LifeSciBench

從單純回答生物問題到模擬科研實務：解析 OpenAI 的 LifeSciBench 生命科學基準測試

該內容精準地揭示了通用 LLM 在專業科學領域的『能力幻覺』，將評估維度從結果導向轉向過程導向，具有高度的實務參考價值。然而，其評價基礎仍依賴於專家定義的 Rubric，在科學發現具有高度不可預測性的前提下，這種『模擬真實』的測試集是否能完全涵蓋未知的科研突破，仍需持保留態度。