研究者炮轰 AI×Bio 基准：LLM 生成、LLM 评分的“基准垃圾”正在污染生物推理

研究者 anshulkundaje 炮轰大量 AI×Bio 基准采用“LLM 生成→专家审校→LLM 做题→LLM 判分→LLM 总结”的流程，怀疑刷榜正在污染文献与基准。前沿模型仍常犯基础生物推理错误，因此他认为高质量生物基准对训练前沿模型必不可少，其原子、碱基和立体中心等细节可能直接影响判断。