OpenAI、100の通常の湿式実験タスクにわたってAIエージェントが生の実験データをどのように解釈するかを測定するベンチマーク「BioBasicsBench」を導入 > GPT-6 Astraは66.7%を記録し、GPT-5.6 Solの43.8%から向上したが、コントロールを見落とし、コロニー数を誤計測している。 出典: https://t.co/QT6v58CT9r
LEMON_MAHEDYOpenAI、100の通常の湿式実験タスクにわたってAIエージェントが生の実験データをどのように解釈するかを測定するベンチマーク「BioBasicsBench」を導入 > GPT-6 Astraは66.7%を記録し、GPT-5.6 Solの43.8%から向上したが、コントロールを見落とし、コロニー数を誤計測している。 出典: https://t.co/QT6v58CT9r