Benchling发布生物安全误拒基准

1. 10:18
   AGI Hunt

   Benchling 发布 BenchBench-Refusals，GPT-6.1 Sol 以 88.4% 居首

   Benchling 推出 BenchBench-Refusals，用 160 个真实科研场景任务测试模型区分有害与良性生物学请求的能力。榜单前三为 GPT-6.1 Sol 88.4%、Sonnet 5.5 85.1%和 Opus 5.5（LSVP）84.3%；Opus 5.5 未加入生命科学验证计划时 Macro-F1 仅为 40.4%。

1. 02:33
   AGI Hunt

   BenchBench-Refusals 基准评测：部分模型误拒过半生物学术语

   Benchling 团队发布生物安全拒绝行为基准 BenchBench-Refusals，首次量化模型误拒正常生物学提问的现象。测试显示，部分前沿模型区分有害与良性生物学请求的表现不佳，对正常生物学术语的误拒率超过 50%，基准于 2026-11-07 发布。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。