博客文章

Google DeepMind 联合多家机构推出全球首个双盲 AI 评估机制，利用密码学技术隔离测试数据与模型权重，防止基准污染。本文深入解析其技术原理、行业意义，并对比国内评估体系现状。

bingdada

2026-08-30114约 8 分钟阅读

LifeSciBench是一项全新的AI基准测试，由173位专家科学家创建，包含750项任务和19,020个评分标准，旨在评估AI在真实生命科学研究中的复杂能力，涵盖证据处理、分析、设计优化等七个工作流程。

bingdada

2026-08-02127约 7 分钟阅读

GeneBench-Pro 是一个研究级基准测试，旨在评估AI代理在计算生物学中处理模糊性、做出高阶判断的能力。它包含129个问题，覆盖10大领域，通过合成数据生成和严格审核确保评估的严谨性。

bingdada

2026-08-02144约 6 分钟阅读