NeuroscienceBench 发布：91 项评测考 AI 读实验数据，最优模型通过率仅约 50%
kenbwork · x · 2026-11-10
作者宣布将 benchmark 工作拓展到基础研究领域，发布新系列首个评测 NeuroscienceBench，后续将覆盖免疫学、衰老等学科。目标：衡量 AI agent 能否分析实验数据并对生物学机制得出可靠结论。
- 构成：91 项评测，取材自 43 篇同行评审研究，涵盖测序、电生理、EEG、脑机接口解码、成像、动物行为与临床生物标志物。
- 形式：agent 分析真实实验数据并返回结构化答案，可确定性评分。
- 配图结果：21 个模型在 9 个子任务上的通过率整体偏低（均值约 20%），Bulk RNA-seq 上 Opus 5.5 最高约 50%；Patch clamp/MEA 成像类任务全员低于 20%，显示当前模型在神经科学数据分析上仍有明显差距。
所属事件:NeuroscienceBench 发布：最强 AI 通过率仅约五成(2 条相关)→
「模型」频道最新
- Fable 5.2 上线福利:老用户最多得 3 次 Fable 额度重置 — ClaudeDevs · 2026-11-10
- Fable 5.2 effort 档位说明:API 默认 high,xhigh 留给长时 Agent 任务 — ClaudeDevs · 2026-11-10
- Fable 5.2 推出 fast mode:输出快 2.5 倍,价格翻倍 — ClaudeDevs · 2026-11-10
- Fable 5.2 全面启用 preserved thinking 防 distillation — ClaudeDevs · 2026-11-10
- Anthropic 发布 Fable 5.2:提速 30%,API 降价至 $8/$40 — ClaudeDevs · 2026-11-10
- Meta Muse Ember 上架 Code Arena:生成一个网站均价仅 $0.04 — arena · 2026-11-10