Gamow Labs 发布 ScreenBench，AI agent 最高得分 0.49

Gamow Labs 发布 ScreenBench，用182个真实细胞活性筛选板与加样记录测试AI agent发现并纠正湿实验数据错误的能力，最高得分仅为0.49。基准每条数据包含1-3处未告知错误，Gemini 4 Argon、Opus 5.5和GPT 6.1 Sol分别获得0.49、0.47和0.12分。任务说明列出可能的错误类型后，三个 agent 的得分均升至0.94-0.96。