Дом
OpenAI выпустила тестовый набор GeneBench-Pro для повышения эффективности биологического анализа с помощью ИИ
В связи с быстрым развитием биотехнологий эффективный и точный анализ сложных биологических данных стал одной из главных задач для исследователей. Чтобы наделить модели искусственного интеллекта более сильными аналитическими навыками в этой области, компания OpenAI недавно представила новый тестовый набор под названием GeneBench-Pro. Этот тестовый набор предназначен для оценки практических исследовательских возможностей ИИ в таких областях, как геномика и протеомика, в частности его способности выносить суждения и принимать решения при работе с неструктурированными и неполными данными.
GeneBench-Pro отличается от традиционных тестов. В то время как обычные тесты часто сосредоточены на объёме памяти модели и её способности следовать фиксированным последовательностям задач, GeneBench-Pro делает акцент на практической полезности в реальных научных исследованиях. Его задачи построены на основе «нечеткой, неполной и зашумленной» среды данных, что позволяет модели проводить исследования и анализ в таких условиях, что более точно отражает ее способности к вынесению суждений.

Этот тестовый набор охватывает широкий спектр биологических областей, включая геномику, количественную биологию и трансляционную медицину, и содержит 129 задач, охватывающих такие подразделы, как статистическая генетика, популяционная генетика, функциональная геномика и протеомика. Каждый вопрос предоставляет набор данных, близкий к реальной исследовательской среде, что требует от модели самостоятельного выбора методов анализа, адаптации стратегий на основе кратких экспериментальных сведений и, в конечном итоге, формулирования выводов.
Чтобы избежать систематических ошибок в оценке, характерных для традиционных тестов с длительным процессом, при разработке GeneBench-Pro компания OpenAI использовала синтетические данные. Такой подход позволяет OpenAI более строго контролировать процесс генерации данных, гарантируя, что производительность модели отражает подлинное понимание, а не правильные ответы, полученные путем угадывания или использования упрощений.
OpenAI опубликовала 10 типичных примеров задач из GeneBench-Pro с открытым исходным кодом на платформе Hugging Face, что позволяет внешним исследователям изучать их через интерактивный интерфейс. В будущем OpenAI планирует передать 50 из этих задач в Artificial Analysis для независимой оценки, чтобы проверить реальную эффективность различных моделей на этом тестовом наборе.
Связанная статья
MiniMax 2.5 лидирует по глобальному использованию с ежемесячной выручкой более 150 млн долларов; флагманская версия M3 выйдет в первой половине года
Крупные языковые модели Китая набирают огромную динамику в глобальной экосистеме разработчиков благодаря своей репутации в области экономической эффективности и инженерного совершенства.По состоянию на 3 марта 2026 года данные с платформы OpenRouter
Мета Мусе опережает ChatGPT в раннем запуске на мобильных устройствах
Новые данные свидетельствуют о том, что новейшее приложение Meta по искусственному интеллекту Muse может стать следующим крупным успехом социальной сети. Согласно недавним оценкам компании Appfigures, количество загрузок Muse на мобильных устройствах
TechCrunch Disrupt 2026: Карим Амин из компании Clay о росте популярности инженеров по выводу продукта на рынок (GTM)
Два года назад инженеры по GTM практически не встречались в большинстве организаций. Сегодня эта должность становится всё более распространённой во всём технологическом секторе: специалисты используют
Рекомендации по связанным специальным темам
Комментарии (0)
В связи с быстрым развитием биотехнологий эффективный и точный анализ сложных биологических данных стал одной из главных задач для исследователей. Чтобы наделить модели искусственного интеллекта более сильными аналитическими навыками в этой области, компания OpenAI недавно представила новый тестовый набор под названием GeneBench-Pro. Этот тестовый набор предназначен для оценки практических исследовательских возможностей ИИ в таких областях, как геномика и протеомика, в частности его способности выносить суждения и принимать решения при работе с неструктурированными и неполными данными.
GeneBench-Pro отличается от традиционных тестов. В то время как обычные тесты часто сосредоточены на объёме памяти модели и её способности следовать фиксированным последовательностям задач, GeneBench-Pro делает акцент на практической полезности в реальных научных исследованиях. Его задачи построены на основе «нечеткой, неполной и зашумленной» среды данных, что позволяет модели проводить исследования и анализ в таких условиях, что более точно отражает ее способности к вынесению суждений.

Этот тестовый набор охватывает широкий спектр биологических областей, включая геномику, количественную биологию и трансляционную медицину, и содержит 129 задач, охватывающих такие подразделы, как статистическая генетика, популяционная генетика, функциональная геномика и протеомика. Каждый вопрос предоставляет набор данных, близкий к реальной исследовательской среде, что требует от модели самостоятельного выбора методов анализа, адаптации стратегий на основе кратких экспериментальных сведений и, в конечном итоге, формулирования выводов.
Чтобы избежать систематических ошибок в оценке, характерных для традиционных тестов с длительным процессом, при разработке GeneBench-Pro компания OpenAI использовала синтетические данные. Такой подход позволяет OpenAI более строго контролировать процесс генерации данных, гарантируя, что производительность модели отражает подлинное понимание, а не правильные ответы, полученные путем угадывания или использования упрощений.
OpenAI опубликовала 10 типичных примеров задач из GeneBench-Pro с открытым исходным кодом на платформе Hugging Face, что позволяет внешним исследователям изучать их через интерактивный интерфейс. В будущем OpenAI планирует передать 50 из этих задач в Artificial Analysis для независимой оценки, чтобы проверить реальную эффективность различных моделей на этом тестовом наборе.
MiniMax 2.5 лидирует по глобальному использованию с ежемесячной выручкой более 150 млн долларов; флагманская версия M3 выйдет в первой половине года
Крупные языковые модели Китая набирают огромную динамику в глобальной экосистеме разработчиков благодаря своей репутации в области экономической эффективности и инженерного совершенства.По состоянию на 3 марта 2026 года данные с платформы OpenRouter
Мета Мусе опережает ChatGPT в раннем запуске на мобильных устройствах
Новые данные свидетельствуют о том, что новейшее приложение Meta по искусственному интеллекту Muse может стать следующим крупным успехом социальной сети. Согласно недавним оценкам компании Appfigures, количество загрузок Muse на мобильных устройствах
TechCrunch Disrupt 2026: Карим Амин из компании Clay о росте популярности инженеров по выводу продукта на рынок (GTM)
Два года назад инженеры по GTM практически не встречались в большинстве организаций. Сегодня эта должность становится всё более распространённой во всём технологическом секторе: специалисты используют











