深潮 TechFlow 消息，6 月 18 日，OpenAI 發佈全新評測基準 LifeSciBench，旨在衡量 AI 系統在真實科研場景中的能力。據悉，LifeSciBench 基於 750 道專家編寫任務，覆蓋 7 類科研工作流與 7 個生物學領域，任務來源於 173 名具有博士背景並具備生物科技或製藥行業經驗的科研人員，該基準強調複雜科研能力評估，包括證據整合、實驗設計、數據分析、科學推理與科研溝通等能力，而非單一事實性問題。超過 79%的任務包含多步驟推理，平均每道題需約 4 個推理步驟，幷包含 1,062 個真實科研相關數據附件（如論文、圖表、序列數據及結構文件等）。