LatchBio 发布 NeuroscienceBench 并上线 13 项生物 agent 基准总榜
kenbwork · x · 2026-11-18
LatchBio 团队在发布 NeuroscienceBench 后,上线 benchmarks.bio,用于在真实生物学研究工作流上横向评测 AI agent。
V1 排行榜要点:
- 总分覆盖 13 项能力基准、21 个独立榜单,模型与 agent harness(Pi、Claude Code 等)分开计分,数据更新至 2026-11-13。
- 前三名:Claude Opus 5.5(Pi,58.0%)、Claude Opus 5.5(Claude Code,57.7%)、Claude Sonnet 5.5(Pi,54.2%);不带 LSVP 豁免的最高成绩为 Claude Sonnet 5.5(Pi,54.2%)。
- Gemini 4 Argon(Pi,52.4%)、GPT-6 Astra(Pi,51.3%)分列六七位,Anthropic 阵营明显领先。
- LSVP 是 Anthropic 针对生物学提示词减少安全拒答的评测变体,榜单将其与标准跑分并列标注,另设 BioSecBench-Refusal 单独衡量安全护栏。
- 评分规则:按配置的评测数量加权、缺失基准不计零分但限制最多缺 2 项;V1 与历史 V0 分数不可直接比较。
该成果在 #SfN2026 神经科学大会上发布,面向探讨 agentic AI 融入科研工作流的神经科学家群体。
「研究」频道最新
- Yoav Goldberg:拒稿该看人参与多少,而非是否用了 LLM — yoavgo · 2026-11-18
- 独立开发者训练直接扫描原始二进制的模型,代码块理解达 0.977 — wavefnx · 2026-11-18
- 哈佛论文:编码 Agent 94.8% token 是重读缓存,能耗高 25 倍 — rohanpaul_ai · 2026-11-18
- 论文提出「瓶颈压力」指标:2.88亿招聘数据量化AI无法替代的工作升值 — soumitrashukla9 · 2026-11-18
- 亚马逊论文:弱LLM评审员会拖垮搜索,收益仅0.005 AUC — rohanpaul_ai · 2026-11-18
- ICLR 审稿人互相好奇同伴意见,同行评议透明度引讨论 — guyvdb · 2026-11-18