V4.1 Flash pass@1 8.8%,调用次数高达 68 次且耗时 22 分钟。
作者动机:计算押注在医学上爬坡是强化学习最好的用武之地,医生与科学家因超级智能生产力提升 100 倍的世界很快会到来。配图展示了训练视野中专家标注的核分裂象与易混淆的 look-alike。
「具身」频道最新
- 小鹏 IRON 产线 80% 核心工序自动化,目标 2026 年底量产 — ingliguori · 2026-10-28
- 特斯拉 Cybercab 得州 robotaxi 注册量达 544 辆，反超 Model Y — AccBalanced · 2026-10-28
- iPhone Duo实测折叠75,001次后屏幕开裂，远低于三星标称值 — mitchdeg · 2026-10-28
- 普林斯顿王梦迪推出 LabOS：AI 成实验室的智能协作层 — MengdiWang10 · 2026-10-28
- Grok 设计的机器人勉强站起,开发者吐槽硬件调试远难于写代码 — Baconbrix · 2026-10-28
- SPECS AR 眼镜上演数学可视化：双摆、Voronoi 与折射 — Scobleizer · 2026-10-28