ScreenBench测试湿实验纠错能力
热点事件持续更新
ScreenBench测试湿实验纠错能力
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Gamow Labs发布ScreenBench湿实验室基准，结果显示受测AI agent在未获错误类型提示时，发现并纠正筛选数据错误的最高得分仅为0.49。 该基准基于182个真实细胞活性筛选板及加样记录构建，每条数据人为埋入1至3处未告知错误，包括读板旋转180°、行列交换和孔位顺序错乱等7类；AI必须先找错并纠正，才能正确回答化合物活性、身份或位置问题。Gemini 4 Argon、Opus 5.5和GPT 6.1 Sol分别得0.49、0.47和0.12分；任务说明列出可能错误类型后，三者得分均升至0.94至0.96。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 01:12
Gamow Labs 发布 ScreenBench，AI agent 最高得分 0.49报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- AGI HuntGamow 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。